面向视频监控的雾天图像清晰化技术研究

The outdoor video monitoring system is very sensitive to the weather conditions. So, hazy image clearness is a hot topic in image processing and computer vision. However, an image dehaze algorithm cannot be applied to all hazy images. Therefore, in this project, hazy images are divided into mist images and fog images according to the reason of degradation and then processed separately. For the mist images, this project proposes a mist image clearness algorithm based on the deep residual network. By introducing the idea of residual, a deep network is designed specially for mist removal. This network can improve the accuracy of transmittance to make the result more closer to real scene without mist. For the fog images, this project proposes a fog image clearness algorithm based on multi-block collaborative retinex. The proposed algorithm first obtains multiple local optimal enhancement images by combining local statistics. And then the final enhancement image is calculated by fusing multiple optimal local images. This strategy solves the problem that the non-uniform fog image cannot be enhanced to reveal details in each local. The results of this project will enrich the research on hazy image clearness and provide technical support for relevant applications.

室外视频监控系统对天气条件非常敏感，因此，雾天图像清晰化是图像处理与计算机视觉的研究热点。然而，单一的图像去雾算法无法适用于所有雾天图像，本项目拟根据退化原因将雾天图像划分为薄雾图像和浓雾图像分别进行处理。针对薄雾图像，本项目提出一种基于深度残差网络的雾天图像清晰化算法，通过引入残差的思想，设计可用于图像去雾的深层网络，从而提高透射率求解的精度，使图像更加接近无雾真实场景；针对浓雾图像，本项目提出一种基于多子块协同Retinex的雾天图像清晰化算法，通过结合局部统计信息，获取多个局部最优的增强图像，再融合多个最优局部的图像获得最终的增强图像，解决了无法增强雾气分布不均匀的浓雾图像每个局部区域细节的问题。本项目的成果将丰富雾天图像清晰化研究，并为相关应用提供技术支持。

室外视频监控系统对天气条件非常敏感，然而，单一的图像去雾算法无法适用于所有雾天图像。因此，本项目拟根据退化原因将雾天图像划分为薄雾图像和浓雾图像分别进行处理。针对浓雾图像，本项目提出一种基于多子块协同Retinex的雾天图像清晰化算法，通过结合局部统计信息，获取多个局部最优的增强图像，再通过图像融合，实现提升图像局部区域细节，所提方法能够有效去除雾气不均匀浓雾的影响，并保证去雾后图像的亮度保持在适合人眼观察的范围，新增可见比和可视边缘梯度信息与先进方法比，具有明显优势，将有助于目标发现、跟踪等视频内容理解后续工作。针对薄雾图像，本项目研究计算效率高、易于并行计算的实时去雾方法，提出基于插值和暗原色的透射率快速估计方法，实现薄雾图像的实时处理，达到1080P视频处理速度≥25帧/s，且便于进行DSP移植。针对雾天图像的预处理和后处理问题，本项目提出基于图像分解的夜间图像清晰化方法和基于最小视觉差的图像锐化的方法，有利于校正雾天图像光线的影响和远景的细节提升。针对薄雾和浓雾图像有效区分的问题，提出基于逻辑可区分特征的细粒度方法，可用于自动选取去雾方法。 . 本项目根据退化原因对雾天图像的进行简单有效的划分。对符合大气散射模型的薄雾图像进行恢复处理，通过快速估计透射率实现加速处理。对降质复杂的浓雾图像，采用增强手段实现增强提升能见度。分而治之的思路最大限度的实现了方法的普适性。另外，通过预处理、后处理方法，以及薄雾和浓雾图像的区分方法的补充，为算法的应用落地提供了保障。