智能交通攝像機(jī)圖像處理的關(guān)鍵技術(shù)分析

摘 要：數(shù)字?jǐn)z像機(jī)廣泛應(yīng)用于智能交通系統(tǒng)中，極大地提升了交通管理的工作質(zhì)量和效率，如何獲得更高質(zhì)量的數(shù)字圖像是當(dāng)前的一個重大課題。本文首先闡述了數(shù)字圖像處理的基本概念，然后對現(xiàn)階段智能交通攝像機(jī)的圖像處理關(guān)鍵技術(shù)進(jìn)行分析和探究，以期為智能交通的發(fā)展提供技術(shù)指引。

關(guān)鍵詞：圖像處理;寬動態(tài);低照度成像;透霧

1? 智能交通攝像機(jī)的數(shù)字圖像處理

智能交通系統(tǒng)是將信息技術(shù)、電子技術(shù)、通信技術(shù)、影像及控制技術(shù)等多種技術(shù)結(jié)合起來形成的對交通實現(xiàn)全天候、多角度監(jiān)控的智能管理系統(tǒng)[1]。其中，數(shù)字?jǐn)z像機(jī)作為智能交通監(jiān)控系統(tǒng)的“眼睛”，圖像質(zhì)量直接影響到整個系統(tǒng)的運行。光線透過光學(xué)模組聚集到圖像傳感器上，經(jīng)過光電轉(zhuǎn)換、模擬-數(shù)字轉(zhuǎn)換后獲得原始圖像信號，然后采用計算機(jī)技術(shù)進(jìn)行一系列的數(shù)字圖像處理還原出有利于人眼觀看和人工智能識別的圖像。

2? 現(xiàn)階段數(shù)字圖像處理的關(guān)鍵技術(shù)

由于監(jiān)控場景存在很大的不確定性，晝夜交替，天氣千變?nèi)f化，需要各種技術(shù)手段去保證在惡劣的光照條件下也能獲得高質(zhì)量的視頻圖像。下面主要對寬動態(tài)、低照度成像、透霧這3個方面的關(guān)鍵技術(shù)進(jìn)行分析。

2.1 寬動態(tài)

攝像機(jī)的動態(tài)范圍是指在一次成像時能分辨的最大照度值與最小照度值之間的比值[2]。在明暗反差大的環(huán)境，傳統(tǒng)攝像機(jī)容易在亮區(qū)曝光過度表現(xiàn)為白色，而在暗區(qū)曝光不足表現(xiàn)為黑色，極有可能丟失車牌、人臉等關(guān)鍵細(xì)節(jié)。寬動態(tài)技術(shù)能有效提高攝像機(jī)的動態(tài)范圍，最早出現(xiàn)的是數(shù)字寬動態(tài)，是指在圖像信號處理（ISP）中根據(jù)局部的亮暗情況重新調(diào)節(jié)每一個像素的亮度值，使得圖像亮暗均衡，又稱之為色調(diào)映射。真正意義上的寬動態(tài)攝像機(jī)必須軟硬件結(jié)合，一種方法是圖像傳感器具備多次曝光功能，ISP分別對各個不同曝光時間的圖像進(jìn)行常規(guī)處理，然后把多次曝光圖像逐個像素融合成一幀作為輸出，融合規(guī)則是像素亮度越適中權(quán)重越大。此方式的特點是處理流程簡單，但需要并行處理多路圖像，資源消耗較多。另一種方法是采用單次曝光輸出的極高量化位寬的傳感器或者把多次曝光的各幀原始圖像按照線性比例組合成一幀高位寬的圖像，然后進(jìn)行數(shù)字動態(tài)范圍壓縮。值得注意的是，多次曝光融合方式在快速運動物體的邊緣容易出現(xiàn)偽彩色的拖影，這是幀間曝光時間有差異造成的，而單次曝光輸出高量化位寬的方式不存在這種問題，但由于整幅圖采用相同的短快門導(dǎo)致暗區(qū)的信噪比低、噪聲大。

2.2 低照度成像

低照度成像是指在極低照度（通常小于0.001Lux）的情況下也能從攝像機(jī)的圖像中看清監(jiān)控場景里面的物體細(xì)節(jié)。要想在低照度下獲得更好的圖像，從成像原理上看，一方面在前端盡可能增大進(jìn)光量?？刹捎么蠊馊Φ溺R頭和具有較大像素尺寸的圖像傳感器，像素尺寸越大，感光單元收集到的光能量越多，圖像也就越亮，信噪比越高。另一方面則是通過攝像機(jī)ISP的3D降噪技術(shù)把圖像噪點降至較低水平，3D降噪包括了空域降噪和時域降噪?？沼蚪翟胧侵冈谝粠瑘D像里面利用相鄰像素的相關(guān)性濾除圖像噪點，比如雙邊濾波、非局部均值濾波，時域降噪則是對連續(xù)多幀圖像進(jìn)行局部的運動估計之后做幀間的加權(quán)融合處理。在實際應(yīng)用中，經(jīng)常把多級空域降噪串聯(lián)、時域空域混合使用以增強(qiáng)降噪效果。

