趙晉芳

摘 要：傳統(tǒng)的交通監(jiān)控，不僅成本高，還準(zhǔn)確度低。該文結(jié)合紅外熱成像和高動態(tài)增強(qiáng)技術(shù)，提出了基于高動態(tài)紅外增強(qiáng)的交通監(jiān)控系統(tǒng)，該系統(tǒng)通過把高bits的紅外圖像，利用雙邊濾波分層處理和加權(quán)重新排列的技術(shù)，將增強(qiáng)的細(xì)節(jié)圖像輸出到監(jiān)控終端。實(shí)驗(yàn)表明，該系統(tǒng)不僅可以實(shí)現(xiàn)遠(yuǎn)距離云霧天的有效成像，還可以定位低對比度目標(biāo)。

關(guān)鍵詞：熱成像 高動態(tài) 雙邊濾波

中圖分類號：TP277 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-098X（2016）10（b）-0062-02

隨著科學(xué)技術(shù)的發(fā)展，道路交通呈現(xiàn)復(fù)雜化的趨勢，交通安全不僅僅是人車的自覺遵守[1]，還有監(jiān)控系統(tǒng)的高效成像[2]。但是光線不足的晚上或者云霧繚繞的白天，大大影響了圖像的清晰度和識別度。為了克服這種模糊圖像帶來的錯誤判斷，引入了紅外熱成像技術(shù)[3]。

紅外熱成像，是利用自然界幾乎所有物體都會發(fā)出紅外線原理而成像的。它反映了場景中不同目標(biāo)對外紅外輻射的空間分布，在交通監(jiān)控中可以將檢測車輛、行人的溫度信息，通過紅外處理，把交通狀況以及道路安全等信息反映到終端控制系統(tǒng)中，實(shí)現(xiàn)交通檢測。更為便利的是由于紅外線作用距離較遠(yuǎn)，不用像普通攝像球機(jī)一樣在路面上間隔小地安裝，從而緩解交通負(fù)擔(dān)以及安裝成本。

而紅外熱成像技術(shù)的不足是，當(dāng)作用距離較遠(yuǎn)時(shí)，輸出圖像的小目標(biāo)細(xì)節(jié)非常不清晰。文章在此基礎(chǔ)上，又引入高動態(tài)增強(qiáng)技術(shù)，提出了基于高動態(tài)紅外增強(qiáng)的交通監(jiān)控系統(tǒng)。

1 高動態(tài)增強(qiáng)技術(shù)

由于熱成像系統(tǒng)能夠把物體表面自然發(fā)射的紅外輻射分布轉(zhuǎn)變?yōu)榭梢妶D像，如果場景中各種目標(biāo)溫差比較大，則需要很高的精度來量化高動態(tài)范圍的場景成像，這也是紅外成像的特點(diǎn)。所以，為了提高成像精度，一般需要高bits的AD對探測器輸出信號進(jìn)行采樣和量化，而人眼能識別的最大數(shù)據(jù)寬度是8 bits。這就涉及到數(shù)據(jù)從高bits到8 bits的增強(qiáng)處理。

對于紅外圖像增強(qiáng)，常用線性映射（如AGC）、直方圖統(tǒng)計(jì)等方法，由于局部的小目標(biāo)在成像位寬和像素?cái)?shù)目上占比極小，使得輸出圖像往往存在場景細(xì)節(jié)模糊，甚至目標(biāo)丟失的現(xiàn)象。因?yàn)樽匀粓鼍暗募t外圖像具有很高的溫度動態(tài)范圍，要使得在8 bits的圖像顯示設(shè)備中，仍能較好地顯示高bits的細(xì)節(jié)信息，這里提出高動態(tài)增強(qiáng)技術(shù)[4]。

