雾霾严重 雾化和模糊图像常用处理法
- 来源：中国安防展览网整理 作者：编辑部
- 2014/4/29 12:33:359227
雾霾天气对去雾技术提出需求
DFG算法在IPC端实时实现，无需增加任何成本，其大大提高了在雾霾天气下的安防监控品质。我们相信在雾霾笼罩的天气下，使用DFG算法的IPC依然能够实施安防监控;该技术
视频监控设备在雾霾天气中受到的影响主要有三个方面：
1、反射光受到大气粒子的散射产生衰减，造成对比度退化;
2、部分粒径较大的大气粒子会遮光，导致图像细节丢失;
3、无关的自然光经过折射参与成像，造成图像饱和度、对比度降低及色调偏移。
户外景物图像的对比度和颜色都会被改变或退化，使得图像中蕴含的许多特征被覆盖或变得模糊，视频监控就不能采集到清晰的现场图像，这样严重影响了平安城市的建设和各类场所安全防范的实施和管理。能够具有实时去雾功能的高清网络摄像机是社会环境对安防行业一提出的要求。
DFG去雾算法能效初显
摄像机的去雾技术可以分为物理去雾和数字去雾两种。物理去雾即光学透雾主要由摄像机镜头实现，高清透雾镜头一般业内在大电动变倍镜头上才实现，价格昂贵，一般应用于港口、森林高点等场景。
数字去雾则是在摄像机或后端软件上实现，是一种基于人类视觉感知模型设计的后端图像复原技术，具有低成本、易部署等特点，适合广泛地推广应用于城市监控中。
上海某安防整体解决方案提供商，开发出了一套便于嵌入式系统实现的DFG去雾算法，可以实时快速地实现去雾取景效果。该技术在大气透射模型的基础上融合了图像增强技术，能够取得较为理想的图像效果，并且已经实现产品化。
在图像去雾这个领域，几乎没有人不知道《Single.Image.Haze.Removal.Using.Dark.Channel.Prior》这篇文章。该文从2009年CVPR计算机视觉与模式识别会议上的近1500篇投稿中脱颖而出，成为这个计算机视觉领域会议的佳论文。在这篇论文里，作者找到了一个非常简单但又令人惊讶的统计规律，并提出了有效的去雾方法——基于暗通道的去雾算法。由于雾霭总是灰白色的，因此一旦图像受到雾霭的影响，那么那些本来很暗的物体就会变得灰白。而且根据物理上雾霭的形成公式，还能根据这些物体的灰白程度来判断雾霭的浓度。所以基于暗通道的算法能有效地消除雾霭产生的影响，还原真实视像。
近年来，去雾算法论文几乎都是根据这一篇论文的理论进行研究。业内也有安防厂家在该原理的基础上进一步开发了实时DFG去雾算法，其更加注重实时性和实效性，并且能够在嵌入式端实现。
.在计算机视觉领域里，人们用下述方程式来描述雾霾天气对图像造成的影响。
I(x)=.J(x)t(x). .A(1?t(x)).(1)
其中I是指观测到的有雾图像，J是待恢复的无雾图像，A是大气光成分，t用来描述光线通过媒介透射到照相机过程中没有被散射的部分。
令L(x)=A(1-t(x)),称为环境光。模型则变为：
I(x)=.J(x)(1-L(x)/A) .L(x)...(2)
J(x)=(I(x)-L(x))/(1-L(x)/A)...(3)
去雾就是从观测到的I(x)中估计出L(x)和A,进而恢复出J(x)。
把灰白的雾霭去除后，图像都会显得比较暗，而且对比度和饱和度也比正常场景下也低了很多。所以图像恢复后，算法需要根据雾霭的浓度，再进行一次对比度和饱和度的调节。
DFG算法优点
1、色彩还原性好，没有局部直方图均衡算法容易出现的色彩不真实和光晕现象;
2、实时性好，保证1080P的30fps，效果与获得CVPR佳论文的去雾算法接近，但运算量要小很多，增强了图像的实时性;
3、细节和边缘保留良好，通透性强。例如图中的绳子和文字都能够清晰显示，图像也比较通透;
