快速自适应最佳化算法在望远视频图像中的应用*

方紫娟，谢正祥，冯 鹏，黄维娜

(1.重庆邮电大学工业物联网与网络化控制教育部重点实验室，重庆400065;2.重庆医科大学生物医学工程研究室，重庆400016)

视频增强技术目前主要分为空域增强法和频域增强法两大类［6］。空域增强法通常是对像素点进行操作，主要包括:直方图均衡化、模糊逻辑增强和基于遗传算法优化等，频域增强法的基础是卷积定理，利用信号处理的手段来处理图像，如:低通滤波、高通滤波、同态滤波等，然而这些方法在应用上都有一定的局限性［7］。例如:直方图均衡化容易丢失细节信息、对噪声敏感、对比度增强力度相对较低。同态滤波模拟了人眼的视觉特性，增强效果较好，但实际情况下，同态滤波常常没有计算反射图像，增强效果不稳定［8］。

针对上述问题，我们提出一种望远视频图像质量快速自适应最佳化的方法，即通过视频图像全谱变换、建立视频图像质量自适应最佳化模型来完成图像质量最佳化。该方法既能提高视频图像质量，又能嵌入到望远系统中。这种具有快速、自适应、最佳化的视频图像监控技术对于增强我国在远距离夜视监控系统的技术储备，提高国家的安防实力是非常重要的［9］。

1 视频图像质量快速自适应最佳化方法

1.1 视频图像质量评价函数

人类视觉问题属于心理物理问题，图像质量评价也是心理物理问题。在对人类视觉感知图像质量特征参数的基础上，我们构建了一个通用的图像质量评价函数U-IQAF(Universal Image Quality Assessment Function)表示为综合图像质量评价函数CAF(Comprehensive Image Quality Assessment Function)来评价一幅图像质量［10］，如下:

其中 AIE、APCL、AHF、NNF和 ABWF分别表示平均信息熵、平均物理对比度级、平均层次因子、平均亮度归一化邻近距离和平均带宽因子。在视频处理中，对单帧运用CAF评价，构建综合视频图像质量评价函数，实现对视频图像质量的评价。CAF值越大，视频图像视觉质量越好，进而用CAF值来指导视频图像增强的方向，以达到视频图像质量的最佳化。

1.2 视频图像的全谱变换

对于8 bit的灰度图像和24 bit的彩色图像，灰度谱和每一个颜色分量色度谱分别有0～255共256级，因此最大谱宽度为256。研究发现，谱带的宽度不同，图像的质量明显不同;灰度/色度谱较宽的图像，具有较好的视觉效果。全谱(谱宽为256)图像具有最好的视觉效果。视频图像的全谱变换是由模糊数学中Zadeh变换而来的。Zadeh变换是指任意数据集映射到［0，1］区间的变换。

将［0，1］区间扩展到［0，255］就成了全谱变换:

Right和Left分别是视频图像的灰度/色度谱的右、左边界值。i=0，1，2代表红、绿、蓝三通道的颜色成分。K称为扩张或收缩因子。在此，为了使每一个颜色分量色度谱为全谱，即0～255共256级，令K=255。O(i，x，y)表示变换前某个像素点的灰度/色度值，T(i，x，y)代表 Zadeh-X 变换后的某个像素点的灰度/色度值，Tvist(i，x，y)表示经过全谱变换后某像素点i通道的灰度/色度值。全谱变换的实质是图像的灰度/色度谱拉伸，但其较传统线性拉伸［11］有所不同:传统线性拉伸主要用来改善图像的对比度，而全谱变换具有一定的图像增强功能，并且变换的视频图像灰度/色度谱占有整个带宽，我们称其为标准化视频图像，为视频图像质量最佳化建立了统一的计算基础，即根据标准化视频图像，建立视频图像质量最佳化模型。

1.3 视频图像质量的自适应最佳化模型

对于静态图像，可以取不同变换参数进行比较，从而通过观测不同图像效果得到最佳化图像。然而，对于连续的视频图像，由于每帧图像变换参数值不同，变换参数值的大小直接影响最佳化的效果，考虑到连续性的要求，我们建立视频图像质量的自适应最佳化模型AOMVIQ(Adaptive Optimization Model of Video Image Quality)。