對于人臉識別系統(tǒng)，在光線很差的夜晚，常規(guī)的攝像機(jī)無法看清人臉，更難以進(jìn)行下一步的人臉識別。增加補(bǔ)光時，不僅帶來嚴(yán)重的光污染，而且影響來往行人、車輛安全;一旦降低補(bǔ)光亮度，又達(dá)不到人臉識別的要求。目前主流的解決辦法是同時采用較弱的可見光和紅外光補(bǔ)光，雙傳感器架構(gòu)的攝像機(jī)獲得有色彩的可見光圖像和細(xì)節(jié)清晰的紅外圖像，然后經(jīng)過恰當(dāng)?shù)膱D像融合算法把兩幅圖像巧妙地組合成一幅細(xì)節(jié)豐富、噪聲小、有色彩的圖像。這種架構(gòu)的攝像機(jī)在生產(chǎn)過程中需要對前端進(jìn)行高精度的校準(zhǔn)、固定，但是能在有效降低了光污染的同時，很大程度上提升了低照度情況下的成像效果。

2.3 透霧

監(jiān)控場景出現(xiàn)霧、霾、雨、雪、沙塵等惡劣天氣時，空氣中的微小顆粒會對光線產(chǎn)生較強(qiáng)的散射、吸收和輻射，在攝像機(jī)的圖像中表現(xiàn)為灰蒙蒙，對比度和清晰度較低[3]。為了讓攝像機(jī)在惡劣環(huán)境下也能“看得清”，目前的透霧技術(shù)主要是光學(xué)透霧和算法透霧。光學(xué)透霧是利用了紅外波段對微小顆粒具有良好的繞射效果，僅對波長較長的紅外光進(jìn)行成像。光學(xué)透霧對于霧氣的穿透力非常強(qiáng)，成像效果較好，但是由于紅外波段成像無法準(zhǔn)確恢復(fù)色彩信息，最終只能看到黑白圖像。光學(xué)透霧采用的是經(jīng)過特殊優(yōu)化的鏡頭和濾光片，成本較高影響到其大規(guī)模應(yīng)用。算法透霧實際上是一種視頻圖像增強(qiáng)技術(shù)，原理是根據(jù)圖像局部區(qū)域的亮度、對比度、飽和度自適應(yīng)地進(jìn)行局部對比度增強(qiáng)，突出細(xì)節(jié)輪廓，在霧氣不嚴(yán)重的情況下有較好的透視效果。Retinex圖像增強(qiáng)、局部直方圖均衡、暗通道先驗去霧是常用的透霧算法，能有效提升圖像的細(xì)節(jié)、層次感，但如果透霧強(qiáng)度設(shè)置不合理會導(dǎo)致圖像對比度過大或者無透霧效果。那么，利用模式識別或深度學(xué)習(xí)實時地檢測圖像中的霧氣嚴(yán)重程度，然后動態(tài)調(diào)節(jié)透霧的強(qiáng)度，就能把透霧算法造成的圖像惡化降至最低。

3? 結(jié)語

本文分析了現(xiàn)階段智能交通攝像機(jī)圖像處理的一部分關(guān)鍵技術(shù)，仍有一些未涉及到的主流技術(shù)，比如高幀率、低碼流、智能分析等，相信隨著圖像處理技術(shù)的快速發(fā)展，智能交通系統(tǒng)將會更加可靠、高效，助力城市建設(shè)和社會合理發(fā)展。

參考文獻(xiàn)

[1]尚金生.智能交通中的視頻圖像處理技術(shù)分析[J].現(xiàn)代信息科技，2019，3（14）：86-88.

[2]王瀟瀟.視頻監(jiān)控攝像機(jī)寬動態(tài)性能檢測技術(shù)淺析[J].電子測試，2017，（24）：40-41.

[3]張澤浩，周衛(wèi)星.基于暗原色和Retinex的夜間圖像去霧算法[J].電子技術(shù)與軟件工程，2019（07）：60-61.

作者簡介：

梁冬生（1987-），男，廣西南寧人，碩士，研究方向：電子信息與數(shù)字圖像處理。