摘要：本文提出了一種視頻監控圖像透霧效果的評價方法，客觀地判斷視頻監控圖像的透霧是否成功。本方法首先計算圖像的有效紋理信息，然后通過比較大量透霧前后圖像紋理差別和人工打分判斷，得到量化判決體系，通過圖像的有效紋理信息來量化地判斷圖像透霧是否成功。本方法可以作為不同廠家透霧攝像機性能評價的標準，或是作為廠家產品設計的良好工具。
1–背景
中國地域廣闊，天氣情況復雜，一些地區的室外監控經常會受到霧氣干擾。另外由于空氣質量問題，很多大城市也經常受到大霧、沙塵天氣的影響，從而導致室外監控的能見度降低。針對這種情況，近年來監控市場上出現了一些具有透霧功能的攝像機，比如海康[1],日立[2],韓國Nextchip[3],富士[4],創維[5],臺灣視惟科技[6]，等。這些新產品通過攝像頭前端圖像處理來達到霧去除，增強能見度的效果。問題是這些產品圖像處理方法各異，目前的透霧效果主要通過人眼比較(如圖1所示)，沒有一個客觀的統一標準來驗證透霧結果。為了解決這個問題，本文提出了一種客觀量化的透霧效果評價方法。
(a)透霧前圖片(b)普通透霧效果(c)較好透霧效果
圖1：人眼透霧效果評估
2–透霧圖像紋理分析
攝像機的透霧功能可以增強圖像能見度，使得圖像中原來模糊的地方變得清晰。這個由模糊變清晰的過程反應了圖像紋理細節的變化。所以圖像的紋理強度可以作為評價圖像透霧效果的有效參數。
2.1有效紋理強度
有效紋理強度的計算參考中國科學院自動化研究所姚波等提出的方法[7]。如圖2所示，首先第一步將彩色圖像轉成灰度圖像;第二步計算灰度圖像的垂直和水平邊緣;第三步將垂直和水平邊緣相加得到總邊緣;第四步根據一定的閾值將較小邊緣作為噪聲去除;第五步采用圖3所示的方法進一步去除噪聲得到最后的有效紋理強度。
圖2：有效紋理強度計算流程圖
圖3所示的方法是為了去除圖像中由離散噪聲所造成的紋理信息，而保留由物體所帶來的紋理信息。圖像的每個像素點都有8個周圍點。如圖3所示，對于像素點5，計算參數m1=像素1的值*像素5的值*像素9的值;參數m2=像素2的值*像素5的值*像素8的值;參數m3=像素3的值*像素5的值*像素7的值;參數m4=像素4的值*像素5的值*像素6的值。如果m1+m2+m3+m4大于0，則點5被認為是物體紋理信息，否則點5被認為是噪聲紋理，被去除。
圖3：圖像像素噪聲去除
2.1有效紋理強度計算結果
圖3所示，圖像透霧前有效紋理強度為1.86，透霧處理以后，有效紋理強度提升到9.23.由此可見有效紋理強度能夠很好的反應圖像透霧處理前后差異，可以作為圖像透霧效果客觀評價指標。
圖4：圖像透霧前后有效紋理值變化
3–透霧效果客觀評價體系
有效紋理強度能夠很好的反映圖像透霧前后的變化，但是還需要一項能夠量化判斷圖像透霧是否成功的客觀評價標準。所以本文提出了一種基于統計的客觀評價標準。
page
2.1圖像質量打分評價體系
同一幅圖片，不同的用戶對于圖像透霧是否成功，是否清晰會有不同的評判標準，所以為了找出圖像評價的共同特性，本文采用了基于統計的評價體系。如圖5所示，對于一幅透霧圖片，同時邀請5個人對該圖片進行評估，如果有3個或3個人以上認為這幅圖片清晰，那么這幅圖片則被認為是透霧成功，否則失敗。
圖5：圖像透霧前后有效紋理值變化
由5個人對166幅圖片數據庫進行評估，標記出清晰和模糊的圖片。為了客觀，圖片數據庫包含了各種光照情況，霧的濃度強度變化，不同監控場景等。同時具有透霧前圖像和透霧后圖像。一共72組圖片，每組圖片包含一幅透霧前圖像和1到3幅透霧后的不同結果圖像。在進行評估打分時，隨機播放圖片，如圖六所示。
圖6：圖像透霧評估圖像隨機播放
2.2基于統計的評價標準
圖7顯示的是對72組(166幅)圖片的打分評價結果。圖中的橫坐標是圖像的組號，縱坐標是圖像的有效紋理強度，藍色點代表的是被人眼評價為清晰的圖片，紅色點是被人眼評價為模糊的圖片。由此可見清晰的圖片大部分集中在圖7的上半部分，具有較高的有效紋理強度值;模糊的圖片大部分集中在圖片的下半部分，具有較低的有效紋理強度值。
進一步統計圖7中藍色點(清晰圖片)在每段有效紋理強度區間內分布，得到圖8結果。可以發現，隨著有效紋理強度的增加，圖片被評價為清晰圖片的概率會接近于線性上升。所以可以將透霧圖像是否成功，是否清晰的評價和有效紋理強度的值聯系起來。本文設定透霧有效紋理強度為15，可以被評價為清晰圖片，此時正確概率超過60%。
圖7：清晰模糊圖像分布圖
圖8：圖像透霧是否清晰判斷標準
4–結論
本文提出了一種判斷視頻監控圖像透霧是否成功，透霧圖片是否清晰的客觀標準。當透霧圖片的有效紋理強度達到15時，則可以認為是清晰圖片。本文方法可以作為不同廠家透霧攝像機性能評價的參考標準，或是作為廠家產品設計的良好工具。
京公網安備 11010502049343號