算法去雾，“真相”原来咫尺之遥

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。     

透雾摄像机技术解析

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多发,同时也使户外监控视频质量明显降低。在雾霾天气下,图像显得色彩黯淡、对比度低,一些重要目标的细节淹没在雾气中难以观察,视频监控系统的实用性受到很大影响。除去视频中的雾气,改善图像质量成为越来越重要的提升户外视频监控系统应用价值的一项关键技术。     

雾霾图像增强算法对目标检测性能影响研究

针对雾霾环境下目标检测率低,容易造成交通事故等问题,提出了基于图像增强的动态双阈值算法。该算法针对雾霾天气下,传统的检测算法目标检测率低、虚警率高等问题,利用大气散射模型及联合双边滤波算法首先对原始雾霾图像的增强处理,然后再进行目标检测。分别使用动态双阈值、基于均值滤波的动态双阈值、基于直方图均衡化的动态双阈值、基于拉普拉斯算子的动态双阈值目标检测算法对不同程度雾霾环境下的实拍车辆运动视频进行目标检测,并用11097组图像数据对比分析改进算法的最佳检测率、最差检测率、平均检测率和虚警率。实验结果表明,改进算法目标检测率高、虚警率低,有助于减少交通事故,更加适用于雾霾环境下图像目标检测。     

雾天视频清晰化系统研究

针对在雾天等恶劣天气条件下普通监控系统不能发挥应有的作用,设计基于DM642数字信号处理器的雾天视频清晰化系统,给出系统硬件结构和软件流程。以Retinex图像增强理论为基础,根据传统Retinex算法的数学定义提出随机喷射Retinex(RSR)算法。RSR算法以2-D像素点集合代替传统路径比较方法,解决了路径依赖、样本噪声问题,优化了计算复杂度。实验结果表明,系统实现了良好的实时性、稳定性和视频图像清晰化。     

雾天视频清晰化系统研究

针对在雾天等恶劣天气条件下普通监控系统不能发挥应有的作用,设计了基于TMS320DM642数字信号处理器的雾天视频清晰化系统,给出了系统硬件结构和软件流程.介绍了基于颜色恒常性的Retinex图像增强理论,详细分析了单尺度Retinex算法的优势和弊端.通过引入颜色恢复因子,采用多尺度颜色恢复Retinex算法,解决了细节突出与整体颜色恒常的矛盾和颜色失真问题.实验结果表明,系统实现了良好的实时性、稳定性和视频图像清晰化.     

图像去雾霾算法的研究现状与展望

雾霾天气下拍摄的图像往往会因空气中的气溶胶粒子散射而降质,并因此影响后续的室外计算机视觉系统的应用。为此,研究者提出了大量方法来复原雾霾图像的质量。文中归纳总结了图像去雾霾方法的研究现状,重点研究和分析了基于图像增强和基于物理模型这两大类方法,深入探讨了其中一些已被广泛认可的经典算法的优劣,并分析了几种雾霾天气复原图像客观评价的方法。最后,提出了图像去雾霾算法未来的几种研究思路,并展望了未来的发展趋势。     

基于时域自适应滤波及非局部平均的夜视图像去噪算法

为了增强夜视图像的可视性和清晰度,提出了一种适用于夜视环境的视频图像去噪和增强算法。首先在噪声消除方面,提出了一种基于卡尔曼结构更新的运动自适应时域滤波器。然后利用带有自适应限幅阈值的伽马校正调整RGB直方图,来增加去噪视频图像的动态范围。最后,使用非局部平均(NLM)去噪滤波器消除剩余噪声。提出的方法能够直接用于颜色滤波阵列(CFA)原始视频图像,以便获得较低的内存消耗。在夜间环境(低于0.1 lux)下,利用2百万像素CMOS传感器进行了具体测试,实验结果表明,相比现有的夜视图像增强方法,提出的视频图像增强法在夜间环境下均表现出了更加良好的性能指标。     

基于小波变换的矿井监控图像增强研究

针对在矿井视频监控系统中采集到的井下图像质量差的问题,论文提出了一种基于小波变换的图像增强方法,使用该方法增强的图像细节显示能力强,图像对比度更高,该方法对煤矿监控图像有显著的增强作用.通过与传统的伪彩色增强算法、灰度线性变换算法和直方图均衡算法比较,该方法较好地增强了井下低对比度图像的可视化效果.实验证明,该基于小波变换的图像增强方法能够增强矿井下图像的清晰程度,使矿井视频监控系统更好地发挥作用.     

