圖像去霧算法在煙氣環境中的適用性分析

王淑彥 李森 梁曉歌 宋寅卯

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

關鍵詞：視頻監控；煙氣；圖像清晰化方法

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2018）04-0242-03

火災是當前各種災害中最經常最普遍發生的嚴重威脅著自然環境和人民生命財產的主要災害之一，隨著我國經濟發展及城市化進程的加快，建筑結構發生了巨大的變化，建筑高度與建筑面積不斷增加，建筑內火災發生的頻次及單次火災造成的損失都在呈上升趨勢。為了加強火災的預防和探測，建筑內通常利用視頻監控系統來觀察火災或者在火災發生時為救援人員的救援行動提供支持。由于視頻監控實時性及圖像內容的豐富性，在火災領域得到迅速發展，如在人員疏散方面[1]，救援人員通過視頻監控系統能夠輕松地掌握建筑內火災蔓延趨勢及人員荷載分布情況，為人員疏散提供指導，并且隨著網絡的普及及網絡帶寬的不斷提高，建筑內的視頻監控系統能夠通過網絡連接到消防指揮調度中心[2-3]，消防指揮調度中心能夠獲知火場情況，快速合理的調度出警警力，為火災撲救提供保障。

由以上分析可知視頻監控系統在火災發生時有著重要的作用，但當建筑內發生火災時，視頻監控系統受到煙氣的影響，采集到的圖像出現模糊不清，須對煙氣圖像進行清晰化處理。現階段對火場環境圖像的去煙算法很少有人研究，而對圖像去霧算法的研究卻越來越成熟，一些學者在研究霧霾環境中圖像清晰化算法的同時，指明該算法適用于煙氣環境，但很少有學者對算法在煙氣環境中的適用性進行驗證。火場環境采集到的圖像煙氣通常分布不均勻，若有強光和明火采集到圖像會出現高光，處理起來比較困難，并且火場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。以下文章首先簡要介紹了圖像去霧的算法，其后對算法在火場環境的適用性進行了分析。

1 典型圖像去霧算法

當前國內外的研究中，煙氣環境中的圖像清晰化算法通常和霧霾環境中圖像清晰化算法聯系在一起，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的研究起步比較晚，最早的研究開始于20世紀90年代，在近二十年的發展過程中，經過國內外研究人員的不斷努力，該項技術取得了較大的進展。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質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，p（x）和d（x）為場景反照率和景深，右式第一項為衰減模型，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，第二項為環境光模型，由于大氣粒子的散射使大氣表現出光源的特性，使得圖像的亮度增加。

物理模型的方法就是求解I（x），模型中有三個參數，根據求解方法的不同，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）基于數據假設的單幅圖像去霧。

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景不同時刻是不同的特性，利用兩幅或多圖像霧天圖像來估計場景深度等參數，再通過求解方程來恢復場景。

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景不同偏振度的兩幅圖像來估計環境光，進而恢復清晰圖像。

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景深度等信息，或者用戶輸入未知參數等方法獲取大氣散射模型中的散射系數、天空亮度和場景深度等部分或全部參數，從而得到清晰化的圖像。

4） 基于數據假設的單幅圖像去霧：

該方法采用單幅霧天圖像，利用圖像數據本身構造約束場景反照率或景深的假設條件，估計大氣散射模型的參數，進而求取清晰化圖像。

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技術作為基本的處理手段，該類方法不考慮圖像退化的原因，僅考慮圖像呈現的低對比度等特征，適用性廣，通過對圖像局部或全局進行增強改善圖像質量。比較有代表性的有：1）直方圖均衡化2）同態濾波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圖像中像素比較多的灰度級進行擴展，減少一些像素少的灰度級，從而提高圖像的對比度和灰度，達到清晰化的目的。局部直方圖均衡化的基本思想是先定義圖像的一個子塊，然后確定子塊的直方圖，最后對這個子塊進行直方圖均衡化，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上，重復上述操作直到遍歷完整幅圖像為止。

同態濾波[10]是把頻率過濾和灰度變換結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，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）由乘性通過取對數變換成加性，再進行傅里葉變換轉換為頻域，最后通過濾波器進行濾波處理。

Retinex算法[12]是在色彩恒常理論的基礎上提出的，色彩恒常理論是指物體的顏色會受到物體反射特性和周圍環境光照的影響，但人們感知到的物體的顏色并不會發生改變。Retinex就是在這個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時間的特點。小波變換就是在時間和頻率上的變換，對原有霧圖像進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，然后根據需要對降質的圖像區域進行分量放大，不需要的地方進行分量縮小，最后進行反變換得到增強的圖像。

2 圖像去霧算法在煙氣環境中的適用性分析

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境中的適用性。

物理模型的實質是大氣散射模型，其模型中的參數估計為大氣光，不適用于室內火場環境，并且室內火場中煙氣一般為黑色煙氣，對光的吸收作用要強于散射作用，通常圖像的亮度比較低，而大氣散射模型中的散射項是亮度增加項，如果用于火場環境中進行處理，那么含煙圖像的亮度會變得更低，甚至無法觀看。

