明景火灾视频图像分析系统具备完整的火灾视频侦查业务、火灾视频分析处理相关功能,包括视频万能播放器、视频编辑、视频标绘、视频录制、视频转码、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、起火及起烟部位自动搜索、火灾关键要素智能浓缩提取、火灾视频智能分帧器、人工智能辅助还原起火部位、光影自动跟踪、事故时空分析、汇编标注、线索管理、报告生成、火灾现场视频模拟实验、火灾现场视频监控校对等一系列功能,可满足火灾视频侦查工作中影像处理、视频审看等不同人员的多方面需求。



图像增强

许多传统的图像算法可以降低图像的模糊程度,如图像滤波、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,这些算法相对成熟且相对简单。然而,对于特定的模糊图像,通常需要一个或多个上述算法和不同参数的组合来实现期望的效果。这些算法和参数的结合进一步发展成为具体的增强算法,如“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。这些算法在很大程度上提高了图像的清晰度和图像质量。比如:形态学、图像滤波和颜色处理的组合算法可用于实现图像去雾算法等。



图像复原

像图像增强技术一样,图像复原也是一种提高图像质量的技术。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逐步恢复,从而达到提高图像质量的目的。


图像复原和图像增强是存在区别的,虽然两者的目的都是为了提高图像质量,然而,图像增强不需考虑图像如何退化,只是通过探索各种技术达到增强图像的视觉效果。而图像复原则完全不同,需要了解图像退化过程的先验知识,并在此基础上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。常见的算法包括维纳滤波算法、小波算法、基于训练的方法等。当退化模型已知时,图像复原可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目的是监控宏观场景。一台摄像机覆盖的区域很大,导致图像中的目标太小,人眼很难直接识别。这种由欠采样引起的模糊占了很大比例。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。


超分辨率复原是一种提高图像分辨率和采集图像质量的信号处理方法。其核心思想是通过估计信号的高频成分而不是成像系统的截止频率来提高图像的分辨率。超分辨率复原技术最初只处理单幅图像。因为只有单幅图像可用,这种方法在图像复原效果上有固有的局限性。序列图像超分辨率复原技术旨在通过信号处理方法处理序列低分辨率退化图像,以获得一幅或多幅高分辨率复原图像。由于序列图像复原可以利用帧间的额外信息,因此优于单幅图像的复原,是目前的研究热点。


序列图像的超分辨率复原主要分为两类:频域法和空域法。频域方法的优点是理论简单,计算复杂度低,缺点是:它只限于全局平移运动和线性空间不变退化模型,其包含空间域先验知识的能力有限。空间域方法中使用的观测模型涉及全局和局部运动、空间变量模糊点扩散函数、非理想二次采样等。并且具有很强的包含空间先验约束的能力。常用的空间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POCS的研究较多,发展空间很大。至于具体的算法,这不是本文的重点,这里就不详细介绍了。图5是使用多帧低分辨率图像的超分辨率重建的示例。