明(míng)景火(huǒ)災視(shì)頻(pín)圖像分析系統

• 2021/08/03

明(míng)景火(huǒ)災視(shì)頻(pín)圖像分析系統具備完整的火(huǒ)災視(shì)頻(pín)偵查業務、火(huǒ)災視(shì)頻(pín)分析處理相關功能(néng)，包括視(shì)頻(pín)萬能(néng)播放器、視(shì)頻(pín)編輯、視(shì)頻(pín)标繪、視(shì)頻(pín)錄制、視(shì)頻(pín)轉碼、圖像标注、影像合并及圖像拼接、影像測量、案件管理、影像清晰化、圖像清晰化、起火(huǒ)及起煙部位自(zì)動搜索、火(huǒ)災關鍵要(yào)素智能(néng)濃縮提取、火(huǒ)災視(shì)頻(pín)智能(néng)分幀器、人(rén)工(gōng)智能(néng)輔助還原起火(huǒ)部位、光(guāng)影自(zì)動跟蹤、事故時(shí)空分析、彙編标注、線索管理、報告生成、火(huǒ)災現場視(shì)頻(pín)模拟實驗、火(huǒ)災現場視(shì)頻(pín)監控校對等一(yī)系列功能(néng)，可(kě)滿足火(huǒ)災視(shì)頻(pín)偵查工(gōng)作(zuò)中影像處理、視(shì)頻(pín)審看(kàn)等不同人(rén)員(yuán)的多方面需求。

圖像增強

許多傳統的圖像算法可(kě)以降低(dī)圖像的模糊程度，如(rú)圖像濾波、幾何變換、對比度拉伸、直方圖均衡、空域銳化、亮度均勻化、形态學、顔色處理等。就個體而言，這(zhè)些算法相對成熟且相對簡單。然而，對于特定的模糊圖像，通(tōng)常需要(yào)一(yī)個或多個上(shàng)述算法和(hé)不同參數(shù)的組合來實現期望的效果。這(zhè)些算法和(hé)參數(shù)的結合進一(yī)步發展成為(wèi)具體的增強算法，如(rú)“圖像去霧”算法、“圖像去噪”算法、“圖像銳化”算法、“圖像暗細節增強”算法等。這(zhè)些算法在很(hěn)大程度上(shàng)提高了(le)圖像的清晰度和(hé)圖像質量。比如(rú)：形态學、圖像濾波和(hé)顔色處理的組合算法可(kě)用于實現圖像去霧算法等。

圖像複原

像圖像增強技術(shù)一(yī)樣，圖像複原也是一(yī)種提高圖像質量的技術(shù)。圖像複原是基于圖像退化的先驗知識建立退化模型，然後利用各種逆退化處理方法在此模型的基礎上(shàng)逐步恢複，從(cóng)而達到提高圖像質量的目的。

圖像複原和(hé)圖像增強是存在區(qū)别的，雖然兩者的目的都(dōu)是為(wèi)了(le)提高圖像質量，然而，圖像增強不需考慮圖像如(rú)何退化，隻是通(tōng)過探索各種技術(shù)達到增強圖像的視(shì)覺效果。而圖像複原則完全不同，需要(yào)了(le)解圖像退化過程的先驗知識，并在此基礎上(shàng)找到相應的逆過程方法，以獲得複原的清晰圖像。

圖像複原主要(yào)依賴于圖像退化過程先驗知識的準确性。對于散焦、運動、大氣湍流等原因造成的圖像模糊，圖像複原方法具有良好的效果。常見(jiàn)的算法包括維納濾波算法、小波算法、基于訓練的方法等。當退化模型已知時(shí)，圖像複原可(kě)以獲得比圖像增強更好的結果。

圖像超分辨率重構

現有監控系統的主要(yào)目的是監控宏觀場景。一(yī)台攝像機覆蓋的區(qū)域很(hěn)大，導緻圖像中的目标太小，人(rén)眼很(hěn)難直接識别。這(zhè)種由欠采樣引起的模糊占了(le)很(hěn)大比例。欠采樣造成的圖像模糊，圖像超分辨率重構的方法效果更好。

超分辨率複原是一(yī)種提高圖像分辨率和(hé)采集圖像質量的信号處理方法。其核心思想是通(tōng)過估計信号的高頻(pín)成分而不是成像系統的截止頻(pín)率來提高圖像的分辨率。超分辨率複原技術(shù)最初隻處理單幅圖像。因為(wèi)隻有單幅圖像可(kě)用，這(zhè)種方法在圖像複原效果上(shàng)有固有的局限性。序列圖像超分辨率複原技術(shù)旨在通(tōng)過信号處理方法處理序列低(dī)分辨率退化圖像，以獲得一(yī)幅或多幅高分辨率複原圖像。由于序列圖像複原可(kě)以利用幀間(jiān)的額外(wài)信息，因此優于單幅圖像的複原，是目前的研究熱(rè)點。

序列圖像的超分辨率複原主要(yào)分為(wèi)兩類：頻(pín)域法和(hé)空域法。頻(pín)域方法的優點是理論簡單，計算複雜(zá)度低(dī)，缺點是：它隻限于全局平移運動和(hé)線性空間(jiān)不變退化模型，其包含空間(jiān)域先驗知識的能(néng)力有限。空間(jiān)域方法中使用的觀測模型涉及全局和(hé)局部運動、空間(jiān)變量模糊點擴散函數(shù)、非理想二次采樣等。并且具有很(hěn)強的包含空間(jiān)先驗約束的能(néng)力。常用的空間(jiān)域方法包括非均勻插值、叠代反投影法(IBP)、凸集投影法(POCS)、最大後驗估計法(MAP)、最大似然估計法(ML)、濾波法等。其中，MAP和(hé)POCS的研究較多，發展空間(jiān)很(hěn)大。至于具體的算法，這(zhè)不是本文的重點，這(zhè)裏就不詳細介紹了(le)。圖5是使用多幀低(dī)分辨率圖像的超分辨率重建的示例。