全局直方圖均衡化是對整幅圖像進行處理，應用到火場中的煙氣圖像的處理時，不能提高邊緣細節及局部信息，并且在增強整幅圖像的亮度或對比度時，加大了圖像中的噪聲或引入新的噪聲。應用局部直方圖均衡化時雖然效果優于全局直方圖，但如果局部對比度過大容易導致圖像的失真，用于煙氣圖像時要對其進行限制。如文獻[9]提出了一種受限對比度的自適應直方圖均衡化的改進算法，使圖像的細節更加突出，保持了監控圖像的目標信息，提高了監控的有效性。

同態濾波要進行傅里葉變換和逆變換，計算過程比較復雜，用于火場環境中，不滿足實時性的要求；采集的火場煙氣圖像由于煙顆粒對光線的吸收散射等影響易出現光照不均，而同態濾波方法又能夠很好的解決光照不均的問題，因為該方法主要是通過增強對比度和壓縮亮度來實現圖像的增強，并且可以只對我們感興趣的部分進行有效的增強，所以該方法若用于火場環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[11]提出了一種基于同態濾波的紅外圖像的增強，然后利用同態濾波的原理對圖像細節進行增強，該方法對圖像的分辨率低，對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，可以取得很好的效果，對于火場中低照度的彩色圖像也能夠很好地增強細節，保真圖像的色彩，滿足人類視覺的需求，但如果在應用中模型的參數選擇不當，會出現光暈現象和顏色的過飽和，雖然Retinex算法的比其他算法的處理效果要好，但其復雜度更大，處理時間也最長。文獻[13]提出的一種采用帶有色彩還原的多尺度Retinex算法，結合高斯金字塔和對數查表法處理圖像，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容，高頻信息表示圖像細節，基于小波變換理論的處理方法可以增強圖像細節，并且增強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[15]提出了一種基于小波變換的圖像增強算法，該算法在低頻子帶上對照射分量進行估計與去除，在高頻子帶上進行模糊增強與去噪，對低照度圖像的處理有很好的效果。

本文所談火場環境的圖像主要是指視頻監控系統采集到的發生室內火災時的煙氣腐蝕圖像，由以上對各個算法的適用性分析可知，Retinex算法在處理煙氣腐蝕圖像時，其處理效果比其他幾種算法的處理效果要好，雖然處理時間比較長，通過軟件部分優化后，時間方面大大縮減，以下用該算法對圖像進行處理，效果如下：

圖1為原圖像，是在濃度為4.0db/m時采集的黑煙圖像，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比度方面有所增強，細節方面也比較突出，滿足人們視覺的需求。

3 結論

本文介紹了物理模型和非物理模型的圖像去霧算法，并對其方法用于火場環境中的適應性進行了分析，由以上分析可知，基于物理模型方法的參數估計不適用于室內火場環境，處理后的圖像會亮度更低，無法觀看；基于非物理模型中直方圖均衡化方法對場景比較簡單，煙氣濃度較低的圖像有較好的處理效果；同態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，但其處理時間最長，可以通軟件優化提高算法的處理時間；小波變換對于低照度的圖像有很好的處理效果，能夠增強我們感興趣的人員區域。

參考文獻：

[1] 吳秀敏. 基于火災監控視頻的人員疏散行為統計分析[A].中國消防協會、安徽省消防總隊.2013中國消防協會科學技術年會論文集[C].中國消防協會、安徽省消防總隊，2013：8.

[2] 楊增社.視頻監控在城市消防遠程監控系統中的應用[J].武警學院學報，2012（6）：13-14.

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

[4] 禹晶，徐東彬，廖慶敏.圖像去霧技術研究進展[J].中國圖象圖形學報，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]. 長春理工大學， 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.面向火災場景的圖像去煙霧系統研究[D].東華大學，2016.

[9] 李智君，王勇. 低照度環境監控的圖像增強算法研究[J/OL].電子測試，2016，（19）：31-35.

[10] 張金泉， 楊進華， 盧珊. 2009. 基于同態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. 一種基于同態濾波的紅外圖像增強新方法[J].紅外技術，2012，34（04）：224-228.

[12] 李垚峰，何小海，吳小強. 改進的帶色彩恢復的多尺度Retinex霧天圖像增強算法[J]. 計算機應用，2014（10）：2996-2999+3023.

[13] 李森.火災初期建筑內圖像清晰化及人員檢測技術研究[D].中國科學技術大學， 2014.

[14] 張恒，谷豐，張欣. 一種基于小波融合的霧天視頻監控圖像增強算法[J]. 現代計算機：專業版，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增強算法[J]. 中國激光，2015，42（02）：280-286.