财务不仅是一项业务，更是一项管理。加强财务管理有利于医院经济管理水平的提高。第一，要有一个正规科学的预算管理制度，对医疗方面的活动要进行事前控制，并进一步加强和强化成本预算的监督。第二，要不断加强和完善成本核算的机制，实现医患收益平衡。第三，加强财务资金管理制度，对医院的资金流动进行全程监督，确保对医院的流动资金进行有序管理。

Zadeh-X 变换［12－13］如下:

Theta∈［0，255］和 Delta∈［1，∞］分别为原图像的灰/色度起点和灰/色度分布范围。研究发现Delta=255时的Zadeh-X变换的结果是原始图像，Zadeh-X变换取适当的变换参数可以创建最佳质量图像。同时，我们发现Delta的值与平均亮度值AL的关系可以用于获取最佳质量图像。根据大量不同环境照度下视频图像的实验数据分析知，对于标准化视频图像，Delta与AL之间应当有下面等式关系:

式(4)和式(5)被称为AOMVIQ的变换参数。由式(4)可知，Delta能自适应于视频图像视觉参数AL。

1.4 视频图像的最佳化变换

视频图像标准化是视频图像的最佳化变换VIQOT(Video Image Quality Optimization Transformation)的基础。VIQOT由Zadeh-X变换改进而来，如下:

此时:

式中i=0，1，2代表红、绿、蓝三通道的颜色成分。K被称为扩张因子或者收缩因子。在此，同样令 K=255，O(i，x，y)和 Tviqot(i，x，y)分别代表最佳化变换前后的每个像素点的灰度/色度值，Tviqot(i，x，y)表示经过VIQOT变换后某像素点i通道的灰度/色度值。AL是一幅图像的平均亮度。VIQOT在Zadeh-X变换的基础上除了能处理AL＜127.5的图像外，还能处理AL＞127.5的图像，能够达到真正意义上的自适应，通过VIQOT后的图像具有最佳图像质量。

2 实验分析与结果

为了进一步分析视频图像快速自适应最佳化算法在望远视频处理上的性能，采用Directshow［14］平台搭建具有视频图像快速自适应最佳化功能的望远实时监控系统。一方面，测试视频处理实时性能，另一方面，将实时采集视频存盘为AVI文件，运用视频文件处理程序抓图存取单帧图像，采用综合图像质量评价方法测试自适应最佳化模型。

2.1 平台介绍

Directshow是Windows平台下通用的视频处理框架技术，是一套建立在组建对象模型(COM)基础上的高效多媒体开发系统，广泛应用于多媒体领域。在Directshow平台上，编写具有视频图像质量通用快速自适应最佳化功能的Filter，将Filter链入到本地视频文件回放链表和视频采集捕获链表中，前端采用望远USB接口摄像头完成视频采集，构建具有视频图像快速自适应最佳化功能的望远系统。

望远视频实时监控的目标，一方面直接将原视频存盘为一个视频文件;另一方面期望以图像帧的方式，采集RGB/YUV格式数据，当外部指令为最佳化时，对数据做快速自适应最佳化处理，可以分别预览原视频和补偿后的视频。

当既需要实时观测效果，又需要将原视频存盘时，构建链表如图1所示。本文将采集的视频分三路输出，一路将采集的视频实时回放，一路加入我们编写的最佳化Filter，将采集的视频实时的处理输出，第三路实现对原视频的存储。

实时视频采集系统，数据流格式为YUY2，分辨率为:640×480。望远USB摄像头采集帧率30帧/s，测试处理后显示帧率在29帧/s以上，加入通用自适应最佳化算法后帧偏移时间在10 ms以内，视觉效果没有延迟现象，满足实时性要求。

图1 望远视频通用快速自适应最佳化和存盘链表

2.2 视频图像质量通用自适应最佳化对比分析

分别截取望远距离为200 m、400 m、800 m的不同监控视频帧进行实验，如图2(a)、图2(b)和图2(c)所示。由于距离远，一般的监控设备难以观测图像中汽车、篮球架、足球门(图2(a)～2(c)中绿色圈位置)，需要采用望远设备实现远距离采集。图3(a)、图4(a)、图5(a)是利用望远系统拍摄的视频帧，由于望远摄像头传感器的限制，视频图像虽然存在对比度，但依然无法分辨视频图像中的信息。