算法透雾——智能化监控的又一新大陆

当雾气来临,如果您选用的仍是非透雾摄像机,除了获得一片朦胧的,甚至是什么都看不清的图像外,无法从监控视频中获取到有用的信息,如有事件发生,这将会形成监控盲区。尤其是从2013年年底开始,全国范围性的雾霾天气,逼迫透雾设备的加速推进。那么,现在的透雾摄像机发展如何呢？我们为您试做一番分析。     

DSP实时图像纠正光电联合智能透雾特视瞰（Tescom）TBC-999H多光谱四滤色片《透雾）全天候摄像机赏析

为了在恶劣的光照环境以及恶劣的天候环境,即在黑暗,强光,光照不均,雾霾天气等环境中实现优质的视频监控,Tescom特视瞰发明了该款,带有多滤色片选择窄幅波长成像和智能图像纠正（透雾）DsP的多光谱四滤色片光电智能图像纠正（透雾）全天候摄像机。     

基于车道线检测与图像拐点的道路能见度估计

为了解决传统的能见度仪价格昂贵、采样有限,以及现有的一些视频测量手段需人工标记物、稳定性差等问题,基于车道线检测与图像拐点提出一种通过固定摄像机识别雾天天气并计算道路能见度的算法。与以往研究不同,在交通模型增加了均质雾天因素。该算法主要分为三步：首先,计算场景活动图,利用区域搜索算法（ASA）结合纹理特征提取待识别区域,如果在待识别区域内像素自顶向下以双曲线形式变化则判断当前天气为雾天,同时计算区域内图像亮度曲线的拐点;其次,基于可伸缩窗算法检测车道线,提取车道线端点并标定摄像机;最后,结合图像拐点以及摄像机参数计算大气消光系数,根据国际气象组织给出的能见度定义计算能见度。通过三种场景下的能见度检测,实验结果表明,该算法与人眼观测效果一致,准确率高于86%,检测误差在20m以内,鲁棒性好。     

扬尘雾霾天气下的视频图像取证技术研究

本文通过分析因扬尘雾霾等恶劣天气造成的室外摄像头采集的视频图像证据模糊退化问题,给出评判视频图像模糊还原算法的标准,并对当前流行的几种视频模糊还原算法做出比较,为视频取证提供有效解决方案.     

基于马尔科夫随机场框架的单幅图像去雾*

雾或霾等天气会降低场景的能见度,给机器视觉的后续处理造成影响。针对图像雾霾退化的恢复、及现有基于马尔科夫随机场图像去雾算法的缺陷,提出了一种新的基于马尔科夫随机场和暗通道先验的图像去雾算法。该算法以雾天条件下退化模型为基础,通过介质传输图和原始无雾图像的约束条件,利用暗通道先验获取介质传输图的粗估计,构造MRF框架下的代价函数。为使去雾图像保持更多的纹理细节,引入纹理检测函数改进代价函数,最终求得去雾图像和介质传输图。实验结果表明,本文方法可以得到较好的去雾效果,同时保持较多的纹理细节和更快的运算时间。     

A two-step approach to see-through bad weather for surveillance video quality enhancement

Adverse weather conditions such as snow, fog or heavy rain greatly reduce the visual quality of outdoor surveillance videos. Video quality enhancement can improve the visual quality of surveillance videos providing clearer images with more details to better meet human perception needs and also improve video analytics performance. Existing work in this area mainly focuses on the quality enhancement for high-resolution videos or still images, but few algorithms are developed for enhancing surveillance videos, which normally have low resolution, high noises and compression artifacts. In addition, for snow or rain conditions, the image quality of near-field view is degraded by the obscuration of apparent snowflakes or raindrops, while the quality of far-field view is degraded by the obscuration of fog-like snowflakes or raindrops. Very few video quality enhancement algorithms have been developed to handle both problems. In this paper, we propose a novel video quality enhancement algorithm for see-through snow, fog or heavy rain. Our algorithm not only improves human visual perception experiences for video surveillance, but also reveal more video contents for better video content analyses. The proposed algorithm handles both near-field and far-field snow/rain effects by proposed a two-step approach: (1) the near-field enhancement algorithm identifies obscuration pixels by snow or rain in the near-field view and removes these pixels as snowflakes or raindrops; different from state-of-the-art methods, our proposed algorithm in this step can detect snowflakes on foreground objects or background, and apply different methods to fill in the removed regions. (2) The far-field enhancement algorithm restores the image’s contrast information not only to reveal more details in the far-field view, but also to enhance the overall image’s quality; in this step, the proposed algorithm adaptively enhances the global and local contrast, which is inspired on the human visual system, and accounts for the perceptual sensitivity to noises, compression artifacts, and the texture of image content. From our extensive testing, the proposed approach significantly improves the visual quality of surveillance videos by removing snow/fog/rain effects.     

