圖像去霧算法在煙氣環(huán)境中的適用性分析

王淑彥 李森 梁曉歌 宋寅卯

摘要：火場(chǎng)環(huán)境中由于大量煙霧的存在導(dǎo)致視頻監(jiān)控系統(tǒng)的監(jiān)控畫面變的模糊不清，圖像對(duì)比度及清晰度下降，無法為人員疏散和人員搜救提供有效的支持。鑒于霧天環(huán)境與煙氣環(huán)境的相似性，該文在介紹當(dāng)前常用的基于物理模型和非物理模型霧天環(huán)境圖像清晰化算法的基礎(chǔ)上，重點(diǎn)對(duì)每個(gè)算法在煙氣環(huán)境中的適用性進(jìn)行了分析，并基于Retinex算法對(duì)煙氣環(huán)境中的圖像進(jìn)行了的處理，獲取了清晰化的圖像。

關(guān)鍵詞：視頻監(jiān)控；煙氣；圖像清晰化方法

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）04-0242-03

火災(zāi)是當(dāng)前各種災(zāi)害中最經(jīng)常最普遍發(fā)生的嚴(yán)重威脅著自然環(huán)境和人民生命財(cái)產(chǎn)的主要災(zāi)害之一，隨著我國(guó)經(jīng)濟(jì)發(fā)展及城市化進(jìn)程的加快，建筑結(jié)構(gòu)發(fā)生了巨大的變化，建筑高度與建筑面積不斷增加，建筑內(nèi)火災(zāi)發(fā)生的頻次及單次火災(zāi)造成的損失都在呈上升趨勢(shì)。為了加強(qiáng)火災(zāi)的預(yù)防和探測(cè)，建筑內(nèi)通常利用視頻監(jiān)控系統(tǒng)來觀察火災(zāi)或者在火災(zāi)發(fā)生時(shí)為救援人員的救援行動(dòng)提供支持。由于視頻監(jiān)控實(shí)時(shí)性及圖像內(nèi)容的豐富性，在火災(zāi)領(lǐng)域得到迅速發(fā)展，如在人員疏散方面[1]，救援人員通過視頻監(jiān)控系統(tǒng)能夠輕松地掌握建筑內(nèi)火災(zāi)蔓延趨勢(shì)及人員荷載分布情況，為人員疏散提供指導(dǎo)，并且隨著網(wǎng)絡(luò)的普及及網(wǎng)絡(luò)帶寬的不斷提高，建筑內(nèi)的視頻監(jiān)控系統(tǒng)能夠通過網(wǎng)絡(luò)連接到消防指揮調(diào)度中心[2-3]，消防指揮調(diào)度中心能夠獲知火場(chǎng)情況，快速合理的調(diào)度出警警力，為火災(zāi)撲救提供保障。

由以上分析可知視頻監(jiān)控系統(tǒng)在火災(zāi)發(fā)生時(shí)有著重要的作用，但當(dāng)建筑內(nèi)發(fā)生火災(zāi)時(shí)，視頻監(jiān)控系統(tǒng)受到煙氣的影響，采集到的圖像出現(xiàn)模糊不清，須對(duì)煙氣圖像進(jìn)行清晰化處理?，F(xiàn)階段對(duì)火場(chǎng)環(huán)境圖像的去煙算法很少有人研究，而對(duì)圖像去霧算法的研究卻越來越成熟，一些學(xué)者在研究霧霾環(huán)境中圖像清晰化算法的同時(shí)，指明該算法適用于煙氣環(huán)境，但很少有學(xué)者對(duì)算法在煙氣環(huán)境中的適用性進(jìn)行驗(yàn)證?；饒?chǎng)環(huán)境采集到的圖像煙氣通常分布不均勻，若有強(qiáng)光和明火采集到圖像會(huì)出現(xiàn)高光，處理起來比較困難，并且火場(chǎng)中由于大量煙顆粒的散射、吸收等影響，采集到的圖像偏暗；但霧天環(huán)境采集到的圖像霧霾分布均勻，比較容易處理，并且霧天圖像亮度高于正常圖像。以下文章首先簡(jiǎn)要介紹了圖像去霧的算法，其后對(duì)算法在火場(chǎng)環(huán)境的適用性進(jìn)行了分析。

