【安防在线 www.anfang.cn】
最近PM2.5这一气象领域专业词汇成为社会关注的流行话题。空气中的液滴和固体小颗粒不仅危害人体健康，引起雾霾而导致交通事故频发，同时也使户外监控视频质量明显降低。在雾霾天气下，图像色彩黯淡、对比度变低，一些重要目标的细节更是淹没在雾气中难以被察觉，视频监控系统的实用性受到很大影响。
因此，去除视频中的雾气，进而改善图像质量，成为提升户外视频监控系统应用价值越发重要的一项关键技术。
雾气对视频监控的影响
一般认为，大气介质主要由空气分子、水汽和气溶胶组成。气溶胶是悬浮在气体中的小粒子构成的弥散系。某些粒子具有高吸湿性，起到水汽凝结中心的作用，其大小与环境相对湿度、水汽供应和由碰撞而发生凝聚的程度有关。由于大气中各种颗粒的大小、类型以及聚集程度的不同产生晴(Clearness)、霾(Haze)，雾(Fog)，云(Cloud)、雨(Rain)等各种天气。
在晴朗的天气条件下，从物体表面反射的光线基本不会受大气中各种成分的影响发生散射、吸收、反射等现象，能够直接到达成像设备，获得清晰无雾图像。
在有雾天气下，从物体表面反射的光线在到达成像设备的过程中会受到空气中悬浮颗粒的影响。气溶胶粒子是雾霾形成的主要因素，也是图像质量产生退化的根本原因，其影响主要有以下几个方面：
(1)气溶胶粒子对光线有散射作用，散射损失使“透射光”强度衰减，造成了图像的对比度下降。
(2)由于气溶胶粒子的非均匀性，使球面波畸变成非球面波，导致图像变模糊，边缘和细节降低。
(3)气溶胶粒子的粒径较大，粒子的自身成像不容忽视，可以近似理解成“噪声”。
(4)气溶胶粒子对成像光线的散射部分会因为多次散射的作用，和原有的前向散射部分叠加在一起成像，产生一定的模糊。
实时视频透雾技术与其他透雾技术的比较分析
目前已知的透雾算法大致可以分为两大类：一种是非模型的图像增强方法，通过增强图像的对比度，满足主观视觉的要求来达到清晰化的目的；另一种是基于模型的图像复原方法，它考查图像退化的原因，将退化过程进行建模，采用逆向处理，以最终解决图像的复原问题。
目前通过增强的方式来进行透雾处理典型的方法包括：直方图均衡化、滤波变换方法和基于模糊逻辑的方法。直方图均衡化方法，其中全局化方法运算量小但对细节的增强不够；局部均衡方法效果较好，但可能引入块状效应、计算量大、噪声被放大及算法效果不易控制的问题。滤波变换的透雾算法，通过局部处理能获得相对较好的处理结果，但它们的计算量巨大、资源消耗多、不适于实时性要求较高的设备。基于模糊逻辑的方法透雾的效果不够理想。
基于增强的方法能在一定程度上提高图像对比度，并通过增强感兴趣区域来提升可识别度。但该方法未能从图像退化过程的原因入手来进行补偿，因此它只能改善视觉效果而不能获得很好的透雾效果。
目前基于图像复原的方法主要有以下几类：滤波方法、最大熵方法与图像退化函数估计法等。滤波方法如卡曼滤波方法，整体而言计算量较大。最大熵法能获得较高的分辨率但是其非线性、计算量大、数值求解困难。
图像退化函数估计法大多依据一定的物理模型(如大气散射模型与偏振特性的透雾模型)来设计，需要在不同的时间点采集多幅图像作为参考图像，以便确定物理模型中的多个参数，而最终求解得到无雾状态下的结果图像。这一点限制了此类方法在实时监控中的应用。
安防产品现已应用于各种复杂场景、恶劣天气，全天候实时监控对产品的便携性与功耗、处理效果、处理的自适应性等方面都提出了较为苛刻的要求。良好的视频透雾技术应当在大气透射模型的基础上融合图像增强与图像复原的技术优势，从而能够获得较为理想的图像效果并被实际工程化引用。
在图像处理中，一般用下述模型来表达所看到的有雾图像：
I(X)=J(X)t(x)+A(1-t(x))
I代表所看到的图像强度，J是景物光线强度，A是大气光成分，t是用来描述光线通过媒介时没有被散射掉的那部分。透雾的目标就是从I中恢复出J、A、t，J即对应于透雾后的结果图像。其中，J(X)t(x)称为直接衰减项，代表的是景物光线在媒介中经过衰减后的部分，A(1-t(x)为大气光成分，由前方散射引起。
在充分分析透雾理论的优势与不足，并进行深入的研究探索后，海康威视结合安防监控领域的视频图像透雾的特殊要求，开发了一种实时视频透雾技术。该技术基于大气光学原理，区分图像不同区域景深与雾浓度进行滤波处理，获得准确、自然的透雾图像。
该实时视频透雾技术能够根据雾况的变化自动调整从而适应各种场景应用，避免出现近景透雾过度发黑而远景模糊的情况；同时兼顾了实现的效率与复杂度，保证了整个透雾的实时性与可工程化。
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