基于暗原色先验原理的偏振图像浓雾去除算法

在浓雾天气下,针对基于常规偏振特性去雾算法去雾效果不理想的特点,提出了一种基于暗原色先验原理的颜色空间转化算法去除偏振图像的浓雾。相比传统的成像技术,偏振图像探测技术在复杂环境下的目标探测和识别处理具有独特的优势,偏振图像通常采用强度图、偏振度图、偏振角图来表征目标的偏振信息。为了达到偏振信息与去雾模型相结合的目的,采用一种颜色空间转化的方法,首先把偏振信息转化到HIS颜色空间对应的亮度、色度、饱和度等各分量中,再把HIS颜色空间映射到RGB空间;其次,结合雾霾图像的大气散射模型用暗原色先验原理求图像的暗通道图;最后,在图像的稀疏先验基础上用softmatting算法细化修正大气传输率。实验结果表明,在能见度很低时,去雾后图像的标准差、信息熵、平均梯度等指标比现有的偏振去雾技术提高很多,该方法能有效增强浓雾天气下图像的整体对比度,提高偏振图像的目标识别能力。     

雾天条件下的多尺度Retinex图像增强算法

在雾天条件下拍摄图像时,由于受到大气散射作用的影响,图像的颜色和对比度会出现退化现象。为了提高雾天图像的质量,提出一种改进的多尺度Retine雾天图像增强算法。首先采用幂次变换压缩图像动态范围;然后采用非线性变换对图像的高光区域进行抑制;最后采用反锐化掩模滤波消除图像模糊,增强雾天图像细节信息,并采用多幅雾天图像对算法性能进行仿真测试。仿真结果表明,改进多尺度Rctinc的雾天图像增强算法较好地解决了传统Retine算法存在的不足,加快了雾天图像增强的运行速度,使得雾天图像更加清晰化,获得了更优的视觉效果。     

基于TMS320DM6467的监控视频去雾算法实现

有雾天气情况下拍摄的视频成像质量退化严重,极大地影响了安防监控、视觉导航等系统的整体性能.面向DSP嵌入式平台,提出一种实时监控视频去雾系统实现方案.首先在暗通道先验单幅图像去雾的基础上,提出了一种监控视频去雾算法;其次,基于TMS320DM6467处理器的硬件资源,对视频格式转换、除法运算、透射率计算、数据搬移等环节进行代码优化,最终在硬件平台上实现了整体系统.实测结果表明,对于D1格式的视频,在兼顾去雾质量的同时,达到了实时处理要求.     

基于模糊逻辑的雾天降质图像对比度增强算法

提出一种新颖的雾天降质图像增强算法。该算法通过对降质图像进行规范化预处理,降低不同雾况对灰度级分布范围的影响,并对规范化后的图像,根据大气散射对对比度衰减的影响规律,在模糊域内实现对比度增强处理。实验结果表明,该算法可以有效提高雾天降质图像的对比度,视觉效果改善明显。     

基于物理模型的单幅雾天图像去雾方法

雾天图像对比度降低,为了保证图像的可见性,需要对图像进行去雾处理。根据光学原理,雾天条件下场景的能见度下降是与场景深度呈指数关系的。为了对雾天图像进行清晰化,提出一种基于大气光学物理模型的图像去雾算法。该算法首先用四叉树方法估计出雾天图像的环境光;然后估计出使输出图像对比度最大化的传输函数;最后进行雾天图像复原。试验表明,该方法是有效的和有用的。     

基于图像型森林火灾无线远程监控系统

针对目前我国森林火情远程监控中长时间不间断监测、运行成本过高等问题,提出了一种基于Linux系统和AT91RM9200处理器为平台的森林火灾监控系统。嵌入式处理器通过安装在森林监测点摄像头获取图像信息,采用图像增强、颜色聚类等图像处理手段,提取图像的颜色信息及其闪烁频率特性,运用火情识别算法判断视频图像帧是否含有火灾火焰,如果系统判断火灾发生,将火情信息通过无线网络传送到监控中心,交由上位机的监测人员做进一步处理。