2 算法實(shí)現(xiàn)過程

此文高動態(tài)增強(qiáng)的原理是：先把高bits數(shù)據(jù)圖像，通過雙邊濾波分為基層圖像和細(xì)節(jié)圖像，然后分別對基層圖像做動態(tài)范圍壓縮，對細(xì)節(jié)層做細(xì)節(jié)增強(qiáng)，最后通過重組并調(diào)整到8 bits輸出圖像[5]，具體過程如下。

（1）對高bits源圖像利用雙邊濾波得基層圖像。

（2）利用源圖像跟基層圖像做減法，得到細(xì)節(jié)圖像。

（3）對基層圖像做直方圖投影，對細(xì)節(jié)圖像做自適應(yīng)增益控制。

（4）將處理后的細(xì)節(jié)圖像和基層圖像通過加權(quán)合成得8 bits的輸出圖像。

3 實(shí)驗(yàn)驗(yàn)證

為了驗(yàn)證算法的有效性，文章利用某紅外相機(jī)拍攝距離較遠(yuǎn)的交通實(shí)況，如圖1的（a）圖所示，該處本來是車輛禁停地方。如果利用一般的檢測器拍攝，由于距離較遠(yuǎn)，會導(dǎo)致無法成像，不能用于判斷該處是否有違停，要想正常監(jiān)控，必須得在該處附近另安置攝像頭，這樣不僅增加成本，還耗費(fèi)時(shí)間，不能達(dá)到資源的統(tǒng)一調(diào)配。

如果僅僅是利用紅外相機(jī)拍攝，通過一般的紅外增強(qiáng)輸出到終端，如圖1的（b）圖所示，雖然能起到圖像增強(qiáng)的目的，某些目標(biāo)也確實(shí)增強(qiáng)了，但是由于部分細(xì)節(jié)還是沒有清晰輸出，如柱子最左面的那輛車，所以對于判斷還是有一定的局限性。

如果在紅外圖像輸出之前，加上此文的高動態(tài)處理，如圖1的（c）圖所示，則明顯細(xì)對比度增強(qiáng)，不僅僅遠(yuǎn)處的車輛清晰可見，某些很小的細(xì)節(jié)也得到了增強(qiáng)，如果能在終端再加上車輛識別算法，則會很有效地識別車輛所在位置，進(jìn)而通過報(bào)警加強(qiáng)防衛(wèi)處理。

4 結(jié)語

從上面的結(jié)果對比可以看出，該算法在增強(qiáng)圖像細(xì)節(jié)方面有很大的改善，解決了高動態(tài)范圍場景中定位低對比度目標(biāo)的關(guān)鍵問題，創(chuàng)新地開拓了動態(tài)范圍壓縮的新方法。這項(xiàng)技術(shù)，不僅可以解決高動態(tài)成像的動態(tài)范圍壓縮問題，還可以保留場景中的細(xì)節(jié)信息，應(yīng)用在交通監(jiān)控中，能更好地識別行人和車輛，給后續(xù)交通檢測、車輛識別等帶來很大的方便和準(zhǔn)確性，而且為普通的圖像增強(qiáng)提供了新的解決思路和方法。

參考文獻(xiàn)

[1] 葉興成.道路交通安全的系統(tǒng)研究[D].武漢理工大學(xué)，2005.

[2] 李超.智能交通監(jiān)控系統(tǒng)信息管理平臺的設(shè)計(jì)與實(shí)現(xiàn)[D].山東大學(xué)，2013.

[3] 范晉祥，楊建宇.紅外成像探測技術(shù)發(fā)展趨勢分析[J].紅外與激光工程，2012，41（12）：3145-3153.

[4] 詹筱.高動態(tài)范圍紅外圖像壓縮的細(xì)節(jié)增強(qiáng)算法研究[D].南京理工大學(xué)，2014.

[5] 許信松，王魯平.基于雙邊濾波的紅外圖像細(xì)節(jié)增強(qiáng)算法研究[C]//全國光電技術(shù)學(xué)術(shù)交流會.2012.