基于高動態紅外增強的交通監控系統

趙晉芳

摘 要：傳統的交通監控，不僅成本高，還準確度低。該文結合紅外熱成像和高動態增強技術，提出了基于高動態紅外增強的交通監控系統，該系統通過把高bits的紅外圖像，利用雙邊濾波分層處理和加權重新排列的技術，將增強的細節圖像輸出到監控終端。實驗表明，該系統不僅可以實現遠距離云霧天的有效成像，還可以定位低對比度目標。

關鍵詞：熱成像 高動態 雙邊濾波

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

隨著科學技術的發展，道路交通呈現復雜化的趨勢，交通安全不僅僅是人車的自覺遵守[1]，還有監控系統的高效成像[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[3]。

紅外熱成像，是利用自然界幾乎所有物體都會發出紅外線原理而成像的。它反映了場景中不同目標對外紅外輻射的空間分布，在交通監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中，實現交通檢測。更為便利的是由于紅外線作用距離較遠，不用像普通攝像球機一樣在路面上間隔小地安裝，從而緩解交通負擔以及安裝成本。

而紅外熱成像技術的不足是，當作用距離較遠時，輸出圖像的小目標細節非常不清晰。文章在此基礎上，又引入高動態增強技術，提出了基于高動態紅外增強的交通監控系統。

1 高動態增強技術

由于熱成像系統能夠把物體表面自然發射的紅外輻射分布轉變為可見圖像，如果場景中各種目標溫差比較大，則需要很高的精度來量化高動態范圍的場景成像，這也是紅外成像的特點。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行采樣和量化，而人眼能識別的最大數據寬度是8 bits。這就涉及到數據從高bits到8 bits的增強處理。

對于紅外圖像增強，常用線性映射（如AGC）、直方圖統計等方法，由于局部的小目標在成像位寬和像素數目上占比極小，使得輸出圖像往往存在場景細節模糊，甚至目標丟失的現象。因為自然場景的紅外圖像具有很高的溫度動態范圍，要使得在8 bits的圖像顯示設備中，仍能較好地顯示高bits的細節信息，這里提出高動態增強技術[4]。

2 算法實現過程

此文高動態增強的原理是：先把高bits數據圖像，通過雙邊濾波分為基層圖像和細節圖像，然后分別對基層圖像做動態范圍壓縮，對細節層做細節增強，最后通過重組并調整到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，得到細節圖像。

（3）對基層圖像做直方圖投影，對細節圖像做自適應增益控制。

（4）將處理后的細節圖像和基層圖像通過加權合成得8 bits的輸出圖像。

3 實驗驗證

為了驗證算法的有效性，文章利用某紅外相機拍攝距離較遠的交通實況，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，會導致無法成像，不能用于判斷該處是否有違停，要想正常監控，必須得在該處附近另安置攝像頭，這樣不僅增加成本，還耗費時間，不能達到資源的統一調配。

如果僅僅是利用紅外相機拍攝，通過一般的紅外增強輸出到終端，如圖1的（b）圖所示，雖然能起到圖像增強的目的，某些目標也確實增強了，但是由于部分細節還是沒有清晰輸出，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，加上此文的高動態處理，如圖1的（c）圖所示，則明顯細對比度增強，不僅僅遠處的車輛清晰可見，某些很小的細節也得到了增強，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，進而通過報警加強防衛處理。

4 結語

從上面的結果對比可以看出，該算法在增強圖像細節方面有很大的改善，解決了高動態范圍場景中定位低對比度目標的關鍵問題，創新地開拓了動態范圍壓縮的新方法。這項技術，不僅可以解決高動態成像的動態范圍壓縮問題，還可以保留場景中的細節信息，應用在交通監控中，能更好地識別行人和車輛，給后續交通檢測、車輛識別等帶來很大的方便和準確性，而且為普通的圖像增強提供了新的解決思路和方法。

參考文獻

[1] 葉興成.道路交通安全的系統研究[D].武漢理工大學，2005.

[2] 李超.智能交通監控系統信息管理平臺的設計與實現[D].山東大學，2013.

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

[4] 詹筱.高動態范圍紅外圖像壓縮的細節增強算法研究[D].南京理工大學，2014.

[5] 許信松，王魯平.基于雙邊濾波的紅外圖像細節增強算法研究[C]//全國光電技術學術交流會.2012.