1 典型圖像去霧算法

當(dāng)前國(guó)內(nèi)外的研究中，煙氣環(huán)境中的圖像清晰化算法通常和霧霾環(huán)境中圖像清晰化算法聯(lián)系在一起，通過霧霾圖像處理方法為煙氣圖像的處理提供一些參考。霧天圖像清晰化技術(shù)的研究起步比較晚，最早的研究開始于20世紀(jì)90年代，在近二十年的發(fā)展過程中，經(jīng)過國(guó)內(nèi)外研究人員的不斷努力，該項(xiàng)技術(shù)取得了較大的進(jìn)展。目前，圖像去霧處理方法按照禹晶等人[4-6]的分類分為物理模型和非物理模型的方法。

1.1 基于物理模型的圖像去霧算法

基于物理模型的去霧算法實(shí)質(zhì)上是基于大氣散射模型或其變形形式，大氣散射模型的公式[7]為：

式子中為A天空亮度，β為大氣粒子散射系數(shù)，p（x）和d（x）為場(chǎng)景反照率和景深，右式第一項(xiàng)為衰減模型，物體表面的反射光由于大氣粒子的散射受到一些損失，采集到的圖像亮度比較低，第二項(xiàng)為環(huán)境光模型，由于大氣粒子的散射使大氣表現(xiàn)出光源的特性，使得圖像的亮度增加。

物理模型的方法就是求解I（x），模型中有三個(gè)參數(shù)，根據(jù)求解方法的不同，基于物理模型的方法又可以分為4類1）基于不同天氣條件下多幅圖像的去霧2）基于不同偏振條件下多幅圖像的去霧3）基于用戶交互的單幅圖像去霧4）基于數(shù)據(jù)假設(shè)的單幅圖像去霧。

1） 基于不同天氣條件下多幅圖像的去霧：

這類方法是利用大氣粒子濃度在同一場(chǎng)景不同時(shí)刻是不同的特性，利用兩幅或多圖像霧天圖像來估計(jì)場(chǎng)景深度等參數(shù)，再通過求解方程來恢復(fù)場(chǎng)景。

2） 基于不同偏振條件下多幅圖像的去霧：

這類方法是利用光的偏振特性，采用偏振片獲取同一場(chǎng)景不同偏振度的兩幅圖像來估計(jì)環(huán)境光，進(jìn)而恢復(fù)清晰圖像。

3） 基于用戶交互的單幅圖像去霧：

研究者借助航拍等工具取得場(chǎng)景深度等信息，或者用戶輸入未知參數(shù)等方法獲取大氣散射模型中的散射系數(shù)、天空亮度和場(chǎng)景深度等部分或全部參數(shù)，從而得到清晰化的圖像。

4） 基于數(shù)據(jù)假設(shè)的單幅圖像去霧：

該方法采用單幅霧天圖像，利用圖像數(shù)據(jù)本身構(gòu)造約束場(chǎng)景反照率或景深的假設(shè)條件，估計(jì)大氣散射模型的參數(shù)，進(jìn)而求取清晰化圖像。

1.2 基于非物理模型的圖像去霧算法

基于非物理模型的去霧算法法普遍以圖像增強(qiáng)技術(shù)作為基本的處理手段，該類方法不考慮圖像退化的原因，僅考慮圖像呈現(xiàn)的低對(duì)比度等特征，適用性廣，通過對(duì)圖像局部或全局進(jìn)行增強(qiáng)改善圖像質(zhì)量。比較有代表性的有：1）直方圖均衡化2）同態(tài)濾波3）Retinex算法4）小波變換。

