随着计算机图像处理技术的快速发展、信息化普及度加大,以及人们安防意识的提高,实时视频监控系统已经逐步成为人们生活中不可或缺的一部分,已经被广泛应用在生产、交通、社会安全等方面。但是受恶劣天气(雾、雨、风、光等)和监控系统自身技术条件的限制,视频图像往往达不到理想的效果。图质出现退化或模糊不清,进而导致对识别、取证、事件分析等操作造成困难,使系统无法正常应用。因此,模糊图像处理技术的研究和应用在安防领域具有很重要的意义。
模糊图像产生的原因分析
系统自身因素
一个全模拟监控系统中,从前端到后端由图像采集、图像传输、图像存储、图像显示等几个环节构成。在每一个环节或都会产生视频信息损失,也就是让图像质量变差或变模糊。
镜头:影响进入摄像机的光通量和成像的精确性,会直接导致图像模糊;摄像机感光元件Sensor:影响到光信号的采集和光电转换效果,会直接导致图像模糊;视频传输电缆两端的BNC接头:因信号屏蔽的缝隙会造成信号损失,视频传输电缆经过长距离的传输,传输线缆的电阻、屏蔽、阻抗匹配等问题,都会引起信号的衰减,也会直接导致图像质量变差变模糊,监视器图像呈现端也会有一定的信号损失。
在一个全数字视频监控系统中,采用网络传输,经过数字化编码的视频信号的传输和存储相对于模拟系统,可以更有效避免因信号衰减造成图像损伤。但是,在镜头、图像采集以及后端呈现时的图像信号耗损仍然无法避免。另外,在数字视频监控系统中,又增加了视频信号的A/D转换、视频编码压缩环节,这些环节仍会导致图像信息的损失。现有的视频压缩编码算法都是有损压缩,会直接导致视频信息的丢失,影响视频清晰度。
自然环境
除系统本身因素以外,自然环境对视频图像清晰度影响也非常大。若遇到刮风、下雨、下雪、大雾等自然天气,都会导致图像质量急剧下降或模糊不清。除此以外,还有照度不足、背光、逆光、温度过低或过高等,都会对图像还原系统造成影响,影响到图像清晰度。在光线不足的条件下,摄像机的Sensor成像会产生很多噪声,这些噪声会影响图像清晰度,而且会使图像编码的码流大幅增加。
人为环境
供电系统的电源不“干净”,即窜入比较强的干扰信号,具体是指在50Hz的正弦波上叠加有干扰信号,如果电网中有大功率可控硅调频调速装置、可控硅整流装置、可控硅交直流变换装置等都会对电源产生污染。
电视监控系统附近有很强的电磁干扰源或电磁辐射。电磁干扰源如电焊、无线电发射、大电机、大继电器的干扰等,也会导致对视频信号干扰。电磁干扰会导致图像有间距相等的竖条或图像呈规律性闪烁条纹等,从而导致图像模糊。还有,就是人为破坏导致,比如被弄得难以识别的车牌等,致使摄像机无法摄取车牌号等。
模糊图像处理技术的发展
从20世纪90年代以来,安防行业经历了一个飞速发展的时期。随着安防监控系统从全模拟到全数字的发展,人们对图像质量要求越来越高,图像分辨率也经历了从CIF到标清再到高清的变迁。
早期传统的监控系统采用模拟信号传输方式,称为第一代全模拟监控时代,那时的视频文件通过磁带录像机进行录制和保存。因为视频图像的存储都是采用模拟设备,模拟存储设备随着使用时间的延长,图像会有一定的信息损失。但是模糊图像处理技术是基于数字图像进行处理的技术,所以在纯模拟年代,其还没有被引入到安防领域。
因模拟监控系统固有的缺陷,随着计算机技术的不断发展,数字存储方式逐渐取代了模拟磁带存储。随之进入了第二代准数字监控系统,以数字硬盘录像DVR为主,替代了模拟录像机,跨出数字监控的第一步。在视频图像数字化以后,图像处理技术开始派上了用场,模糊图像处理技术逐步被引入到安防领域。
随着计算机与网络技术的发展,目前视频监控已经发展到了基于IP网络的全数字监控时代,这样就进入了第三代全数字网络视频监控时代。这个时代的代表产品以IPC、NVR为主。视频图像数字化以后,模糊图像处理技术在安防领域便得到了广泛的应用。
模糊图像处理技术属于图像处理技术的一种,其利用计算机,对图像信息中的数字信号进行运算或处理,以期提高图像的质量,使达到预期的结果,因此也称为计算机图像处理技术。如对被噪声污染的图像除去噪声、对信息微弱的图像进行增强处理、对失真的图像进行几何校正等。近年,随着人们安全防范意识越来越高和社会对安保需求的越来越强烈,监控图像处理技术也将在这样的市场需求和规律中不断演进,并发挥出越来越明显的作用。
安防行业的特殊要求
计算机图像处理是将图像信号转换成数字信号并利用计算机对其进行处理。由于计算机的处理速度极快,且数字信号具有失真小、易保存、易传输、抗干扰能力强等特点,因而计算机图像处理的应用十分广泛,包括航空航天、遥测技术、医疗器械、工业自动化检测、安全识别等各大领域。每一个应用领域都有其特殊性要求,在安防监控行业应用也有其固有的特殊性:
1、对图像清晰度要求较高。在治安监控现场,公安机关往往需要通过监控录像来辨认嫌疑人、证据等,一般清晰度不高的视频都达不到这种要求。在交通监控现场,交警需要通过监控图像来识别车牌、违章行为、驾驶人等要求,模糊图像在这种场合根本无法应用。
