視頻監控中的圖像增強技術及其應用

摘要：在大霧、沙塵等惡劣天氣或者低光照情況下圖像對比度大大降低，人們無法從中得到有用信息。不僅如此，長期觀看品質低下的視頻可能會加重人們眼睛的負擔，容易產生視覺疲勞，甚至會頭暈目眩。在出現大霧、大雨、沙塵等惡劣天氣時，戶外景物圖像的對比度和顏色都會被改變或退化，圖像中蘊含的許多特征都被覆蓋或模糊，得到的是退化圖像，對于各類監控都造成了極大的困難，因此，要充分發揮監...

背景

在大霧、沙塵等惡劣天氣或者低光照情況下圖像對比度大大降低，人們無法從中得到有用信息。不僅如此，長期觀看品質低下的視頻可能會加重人們眼睛的負擔，容易產生視覺疲勞，甚至會頭暈目眩。在出現大霧、大雨、沙塵等惡劣天氣時，戶外景物圖像的對比度和顏色都會被改變或退化，圖像中蘊含的許多特征都被覆蓋或模糊，得到的是退化圖像，對于各類監控都造成了極大的困難，因此，要充分發揮監視視頻的效能，就必須對監視視頻圖像進行增強處理。在軍事偵察、監視方面，為了實施正確指揮，取得作戰勝利，現代戰爭對軍事偵察提出了更高的要求，廣泛應用先進科學技術，進一步擴大偵察的范圍，提高偵察的時效性和準確性。因此，軍事偵察、監視中用到的視頻圖像的品質尤為重要，退化的視頻圖像對信息的識別與處理會造成偏差，而這種偏差的后果是非常嚴重的，因此視頻增強技術應運而生。

視頻增強算法(Retinex算法)的基本原理

　　Retinex(視網膜”Retina”和大腦皮層”Cortex”的縮寫)理論是一種建立在科學實驗和科學分析基礎上的基于人類視覺系統(Human Visual System)的圖像增強理論。該算法的基本原理模型最早是由EdwinLand(埃德溫·蘭德)于1971年提出的一種被稱為的色彩的理論，并在顏色恒常性的基礎上提出的一種基于理論的圖像增強方法。Retinex理論的基本內容是物體的顏色是由物體對長波(紅)、中波(綠)和短波(藍)光線的反射能力決定的，而不是由反射光強度的絕對值決定的;物體的色彩不受光照非均性的影響，具有一致性，即Retinex理論是以色感一致性(顏色恒常性)為基礎的。

　　不同于傳統的圖像增強算法，如線性、非線性變換、圖像銳化等只能增強圖像的某一類特征，如壓縮圖像的動態范圍，或增強圖像的邊緣等，Retinex可以在動態范圍壓縮、邊緣增強和顏色恒常三方面達到平衡，因此可以對各種不同類型的圖像進行自適應性地增強。正因為Retinex諸多良好的特性，使Retinex算法在很多方面得到了廣泛的應用。

　　在諸多以Retinex為核心的算法中，單尺度(Single-ScaleRetinex,SSR)算法，多尺度(Multi-ScaleRetinex，MSR)算法是最具有代表性和最成熟的算法。

單尺度(Single-ScaleRetinex,SSR)算法原理

　　根據Land提出的理論，一幅給定的圖像S(x,y)分解成兩幅不同的圖像：反射物體圖像R(x,y)和入射光圖像L(x,y)，其原理示意圖如下:

　　原理示意圖

　　對于觀察圖像S中的每個點(x,y)，用公式可以表示為：

　　S(x,y)=R(x,y)﹒L(x,y)(1)

　　據Retinex理論，物體的顏色是由物體對光線的反射能力決定的，而物體對光線的反射能力是物體本身固有的屬性，與光源強度的絕對值沒有依賴關系。因此通過計算各個像素間的相對明暗關系，可以對圖像中的每個像素點做校正，從而確定該像素點的顏色。

　　單尺度(Single-ScaleRetinex,SSR)算法在對數域中則表示為：

　　(2)

　　根據上面(2)式的原理，Retinex理論進行圖像增強的關鍵是從原圖像中有效的信息計算出亮度圖像L(x,y)。但是從原圖像計算亮度圖像在數學上是一個奇異問題，因此只能通過數學上近似估計的方式估算亮度圖像。在Retinex算法的發展史中，曾經出現過平方反比的環繞形式、指數形式以及高斯指數形式，但在單尺度Retinex增強算法中，杰泊森(Jobson)論證了高斯卷積函數可以對源圖像提供更局部的準確處理，因而可以更好地增強圖像，其可以表示為：

　　公式3

　　其中λ是常量矩陣,c是濾波半徑，并且滿足：

　　公式4