直方圖均衡化[8]算法一般又可分為全局直方圖均衡化和局部直方圖均衡化。全局直方圖均衡化主要對(duì)圖像中像素比較多的灰度級(jí)進(jìn)行擴(kuò)展，減少一些像素少的灰度級(jí)，從而提高圖像的對(duì)比度和灰度，達(dá)到清晰化的目的。局部直方圖均衡化的基本思想是先定義圖像的一個(gè)子塊，然后確定子塊的直方圖，最后對(duì)這個(gè)子塊進(jìn)行直方圖均衡化，子塊中心的灰度變更為此次直方圖均衡化之后的灰度，然后子塊中心平移到相鄰點(diǎn)上，重復(fù)上述操作直到遍歷完整幅圖像為止。

同態(tài)濾波[10]是把頻率過濾和灰度變換結(jié)合起來的一種圖像處理方法，這類方法依靠圖像的照度/反射模型作為頻域處理的基礎(chǔ)，該模型為f（x，y）=i（x，y）r（x，y）先將照射分量i（x，y）和反射分量r（x，y）由乘性通過取對(duì)數(shù)變換成加性，再進(jìn)行傅里葉變換轉(zhuǎn)換為頻域，最后通過濾波器進(jìn)行濾波處理。

Retinex算法[12]是在色彩恒常理論的基礎(chǔ)上提出的，色彩恒常理論是指物體的顏色會(huì)受到物體反射特性和周圍環(huán)境光照的影響，但人們感知到的物體的顏色并不會(huì)發(fā)生改變。Retinex就是在這個(gè)思想理論上提出的一種描述顏色不變性的模型，該模型也是基于照度反射模型，核心問題在于如何求取圖像中的光照分量，根據(jù)求取方法不同Retinex又分為單尺度Retinex算法、多尺度Retinex算法及帶有色彩還原的多尺度Retinex算法。

小波變換[14]是基于一些小型波，具有變化的頻率和有限的持續(xù)時(shí)間的特點(diǎn)。小波變換就是在時(shí)間和頻率上的變換，對(duì)原有霧圖像進(jìn)行小波變換即將圖像分解為大小、位置、和方向均不相同的分量，然后根據(jù)需要對(duì)降質(zhì)的圖像區(qū)域進(jìn)行分量放大，不需要的地方進(jìn)行分量縮小，最后進(jìn)行反變換得到增強(qiáng)的圖像。

2 圖像去霧算法在煙氣環(huán)境中的適用性分析

下文將分別介紹物理模型和非物理模型的圖像去霧算法在煙氣環(huán)境中的適用性。

物理模型的實(shí)質(zhì)是大氣散射模型，其模型中的參數(shù)估計(jì)為大氣光，不適用于室內(nèi)火場(chǎng)環(huán)境，并且室內(nèi)火場(chǎng)中煙氣一般為黑色煙氣，對(duì)光的吸收作用要強(qiáng)于散射作用，通常圖像的亮度比較低，而大氣散射模型中的散射項(xiàng)是亮度增加項(xiàng)，如果用于火場(chǎng)環(huán)境中進(jìn)行處理，那么含煙圖像的亮度會(huì)變得更低，甚至無法觀看。

全局直方圖均衡化是對(duì)整幅圖像進(jìn)行處理，應(yīng)用到火場(chǎng)中的煙氣圖像的處理時(shí)，不能提高邊緣細(xì)節(jié)及局部信息，并且在增強(qiáng)整幅圖像的亮度或?qū)Ρ榷葧r(shí)，加大了圖像中的噪聲或引入新的噪聲。應(yīng)用局部直方圖均衡化時(shí)雖然效果優(yōu)于全局直方圖，但如果局部對(duì)比度過大容易導(dǎo)致圖像的失真，用于煙氣圖像時(shí)要對(duì)其進(jìn)行限制。如文獻(xiàn)[9]提出了一種受限對(duì)比度的自適應(yīng)直方圖均衡化的改進(jìn)算法，使圖像的細(xì)節(jié)更加突出，保持了監(jiān)控圖像的目標(biāo)信息，提高了監(jiān)控的有效性。

