浅析视频监控中的图像增强技术及其应用new

《浅析视频监控中的图像增强技术及其应用new》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、电子08087张芳学号：05081248（28）浅析视频监控中的图像增强技术及其应用 一、背景    在光照不均匀、大雾、沙尘、雨天等恶劣天气或者低光照情况下图像对比度大大降低，人们无法从中得到有用信息。不仅如此，长期观看品质低下的视频可能会加重人们眼睛的负担，容易产生视觉疲劳，甚至会头晕目眩。在出现大雾、大雨、沙尘等恶劣天气时，户外景物图像的对比度和颜色都会被改变或退化，图像中蕴含的许多特征都被覆盖或模糊，得到的是退化图像，对于各类监控都造成了极大的困难，因此，要充分发挥监视视频的效能，就必须对监视视频图像进行增强处理。在军事

2、侦察、监视方面，为了实施正确指挥，取得作战胜利，现代战争对军事侦察提出了更高的要求，广泛应用先进科学技术，进一步扩大侦察的范围，提高侦察的时效性和准确性。因此，军事侦察、监视中用到的视频图像的品质尤为重要，退化的视频图像对信息的识别与处理会造成偏差，而这种偏差的后果是非常严重的，因此视频增强技术应运而生。    二、视频增强算法（Retinex算法）的基本原理    Retinex（视网膜”Retina”和大脑皮层”Cortex”的缩写）理论是一种建立在科学实验和科学分析基础上的基于人类视觉系统（HumanVisualSyste

3、m）的图像增强理论。该算法的基本原理模型最早是由EdwinLand（埃德温·兰德）于1971年提出的一种被称为的色彩的理论，并在颜色恒常性的基础上提出的一种基于理论的图像增强方法。Retinex理论的基本内容是物体的颜色是由物体对长波（红）、中波（绿）和短波（蓝）光线的反射能力决定的，而不是由反射光强度的绝对值决定的；物体的色彩不受光照非均性的影响，具有一致性，即Retinex理论是以色感一致性（颜色恒常性）为基础的。    不同于传统的图像增强算法，如线性、非线性变换、图像锐化等只能增强图像的某一类特征，如压缩图像的动态范围，

4、或增强图像的边缘等，Retinex可以在动态范围压缩、边缘增强和颜色恒常三方面达到平衡，因此可以对各种不同类型的图像进行自适应性地增强。正因为Retinex诸多良好的特性，使Retinex算法在很多方面得到了广泛的应用。    在诸多以Retinex为核心的算法中，单尺度（Single-ScaleRetinex,SSR）算法，多尺度（Multi-ScaleRetinex，MSR）算法是最具有代表性和最成熟的算法。    单尺度（Single-ScaleRetinex,SSR）算法原理    根据Land提出的理论，一幅给定的图像

5、S(x,y)分解成两幅不同的图像：反射物体图像R(x,y)和入射光图像L(x,y)，其原理示意图如下:原理示意图点击此处查看全部新闻图片    对于观察图像S中的每个点(x,y)，用公式可以表示为：    S(x,y)=R(x,y)﹒L(x,y)（1）    据Retinex理论，物体的颜色是由物体对光线的反射能力决定的，而物体对光线的反射能力是物体本身固有的属性，与光源强度的绝对值没有依赖关系。因此通过计算各个像素间的相对明暗关系，可以对图像中的每个像素点做校正，从而确定该像素点的颜色。    单尺度（Single-Scale

6、Retinex,SSR）算法在对数域中则表示为：    （2）    根据上面（2）式的原理，Retinex理论进行图像增强的关键是从原图像中有效的信息计算出亮度图像L(x,y)。但是从原图像计算亮度图像在数学上是一个奇异问题，因此只能通过数学上近似估计的方式估算亮度图像。在Retinex算法的发展史中，曾经出现过平方反比的环绕形式、指数形式以及高斯指数形式，但在单尺度Retinex增强算法中，杰泊森(Jobson)论证了高斯卷积函数可以对源图像提供更局部的准确处理，因而可以更好地增强图像，其可以表示为：公式3    其中λ是常

7、量矩阵,c是滤波半径，并且满足：公式4 c越小，灰度动态范围压缩的越多，c越大，图像锐化的越厉害。因此亮度图像最终可以表示为：公式5    单尺度（SSR）可以表示为：公式6    四、视频增强能解决的实际问题及应用领域    各种情况下处理效果沙尘天气下水底环境下昏暗环境下雨天环境下   阴霾天气下阅读心得：从上述的叙述中可以看到数字图像处理中图像增强在生活中的实际应用，并且写出了在光照不均匀、大雾、沙尘、雨天等恶劣天气或者低光照情况下，如何应用视频增强算法来使图像看得清晰，并且在人们的日常生活中帮助人们，从此文献中可以了解到

8、我们学习图像增强是很有用的，在生活中特别重要。