面向实时视频去雾处理的关键技术研究

Under hazy weather conditions, due to the influences of atmospheric suspended particles, videos captured by traditional camera are often plagued by low visibility, which is bound to seriously degenerate the performance of computer vision applications. Therefore, it is of great practical significance to restore blurred hazy video to clear scenes. However, the imaging parameter estimation strategy adopted by the existing video defogging framework not only has extremely high computational complexity, but its inaccurate estimation parameters will lead to negative visual effects such as brightness flicker, over-saturated and over-enhancement into the recovered video. To this end, based on the space-time correlation feature, this project studies the key technical part of the parameter estimation involved in the dehazing frame, and then proposes an image-group-based imaging parameter estimation theory and method. The topics we plan to explore include the establishment of variable incident light model, global estimation of key frame transmission, and mapping mechanism of non-key frames transmission. The goal of the project is to provide a video service that meets a high-quality user experience by improving the quality of dehazing and increasing processing efficiency. Meanwhile, this project will provide the reliable technical support for the actual applications such as smart cities, satellite remote sensing, field reconnaissance, and intelligent driving.

在雾霾天气下，由于浑浊媒介的影响，常规摄像机所采集的视频通常对比度偏低，这将导致机器视觉系统的执行精度急剧下降。因此，使有雾视频还原为清晰场景具有十分重要的现实意义。然而，现有视频去雾框架所采用的成像参数估计策略不但具有极高的计算复杂度，而且其不精确的估计参数将导致恢复视频中出现诸如亮度闪烁、过饱和及过增强等负面视觉效应。为此，本课题以时空相关性为切入点，针对上述问题对视频去雾框架中的参数估计环节展开研究，提出一种以图像组为基本处理单元的成像参数估计理论与方法。主要研究内容包括：入射光数学模型的构建、关键帧透射率的全局估计以及非关键帧透射率的映射机制。课题目标是通过改善去雾质量与提高处理效率，以提供满足高质量用户体验的视频服务。同时，本课题的开展将为智慧城市，卫星遥感，野外侦察，智能驾驶等应用提供可靠的技术支撑。

视频去雾处理是雾天监控高质量画质呈现的重要手段之一，且一直是计算机视觉、多媒体、以及机器学习中长期存在且不可取代的问题。项目执行期内，负责人在此关键技术上已取得的研究成果、价值、以及科学意义将从以下三部分进行详细阐述。(1) 清晰与雾化图像间的先验知识挖掘: 针对视频去雾过程中面临可用信息过少而导致难以准确获取成像参数问题，分别从空域、频域、以及深度域不同角度出发，对有雾与清晰图像对的数据进行统计与归纳，据此提出了一系列清晰与雾化图像间的先验知识，进而依据先验特性架构出相应的去雾关键策略与运算机制，为构建视频去雾的最优成像参数估计提供了可靠保障。(2) 雾化过程描述性提升的成像模型优化: 针对大气散射模型对雾天退化过程描述不精准而导致重建性能难以稳健的瓶颈问题，从反射光在粒子传播过程中的实际物理意义出发，系统性地提出了散射粒子与大气光局限性的相应改进方法，据此建立了雾天退化机理更为完备的成像模型，揭示了参数定义对重建性能的作用机制，为实现高质量图像/视频复原提供了理论依据。(3) 成像参数盲估计与多目标协同优化: 面向视频去雾所涉及的成像参数盲设计和多目标协同优化需求，从重建优化目标属性出发，将视频去雾多目标优化问题分为两类。一类是在成像理论基础上分别提出了大气光与透射率最优解的方法，揭示了可用信息有限下多目标协同优化机理；另一类是发现了成像参数之间的相互制约关系，提出了兼顾效率与质量的成像参数交替迭代运算法则，为构建多目标协同优化的视频去雾提供了强有力的技术支持。