智能交通攝像機圖像處理的關鍵技術分析

摘 要：數字攝像機廣泛應用于智能交通系統中，極大地提升了交通管理的工作質量和效率，如何獲得更高質量的數字圖像是當前的一個重大課題。本文首先闡述了數字圖像處理的基本概念，然后對現階段智能交通攝像機的圖像處理關鍵技術進行分析和探究，以期為智能交通的發展提供技術指引。

關鍵詞：圖像處理;寬動態;低照度成像;透霧

1? 智能交通攝像機的數字圖像處理

智能交通系統是將信息技術、電子技術、通信技術、影像及控制技術等多種技術結合起來形成的對交通實現全天候、多角度監控的智能管理系統[1]。其中，數字攝像機作為智能交通監控系統的“眼睛”，圖像質量直接影響到整個系統的運行。光線透過光學模組聚集到圖像傳感器上，經過光電轉換、模擬-數字轉換后獲得原始圖像信號，然后采用計算機技術進行一系列的數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? 現階段數字圖像處理的關鍵技術

由于監控場景存在很大的不確定性，晝夜交替，天氣千變萬化，需要各種技術手段去保證在惡劣的光照條件下也能獲得高質量的視頻圖像。下面主要對寬動態、低照度成像、透霧這3個方面的關鍵技術進行分析。

2.1 寬動態

攝像機的動態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]。在明暗反差大的環境，傳統攝像機容易在亮區曝光過度表現為白色，而在暗區曝光不足表現為黑色，極有可能丟失車牌、人臉等關鍵細節。寬動態技術能有效提高攝像機的動態范圍，最早出現的是數字寬動態，是指在圖像信號處理（ISP）中根據局部的亮暗情況重新調節每一個像素的亮度值，使得圖像亮暗均衡，又稱之為色調映射。真正意義上的寬動態攝像機必須軟硬件結合，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行常規處理，然后把多次曝光圖像逐個像素融合成一幀作為輸出，融合規則是像素亮度越適中權重越大。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，然后進行數字動態范圍壓縮。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致暗區的信噪比低、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的圖像中看清監控場景里面的物體細節。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光量。可采用大光圈的鏡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ISP的3D降噪技術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。空域降噪是指在一幀圖像里面利用相鄰像素的相關性濾除圖像噪點，比如雙邊濾波、非局部均值濾波，時域降噪則是對連續多幀圖像進行局部的運動估計之后做幀間的加權融合處理。在實際應用中，經常把多級空域降噪串聯、時域空域混合使用以增強降噪效果。

對于人臉識別系統，在光線很差的夜晚，常規的攝像機無法看清人臉，更難以進行下一步的人臉識別。增加補光時，不僅帶來嚴重的光污染，而且影響來往行人、車輛安全;一旦降低補光亮度，又達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光，雙傳感器架構的攝像機獲得有色彩的可見光圖像和細節清晰的紅外圖像，然后經過恰當的圖像融合算法把兩幅圖像巧妙地組合成一幅細節豐富、噪聲小、有色彩的圖像。這種架構的攝像機在生產過程中需要對前端進行高精度的校準、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

監控場景出現霧、霾、雨、雪、沙塵等惡劣天氣時，空氣中的微小顆粒會對光線產生較強的散射、吸收和輻射，在攝像機的圖像中表現為灰蒙蒙，對比度和清晰度較低[3]。為了讓攝像機在惡劣環境下也能“看得清”，目前的透霧技術主要是光學透霧和算法透霧。光學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行成像。光學透霧對于霧氣的穿透力非常強，成像效果較好，但是由于紅外波段成像無法準確恢復色彩信息，最終只能看到黑白圖像。光學透霧采用的是經過特殊優化的鏡頭和濾光片，成本較高影響到其大規模應用。算法透霧實際上是一種視頻圖像增強技術，原理是根據圖像局部區域的亮度、對比度、飽和度自適應地進行局部對比度增強，突出細節輪廓，在霧氣不嚴重的情況下有較好的透視效果。Retinex圖像增強、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節、層次感，但如果透霧強度設置不合理會導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習實時地檢測圖像中的霧氣嚴重程度，然后動態調節透霧的強度，就能把透霧算法造成的圖像惡化降至最低。

3? 結語

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

參考文獻

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

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

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

作者簡介：

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