针对望远监控视频出现的对比度低等缺点，本文采用空域的直方图均衡化、频域的同态滤波算法以及通用自适应最佳化算法分别对图3(a)、图4(a)、图5(a)进行了处理。分析可知，直方图均衡化增强的效果不是很协调，并且灰度级较低部分出现了谱线丢失的现象，图像信息有所损失如图3(b)、图4(b)、图5(b)所示;同态滤波后的图像虽然谱线较直方图均衡化有所保持，增加效果也比较自然，但对比度仍然较低，许多信息依然无法辨别如图3(c)、图4(c)、图5(c)所示;而本文算法处理后的图像灰度谱为全谱而且分布趋向平坦，图像对比度较同态滤波也得到了增强，并具有较好的颜色信息，更符合人眼的视觉感官，如图3(d)右、图4(d)右、图5(d)所示。

图2 不同距离下非望远系统截取视频图像帧

图3 图2(a)望远系统监控下的视频帧处理效果对比图

图4 图2(b)望远系统监控下的视频帧处理效果对比图

图5 图2(c)望远系统监控下的视频帧处理效果对比图

由表1数据分析可知，3种视频图像增强方法的对比度、平均亮度较原始视频帧都有所增加、灰度谱也都有所拉伸，但综合评价发现自适应最佳化后视频图像拥有最大的CAF值，即最好的视频图像质量。可以看出，图3(d)、图4(d)、图5(d)分别和其对应的原始视频帧相比，CAF值分别增加了13.916 67、88.676 7、80.272 7倍。综合分析得知，视频图像的自适应最佳化可以使人类感知的视频图像信息更丰富，图像层次更清晰。

表1 视频图像质量通用自适应最佳化对比数据

3 结论

本文根据人们对远距离视频图像观察和监控等的需求，研究并实现了望远视频图像质量自适应最佳化，首先分析了人类视觉感知图像质量特征参数，提出了综合视频图像质量评价函数，然后在视频图像全谱变换基础上，构建了视频图像质量自适应最佳化模型，最后在Directshow平台上实现了望远视频的快速自适应最佳化。实验结果证明，该方法扩展了望远系统的照度适应范围，有效的提高了视频图像质量，为望远视频图像处理提供了新的思路。

［1］张增林，党革荣，郁晓庆，等.基于无线传感器网络的节水灌溉远程监控系统［J］.节水灌溉，2012，3(1):75－79.

［2］王珺，彭进业，李丹娇，等.基于DSP的视频人脸监控系统设计与实现［J］.计算机测量与控制，2012，20(3):697－701.

［3］龚薇，斯科，叶秀清，等.一种强鲁棒性的实时图像增强算法［J］.传感技术学报，2007，20(9):2024－2028.

［4］李晓霞，李铖果，邹建华，等.一种新的低照度彩色图像增强算法［J］.计算机应用研究，2011，28(9):3554－3555，3558.

［5］侯雷，饶云波.一种亮度融合的视频增强方法［J］.光电工程，2011，38(8):52－36.

［6］Choudhury A，Medioni G.A Framework for Robust Online Video Contrast Enhancement Using Modularity Optimization［J］.IEEE Transactions on Circuits and Systems for Video Technology，2012，22(9):1266－1279.

［7］饶云波.夜间视频增强的关键技术研究［D］.成都:电子科技大学，2012.

［8］谷曙媚.视频监控系统中的图像增强技术研究［D］.湖南:湖南大学，2012.

［9］李晓晨，姚素英，姚碧珍，等.一种应用于高动态范围COMS图像传感器的曝光控制技术［J］.传感技术学报，2013，26(3):328－332.

［10］陈勇，李愿，吕霞付，等.视觉感知的彩色图像质量积极评价［J］.光学精密工程，2013，21(3):742－750.

［11］Osman M K，Mashor M Y，Saad Z.Contrast Enhancement for Ziehl-Neelsen Tissue Slide Image using Linear Stretching and Histogram Equalization Technique［C］//IEEE Symposium on Industrial Electronics and Application，ISIEA，2009.431－435.

［12］Xie Z X，Wang Z F.Color Image Quality Assessment Based on Image Quality Parameters Perceived by Human Vision System［C］//International Conference on Multimedia Technology，ICMT，2010.1－4，.

［13］Xie Z X，Wang Z F，Lü X F.Single Image Quality Assessment and Creation of the Best Quality Image［C］//2nd International Conference on Information Science and Engineering，ICISE，2010.4022－4025，.

［14］陈勇，杨佳义，谢正祥，等.DirectShow框架下对比度分辨率补偿的视频挖掘［J］.激光与红外，2011，41(8):932－941.