2、不同行业的监控,对图像要求具有差异性。比如医疗监控,对图像的色彩还原性要求比较高。智能交通监控,对摄像机夜间照度和抓拍速度要求比较高,要求能清晰辨别车牌。在无人值守监控,需要设备在无人监管的条件下能长期稳定工作。
3、户外安装,无人看守。在安防领域,大多情况设备需要安装在室外,设备需要经受常年的风吹日晒。电子设备自身的老化的速度会比其他领域要相对快一些。摄像机、镜头、传输线路等设施的老化会导致图像越来越模糊。
4、海量视频路数的要求。在大型平安城市监控项目中,视频路数会达到上万路,甚至更多。所以在视频监控领域都期望视频编码的码率压缩比达到最高,从而降低对带宽和存储容量的要求。这就导致在视频编码环节产生更多的信息丢失,从而导致图像模糊。
安防领域的这些特殊应用要求都会导致图像清晰度的下降,反过来又对图像清晰度有很高的要求,势必会导致模糊图像处理技术在这里有广阔的应用前景。
模糊图像处理技术的局限性
目前受硬件技术水平、传输带宽以及应用环境等因素影响,图像模糊问题还无法得到彻底解决。
图像从采集、传输、存储到显示,任何一个环节对图像质量都很关键,任何一个步骤出问题都会影响图像质量,而且这种影响是不可逆的。所以说,彻底解决图像模糊问题,需要一个全方位的技术更新。比如,在当前的数字图像技术的背景下,编码技术是影响图像质量的瓶颈之一,如果出现一种压缩比高、图像损失小的编码算法,当然会一定程度解决因为压缩导致的图像模糊问题,不过要实现这种算法效果,通常需要更高的运算代价,所以还需要硬件技术的更新来满足这样的算法。
类似超分辨重构的模糊图像处理技术,由于其算法的复杂性,目前的常规设备还很难做到实时处理高清图像,所以算法的效率仍是目前模糊图像处理不足的原因之一,这就需要从算法和硬件两方面入手,提高算法效率,同时也需要提升硬件性能。
另外,目前各种针对模糊图像处理的算法,都是基于某种特定场景应用而产生的解决方法,各种算法存在的局部性和局限性都造成了算法应用的障碍。所以在未来的很多年,关于图像处理的算法和模型也还有很长的路要走。[nextpage]
应用实例介绍
以业内某公司为例,其一直被业内誉为安防超市,其产品覆盖安防领域的各种场所和行业,拥有一整套完整的行业解决方案。其产品除了尽量提供更合理的采集条件和采集环境之外,还在编码和图像处理上做了很多工作。在图像处理技术上采用了从前端到后端综合优化的多种处理方案,下面是对该司图像处理产品性能特点的简要介绍。
动态编码参数调节
能根据网络带宽情况,动态调整压缩编码方案:即在带宽条件好的时候传输高分辨率或低压缩比、画质较好的图像;在带宽条件较差的时候,选择压缩比高或低分辨率的图像,尽量能充分利用带宽,且能根据行业特殊需求会动态降低视频帧率,来提高图像质量。
动态场景自适应
可根据具体应用场景调节视频采集参数,比如自动亮度、动态对比度、色彩补偿等技术。并应用各种频域的滤波技术,增强图像纹理和去除各种噪声;对于某些特殊应用场景,将会采用超分辨重构技术来提高某些帧的清晰度,以获取关键信息。
动态对比度的视线原理主要是根据图像的统计信息分析图像的亮度值分布情况,自动分析主要的图像信息可能的分布范围,对亮度范围进行拉伸,提高该范围的对比度,同时适当调整亮度,使之更符合人眼的感受范围。
实现过程主要是通过对图像的直方图统计分析图像的亮度范围,对低亮度的图像适当拉伸低亮度范围的对比度,并适当调高亮度范围。对于高亮度的图像拉伸高亮度范围的对比度,降低亮度。这种方法对于低照度导致的图像模糊有较好的校正效果,其效果参见图1。
智能锐化
锐度增强的原理主要是把图像分成三个频带:低频、中频、高频。低频分量主要对应图像中较大的物体的轮廓;中频分量对应一般的轮廓和纹理;高频分量对应图像中的细节信息。分别提取图像中三个频段的信息,根据需求对三个频段的信息乘上一个增益系数,再叠加到原始图像上,达到锐度增强的效果。
实现过程主要是通过设置三个对应不同频段的高通滤波器,通过卷积原始图像提取三个不同频带的信息,将提取的信息乘上增益系数,叠加到原始图像。这种方法对于压缩编码损失导致的模糊有一定效果。
该技术把锐度增强和智能分析结合在一起,比如只对图像中运动变化的部分也就是监控感兴趣的部分图像进行锐度增强,而对其他相对静止的部分,不容易产生模糊的部分不做处理,这样既可以提高处理速度,也可以有效解决图像模糊问题。
发展趋势及展望
广义上说,获取不到足够信息的图像都可以叫做模糊图像,所以图像模糊问题会随着人们需求的提升而有新的表现。比如目前的监控领域也许只需要一幅有一定分辨率的图像能满足人脸识别的需求即可,随着社会的发展也许我们需要通过一段视频来分析某人的嘴部动作,从而分析他在说什么,这样的话会需要更高分辨率更清晰的图像。这将是一个永恒不变的追求方向,所以模糊图像处理的问题将会被一直研究下去。
视频监控作为物联网的一部分,随着物联网的不断发展和应用,最终将会朝着智能化的方向发展,图像模糊的自动分析即成为系统自检应用的技术之一,通过智能分析,系统将会自动识别图像的几何形状、色彩、噪声、模糊、融合,以及超分辨等图像效果进行自动分析和处理。随着模糊图像处理技术的应用范围越来越广泛,模糊图像处理技术和智能分析的完美结合必然成为发展趋势。