侵权投诉
订阅
纠错
加入自媒体

智能监控视频分析:基础技术尤为重要

2.2 超分辨率重建

随着人们对监控图像质量的要求越来越高,提升监控图像的分辨率已经成为整个安防行业的一项迫切要求。提高图像分辨率最直接的办法就是提高采集设备(如摄像机)的传感器密度。

但是,一方面高密度的图像传感器的价格相对昂贵,在一般应用中难以承受;另一方面,由于成像系统受其传感器阵列密度的限制,目前已接近极限。

  在这样的情况下,解决这一问题的一个有效途径是就采用基于信号处理的软件方法对图像的空间分辨率进行提高,即超分辨率(SR:Super-Resolution)图像重建,将采集到的低分辨率图像通过一定算法重建为高分辨率图像。

VAIS的SR重建的核心方法是用时间带宽(获取同一场景的多帧图像序列)换取空间分辨率,实现时间分辨率向空间分辨率的转换,使得重建图像的视觉效果超过任何一帧低分辨率图像。

图2出示了一幅低分辨率视频图像经过超分辨率重建以后形成的高分辨率图像的前后对比。

智能监控视频分析:基础技术尤为重要

智能监控视频分析:基础技术尤为重要

(a) 原始低分辨率图像 (b) 重建后的高分辨率图像

图2 超分辨率图像重建对比

2.3 动态范围扩展

在不少视频监控场合,常常会由于光线的原因产生彩色(亮度)动态范围偏离的图像,出现整体或局部的“曝光”不足或“曝光”过度。对这类视频图像的处理主要是纠正彩色动态范围的偏离,包括两个方面:对背光图像的处理和对暗光(如夜晚场景)图像的处理。

(1)暗光图像的处理

  夜晚场景下采集的图像由于光照强度不足,导致图像亮度及对比度降低,丢失颜色等细节信息,增加了图像的噪声,从而降低了图像质量,严重影响了图像的使用和进一步的智能分析处理。目前比较流行的暗光图像处理的方法是Retinex算法,从给定的图像中分离出亮度图像和反射图像,在彩色恒定的条件下,通过改变亮度图像和反射图像在原图像中的比例来达到增强暗光图像的目的。但这种方法的计算量非常大,很难应用于实时处理。为此VAIS系统通过统计分析后发现反转后的暗光图像与雾天图像具有类似的统计特征,在此基础上设计了一种新的基于图像去雾法的扩展图像动态范围的快速算法,对反转的暗光图像进行处理,处理完毕再进行翻转就成为扩展了动态范围的图像。图3为暗光图像动态范围扩展的一例,图像的动态范围的改善和Retinex算法相当,但处理速度很快,能够满足实时应用的要求。

智能监控视频分析:基础技术尤为重要

智能监控视频分析:基础技术尤为重要

(a) 暗光处理前 (b) 暗光处理后

图3 暗光处理效果对比

(2)背光图像的处理

在视频采集过程中,如果摄像机正对光源,这部分非常亮,而场景中的目标物体比光源暗得多,由于摄像机的动态范围的限制,从而导致目标区域的亮度非常暗,看不清细节,这就是所谓的背光现象。很明显,背光图像补偿处理的关键就在于提高目标区域的亮度,降低光源部分的亮度,同时保证整幅图像自然过渡的平滑特性。VAIS系统对背光图像采用类似暗光图像处理的方法,即基于图像去雾法的方法来处理背光图像的。背光补偿前后效果对比的一个实例如图4所示。

智能监控视频分析:基础技术尤为重要

智能监控视频分析:基础技术尤为重要

(a) 背光补偿前 (b) 背光补偿后

图4 背光处理效果对比

<上一页  1  2  3  下一页>  
声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

安防 猎头职位 更多
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号