同態(tài)濾波要進(jìn)行傅里葉變換和逆變換，計(jì)算過程比較復(fù)雜，用于火場(chǎng)環(huán)境中，不滿足實(shí)時(shí)性的要求；采集的火場(chǎng)煙氣圖像由于煙顆粒對(duì)光線的吸收散射等影響易出現(xiàn)光照不均，而同態(tài)濾波方法又能夠很好的解決光照不均的問題，因?yàn)樵摲椒ㄖ饕峭ㄟ^增強(qiáng)對(duì)比度和壓縮亮度來實(shí)現(xiàn)圖像的增強(qiáng)，并且可以只對(duì)我們感興趣的部分進(jìn)行有效的增強(qiáng)，所以該方法若用于火場(chǎng)環(huán)境除了要選擇合適的濾波器之外，主要在于提高算法的效率。該方法常用于紅外圖像的處理，例如文獻(xiàn)[11]提出了一種基于同態(tài)濾波的紅外圖像的增強(qiáng)，然后利用同態(tài)濾波的原理對(duì)圖像細(xì)節(jié)進(jìn)行增強(qiáng)，該方法對(duì)圖像的分辨率低，對(duì)比度低噪聲大的圖像有很好的處理效果。

Retinex算法用于煙氣圖像的處理時(shí)，可以取得很好的效果，對(duì)于火場(chǎng)中低照度的彩色圖像也能夠很好地增強(qiáng)細(xì)節(jié)，保真圖像的色彩，滿足人類視覺的需求，但如果在應(yīng)用中模型的參數(shù)選擇不當(dāng)，會(huì)出現(xiàn)光暈現(xiàn)象和顏色的過飽和，雖然Retinex算法的比其他算法的處理效果要好，但其復(fù)雜度更大，處理時(shí)間也最長(zhǎng)。文獻(xiàn)[13]提出的一種采用帶有色彩還原的多尺度Retinex算法，結(jié)合高斯金字塔和對(duì)數(shù)查表法處理圖像，在處理效果和處理速度方面有了很大的提高。

將小波變換應(yīng)用于煙氣圖像中，可以分解得到圖像的低頻和高頻信息，圖像的低頻信息表示圖像的內(nèi)容，高頻信息表示圖像細(xì)節(jié)，基于小波變換理論的處理方法可以增強(qiáng)圖像細(xì)節(jié)，并且增強(qiáng)我們感興趣的如煙氣圖像中人員所在的部分，還可以很好地保持圖像的邊緣，使圖像有良好的視覺效果。文獻(xiàn)[15]提出了一種基于小波變換的圖像增強(qiáng)算法，該算法在低頻子帶上對(duì)照射分量進(jìn)行估計(jì)與去除，在高頻子帶上進(jìn)行模糊增強(qiáng)與去噪，對(duì)低照度圖像的處理有很好的效果。

本文所談火場(chǎng)環(huán)境的圖像主要是指視頻監(jiān)控系統(tǒng)采集到的發(fā)生室內(nèi)火災(zāi)時(shí)的煙氣腐蝕圖像，由以上對(duì)各個(gè)算法的適用性分析可知，Retinex算法在處理煙氣腐蝕圖像時(shí)，其處理效果比其他幾種算法的處理效果要好，雖然處理時(shí)間比較長(zhǎng)，通過軟件部分優(yōu)化后，時(shí)間方面大大縮減，以下用該算法對(duì)圖像進(jìn)行處理，效果如下：

圖1為原圖像，是在濃度為4.0db/m時(shí)采集的黑煙圖像，圖2是用Retinex算法處理后的圖像，采用此方法處理之后的圖像比原圖像在亮度與對(duì)比度方面有所增強(qiáng)，細(xì)節(jié)方面也比較突出，滿足人們視覺的需求。

