论文部分内容阅读
视频监控夜间图像增强技术,指的是一种针对视频监控系统中的夜间图像处理的技术。它主要考虑视频监控系统中夜间图像的高噪声和低对比度的问题,然后将这些问题较好地解决,使处理后的图像可以达到人眼视觉系统辨别的标准,以及获得更好的视觉效果(对于本文说到的夜间图像,如没有明确说明,都是指视频监控系统中的夜间图像)。本文总结并实现了传统的或最近提出的多种关于低照度图像增强的算法,在学习和分析前人的研究的基础上,利用了相机曝光原理、随机共振理论(Stochastic Resonance,SR)、仿射变换(Affine Transformation,AT)和多元线性回归模型(Multiple Regression Model,MRM),提出了可以提高图像对比度和削弱噪声的有效算法。通过实验对比,可以看到本文提出的算法比一些传统的用于视频监控系统中的图像对比度增强的算法的效果要好。第一个算法,直接考虑如何处理图像的低照度和高噪声问题。首先,通过低通滤波得到反映图像背景和光照强度的低频部分,再采用基于相机曝光原理的光照增强方法来增强图像的光照;然后,对于含有大量噪声的原图像,本文使用随机共振多次迭代来获得图像增强的最好效果;最后,将经过处理的两部分图像信息进行融合,同时,为了得到更优的视觉效果,该算法还对融合后的图像做形态学滤波。第二个算法,利用了一种基于仿射变换的光照退化模型技术,来获得不受光照影响的真实图像。同时,我们考虑到,常常会因为光源分布不均匀或光线被遮挡等问题造成夜间图像的光照分布不均,而单纯的仿射变换算法往往又解决不了这种问题。所以,本文还利用线性回归分别从横向和纵向拟合图像的光照分布,并获得光照补偿的亮度平面,来解决图像光照不均的问题,同时也是对夜间图像的进一步增强。这两个算法都创新性地将一些不常用于夜间图像处理的技术和原理重新应用到了视频监控系统的夜间图像增强中,并且相比以往的夜间图像增强算法,本文的算法获得了更好的视觉效果,弥补了视频监控系统硬件的不足。此外,本文提出的算法也适用于处理手机或相机拍摄到的夜间图像,或者是白天拍摄到低照度、光照不均的图像。