4、图像不会变暗。普通算法把白色的雾除去后，往往会造成整个图像偏暗，影响视觉效果。但DFG算法则可以根据环境情况实现亮度智能提升，有效改善偏暗现象;
适用性强，设备打开去雾功能时，会自动探测有没有雾以及雾的浓度，所以也不会改变无雾时的图象色调，而且在有雾时根据雾的浓度提升对比度和饱和度，改善图像的视觉品质。
视频监控模糊图像处理法
其实，除了由于雾霾等自然环境造成的图像模糊需要用到去雾技术，摄像机本身的品质不同，拍出来的画面清晰度也不同，对于那些有需要而画面又不够清晰地图像，进行去雾处理，或者说是对图像的模糊处理法，也是目前需要的。视频监控模糊图像的处理主要有三种：
一、图像增强
很多传统图像算法都可以减轻图像的模糊程度，比如图像滤波、几何变换、对比度拉伸、直方图均衡、空间域锐化、亮度均匀化、形态学、颜色处理等。就单个来讲，这些算法都比较成熟，相对简单。但是对于一个具体的模糊图像，往往需要上面的一种或者多种算法组合，配合不同的参数才能达到理想的效果。这些算法和参数的组合进一步发展成为具体的增强算法，比如“图像去雾”算法、“图像去噪”算法、“图像锐化”算法、“图像暗细节增强”算法等等。这些算法都不同程度提高了图像清晰度，很大程度改善了图像质量。
综合使用形态学、图像滤波和颜色处理等算法可以实现图像去雾的算法，图1是一个去雾算法的实际使用效果，类似的图像增强算法还有很多，不再一一列举。
二、图像复原
图像复原与图像增强技术一样，也是一种改善图像质量的技术。图像复原是根据图像退化的先验知识建立一个退化模型，然后以此模型为基础，采用各种逆退化处理方法逐步进行恢复，从而达到改善图像质量的目的。
图像复原和图像增强是有区别的，两者的目的都是为了改善图像的质量。但图像增强不考虑图像是如何退化的，只有通过试探各种技术来增强图像的视觉效果，而图像复原就完全不同，需要知道图像退化过程的先验知识，据此找出一种相应的逆过程方法，从而得到复原的清晰图像。图像复原主要取决于对图像退化过程的先验知识所掌握的程度。
对由于离焦、运动、大气湍流等原因引起的图像模糊，图像复原的方法效果较好，常用的算法包括维纳滤波算法、小波算法、基于训练的方法等。图3是使用维纳滤波解决运动模糊图像的例子，取得了很好的复原效果。在知道退化模型的情况下，相对图像增强来说，图像复原可以取得更好的效果。
三、图像超分辨率重构
现有的监控系统主要目标为宏观场景的监视，一个摄像机，覆盖一个很大的范围，导致画面中目标太小，人眼很难直接辨认。这类由于欠采样导致的模糊占很大比例，对于由欠采样导致的模糊需要使用超分辨率重构的方法。
超分辨率复原是通过信号处理的方法，在提高图像的分辨率的同时改善采集图像质量。其核心思想是通过对成像系统截止频率之外的信号高频成分估计来提高图像的分辨率。超分辨率复原技术初只对单幅图像进行处理，这种方法由于可利用的信息只有单幅图像，图像复原效果有着固有的局限。序列图像的超分辨率复原技术旨在采用信号处理方法通过对序列低分辨率退化图像的处理来获得一幅或者多幅高分辨率复原图像。由于序列图像复原可利用帧间的额外信息，比单幅复原效果更好，是当前的研究热点。
小技巧
在实际的应用中并不存在型的监控设备。图像可用性描述了监控摄像机针对特定应用场景的性能，在不同条件下达到高的图像可用性，是在选择监控设备重要的评估标准。
下面为大家提供三条方案，为大家解决，怎样在不同场景下，大限度的获得高的图像可用性。
1.提高阴影区域图像可用性的利器：超宽动态技术
2.提高大范围区域监控的图像可用性的利器：兼顾大场景与细节信息的HDTV摄像机
3.提高黑暗场景图像可用性的利器：安讯士觅光者技术