明(míng)景火(huǒ)灾視(shì)頻(pín)图像分析系统

• 2021/08/03

明(míng)景火(huǒ)灾視(shì)頻(pín)图像分析系统具备完整的火(huǒ)灾視(shì)頻(pín)侦查业务、火(huǒ)灾視(shì)頻(pín)分析处理相关功能(néng)，包括視(shì)頻(pín)万能(néng)播放器、視(shì)頻(pín)编辑、視(shì)頻(pín)标绘、視(shì)頻(pín)录制、視(shì)頻(pín)转码、图像标注、影像合并及图像拼接、影像测量、案件管理、影像清晰化、图像清晰化、起火(huǒ)及起烟部位自(zì)动搜索、火(huǒ)灾关键要(yào)素智能(néng)浓缩提取、火(huǒ)灾視(shì)頻(pín)智能(néng)分帧器、人(rén)工(gōng)智能(néng)辅助还原起火(huǒ)部位、光(guāng)影自(zì)动跟踪、事故時(shí)空分析、汇编标注、线索管理、报告生成、火(huǒ)灾现场視(shì)頻(pín)模拟实验、火(huǒ)灾现场視(shì)頻(pín)监控校对等一(yī)系列功能(néng)，可(kě)满足火(huǒ)灾視(shì)頻(pín)侦查工(gōng)作(zuò)中影像处理、視(shì)頻(pín)审看(kàn)等不同人(rén)員(yuán)的多方面需求。

图像增强

许多传统的图像算法可(kě)以降低(dī)图像的模糊程度，如(rú)图像滤波、几何变换、对比度拉伸、直方图均衡、空域锐化、亮度均匀化、形态学、颜色处理等。就个体而言，這(zhè)些算法相对成熟且相对简单。然而，对于特定的模糊图像，通(tōng)常需要(yào)一(yī)个或多个上(shàng)述算法和(hé)不同参數(shù)的组合来实现期望的效果。這(zhè)些算法和(hé)参數(shù)的结合进一(yī)步发展成為(wèi)具体的增强算法，如(rú)“图像去雾”算法、“图像去噪”算法、“图像锐化”算法、“图像暗细节增强”算法等。這(zhè)些算法在很(hěn)大程度上(shàng)提高了(le)图像的清晰度和(hé)图像质量。比如(rú)：形态学、图像滤波和(hé)颜色处理的组合算法可(kě)用于实现图像去雾算法等。

图像复原

像图像增强技術(shù)一(yī)样，图像复原也是一(yī)种提高图像质量的技術(shù)。图像复原是基于图像退化的先验知识建立退化模型，然后利用各种逆退化处理方法在此模型的基础上(shàng)逐步恢复，從(cóng)而达到提高图像质量的目的。

图像复原和(hé)图像增强是存在區(qū)别的，虽然两者的目的都(dōu)是為(wèi)了(le)提高图像质量，然而，图像增强不需考虑图像如(rú)何退化，只是通(tōng)过探索各种技術(shù)达到增强图像的視(shì)觉效果。而图像复原则完全不同，需要(yào)了(le)解图像退化过程的先验知识，并在此基础上(shàng)找到相应的逆过程方法，以获得复原的清晰图像。

图像复原主要(yào)依赖于图像退化过程先验知识的准确性。对于散焦、运动、大气湍流等原因造成的图像模糊，图像复原方法具有良好的效果。常見(jiàn)的算法包括维纳滤波算法、小波算法、基于训练的方法等。当退化模型已知時(shí)，图像复原可(kě)以获得比图像增强更好的结果。

图像超分辨率重构

现有监控系统的主要(yào)目的是监控宏观场景。一(yī)台摄像机覆盖的區(qū)域很(hěn)大，导致图像中的目标太小，人(rén)眼很(hěn)难直接识别。這(zhè)种由欠采样引起的模糊占了(le)很(hěn)大比例。欠采样造成的图像模糊，图像超分辨率重构的方法效果更好。

超分辨率复原是一(yī)种提高图像分辨率和(hé)采集图像质量的信号处理方法。其核心思想是通(tōng)过估计信号的高頻(pín)成分而不是成像系统的截止頻(pín)率来提高图像的分辨率。超分辨率复原技術(shù)最初只处理单幅图像。因為(wèi)只有单幅图像可(kě)用，這(zhè)种方法在图像复原效果上(shàng)有固有的局限性。序列图像超分辨率复原技術(shù)旨在通(tōng)过信号处理方法处理序列低(dī)分辨率退化图像，以获得一(yī)幅或多幅高分辨率复原图像。由于序列图像复原可(kě)以利用帧間(jiān)的额外(wài)信息，因此优于单幅图像的复原，是目前的研究熱(rè)点。

序列图像的超分辨率复原主要(yào)分為(wèi)两类：頻(pín)域法和(hé)空域法。頻(pín)域方法的优点是理论简单，计算复雜(zá)度低(dī)，缺点是：它只限于全局平移运动和(hé)线性空間(jiān)不变退化模型，其包含空間(jiān)域先验知识的能(néng)力有限。空間(jiān)域方法中使用的观测模型涉及全局和(hé)局部运动、空間(jiān)变量模糊点扩散函數(shù)、非理想二次采样等。并且具有很(hěn)强的包含空間(jiān)先验约束的能(néng)力。常用的空間(jiān)域方法包括非均匀插值、迭代反投影法(IBP)、凸集投影法(POCS)、最大后验估计法(MAP)、最大似然估计法(ML)、滤波法等。其中，MAP和(hé)POCS的研究较多，发展空間(jiān)很(hěn)大。至于具体的算法，這(zhè)不是本文的重点，這(zhè)里就不详细介绍了(le)。图5是使用多帧低(dī)分辨率图像的超分辨率重建的示例。