3 結(jié)論

本文介紹了物理模型和非物理模型的圖像去霧算法，并對(duì)其方法用于火場(chǎng)環(huán)境中的適應(yīng)性進(jìn)行了分析，由以上分析可知，基于物理模型方法的參數(shù)估計(jì)不適用于室內(nèi)火場(chǎng)環(huán)境，處理后的圖像會(huì)亮度更低，無法觀看；基于非物理模型中直方圖均衡化方法對(duì)場(chǎng)景比較簡(jiǎn)單，煙氣濃度較低的圖像有較好的處理效果；同態(tài)濾波方法主要用于紅外圖像，在分析夜晚無光照的紅外煙氣圖像有較好的處理效果；Retinex算法的處理效果最好，最符合人類視覺的需求，但其處理時(shí)間最長(zhǎng)，可以通軟件優(yōu)化提高算法的處理時(shí)間；小波變換對(duì)于低照度的圖像有很好的處理效果，能夠增強(qiáng)我們感興趣的人員區(qū)域。

參考文獻(xiàn)：

[1] 吳秀敏. 基于火災(zāi)監(jiān)控視頻的人員疏散行為統(tǒng)計(jì)分析[A].中國(guó)消防協(xié)會(huì)、安徽省消防總隊(duì).2013中國(guó)消防協(xié)會(huì)科學(xué)技術(shù)年會(huì)論文集[C].中國(guó)消防協(xié)會(huì)、安徽省消防總隊(duì)，2013：8.

[2] 楊增社.視頻監(jiān)控在城市消防遠(yuǎn)程監(jiān)控系統(tǒng)中的應(yīng)用[J].武警學(xué)院學(xué)報(bào)，2012（6）：13-14.

[3] 郭劍.視頻監(jiān)控系統(tǒng)在消防指揮調(diào)度中的作用[J].信息安全與技術(shù)，2012（7）：89-91.

[4] 禹晶，徐東彬，廖慶敏.圖像去霧技術(shù)研究進(jìn)展[J].中國(guó)圖象圖形學(xué)報(bào)，2011（9）：1561-1576.

[5] He K， Sun J， Tang X. 2009. Single image haze removal using dark channel prior [C]. IEEE Conference on Computer Vision and Pattern Recognition. Miami， FL， USA： 1956-1963.

[6] Samiheritina Ng Lionel. Research for Image Recovery under the Fog[D]. 長(zhǎng)春理工大學(xué)， 2011.

[7] Narasimhan S G， Nayar S K. Removing Weather Effects from Monochrome Images[C]// Computer Vision and Pattern Recognition， 2001. CVPR 2001. Proceedings of the 2001 IEEE Computer Society Conference on. IEEE， 2001：II-186-II-193.

[8] 許駿.面向火災(zāi)場(chǎng)景的圖像去煙霧系統(tǒng)研究[D].東華大學(xué)，2016.

[9] 李智君，王勇. 低照度環(huán)境監(jiān)控的圖像增強(qiáng)算法研究[J/OL].電子測(cè)試，2016，（19）：31-35.

[10] 張金泉， 楊進(jìn)華， 盧珊. 2009. 基于同態(tài)濾波的圖像去煙霧方法研究[J]. 科技信息， 2015（7）：71， 41.

[11] 胡竇明，趙海生，李云川，等. 一種基于同態(tài)濾波的紅外圖像增強(qiáng)新方法[J].紅外技術(shù)，2012，34（04）：224-228.

[12] 李垚峰，何小海，吳小強(qiáng). 改進(jìn)的帶色彩恢復(fù)的多尺度Retinex霧天圖像增強(qiáng)算法[J]. 計(jì)算機(jī)應(yīng)用，2014（10）：2996-2999+3023.

[13] 李森.火災(zāi)初期建筑內(nèi)圖像清晰化及人員檢測(cè)技術(shù)研究[D].中國(guó)科學(xué)技術(shù)大學(xué)， 2014.

[14] 張恒，谷豐，張欣. 一種基于小波融合的霧天視頻監(jiān)控圖像增強(qiáng)算法[J]. 現(xiàn)代計(jì)算機(jī)：專業(yè)版，2014，10：37-40.

[15] 李慶忠，劉清. 基于小波變換的低照度圖像自適應(yīng)增強(qiáng)算法[J]. 中國(guó)激光，2015，42（02）：280-286.