智能交通摄像机图像处理的关键技术分析

摘 要：数字摄像机广泛应用于智能交通系统中，极大地提升了交通管理的工作质量和效率，如何获得更高质量的数字图像是当前的一个重大课题。本文首先阐述了数字图像处理的基本概念，然后对现阶段智能交通摄像机的图像处理关键技术进行分析和探究，以期为智能交通的发展提供技术指引。

关键词：图像处理;宽动态;低照度成像;透雾

1  智能交通摄像机的数字图像处理

智能交通系统是将信息技术、电子技术、通信技术、影像及控制技术等多种技术结合起来形成的对交通实现全天候、多角度监控的智能管理系统[1]。其中，数字摄像机作为智能交通监控系统的“眼睛”，图像质量直接影响到整个系统的运行。光线透过光学模组聚集到图像传感器上，经过光电转换、模拟-数字转换后获得原始图像信号，然后采用计算机技术进行一系列的数字图像处理还原出有利于人眼观看和人工智能识别的图像。

2  现阶段数字图像处理的关键技术

由于监控场景存在很大的不确定性，昼夜交替，天气千变万化，需要各种技术手段去保证在恶劣的光照条件下也能获得高质量的视频图像。下面主要对宽动态、低照度成像、透雾这3个方面的关键技术进行分析。

2.1 宽动态

摄像机的动态范围是指在一次成像时能分辨的最大照度值与最小照度值之间的比值[2]。在明暗反差大的环境，传统摄像机容易在亮区曝光过度表现为白色，而在暗区曝光不足表现为黑色，极有可能丢失车牌、人脸等关键细节。宽动态技术能有效提高摄像机的动态范围，最早出现的是数字宽动态，是指在图像信号处理（ISP）中根据局部的亮暗情况重新调节每一个像素的亮度值，使得图像亮暗均衡，又称之为色调映射。真正意义上的宽动态摄像机必须软硬件结合，一种方法是图像传感器具备多次曝光功能，ISP分别对各个不同曝光时间的图像进行常规处理，然后把多次曝光图像逐个像素融合成一帧作为输出，融合规则是像素亮度越适中权重越大。此方式的特点是处理流程简单，但需要并行处理多路图像，资源消耗较多。另一种方法是采用单次曝光输出的极高量化位宽的传感器或者把多次曝光的各帧原始图像按照线性比例组合成一帧高位宽的图像，然后进行数字动态范围压缩。值得注意的是，多次曝光融合方式在快速运动物体的边缘容易出现伪彩色的拖影，这是帧间曝光时间有差异造成的，而单次曝光输出高量化位宽的方式不存在这种问题，但由于整幅图采用相同的短快门导致暗区的信噪比低、噪声大。

2.2 低照度成像

低照度成像是指在极低照度（通常小于0.001Lux）的情况下也能从摄像机的图像中看清监控场景里面的物体细节。要想在低照度下获得更好的图像，从成像原理上看，一方面在前端尽可能增大进光量。可采用大光圈的镜头和具有较大像素尺寸的图像传感器，像素尺寸越大，感光单元收集到的光能量越多，图像也就越亮，信噪比越高。另一方面则是通过摄像机ISP的3D降噪技术把图像噪点降至较低水平，3D降噪包括了空域降噪和时域降噪。空域降噪是指在一帧图像里面利用相邻像素的相关性滤除图像噪点，比如双边滤波、非局部均值滤波，时域降噪则是对连续多帧图像进行局部的运动估计之后做帧间的加权融合处理。在实际应用中，经常把多级空域降噪串联、时域空域混合使用以增强降噪效果。

对于人脸识别系统，在光线很差的夜晚，常规的摄像机无法看清人脸，更难以进行下一步的人脸识别。增加补光时，不仅带来严重的光污染，而且影响来往行人、车辆安全;一旦降低补光亮度，又达不到人脸识别的要求。目前主流的解决办法是同时采用较弱的可见光和红外光补光，双传感器架构的摄像机获得有色彩的可见光图像和细节清晰的红外图像，然后经过恰当的图像融合算法把两幅图像巧妙地组合成一幅细节丰富、噪声小、有色彩的图像。这种架构的摄像机在生产过程中需要对前端进行高精度的校准、固定，但是能在有效降低了光污染的同时，很大程度上提升了低照度情况下的成像效果。

2.3 透雾

监控场景出现雾、霾、雨、雪、沙尘等恶劣天气时，空气中的微小颗粒会对光线产生较强的散射、吸收和辐射，在摄像机的图像中表现为灰蒙蒙，对比度和清晰度较低[3]。为了让摄像机在恶劣环境下也能“看得清”，目前的透雾技术主要是光学透雾和算法透雾。光学透雾是利用了红外波段对微小颗粒具有良好的绕射效果，仅对波长较长的红外光进行成像。光学透雾对于雾气的穿透力非常强，成像效果较好，但是由于红外波段成像无法准确恢复色彩信息，最终只能看到黑白图像。光学透雾采用的是经过特殊优化的镜头和滤光片，成本较高影响到其大规模应用。算法透雾实际上是一种视频图像增强技术，原理是根据图像局部区域的亮度、对比度、饱和度自适应地进行局部对比度增强，突出细节轮廓，在雾气不严重的情况下有较好的透视效果。Retinex图像增强、局部直方圖均衡、暗通道先验去雾是常用的透雾算法，能有效提升图像的细节、层次感，但如果透雾强度设置不合理会导致图像对比度过大或者无透雾效果。那么，利用模式识别或深度学习实时地检测图像中的雾气严重程度，然后动态调节透雾的强度，就能把透雾算法造成的图像恶化降至最低。

3  结语

本文分析了现阶段智能交通摄像机图像处理的一部分关键技术，仍有一些未涉及到的主流技术，比如高帧率、低码流、智能分析等，相信随着图像处理技术的快速发展，智能交通系统将会更加可靠、高效，助力城市建设和社会合理发展。

参考文献

[1]尚金生.智能交通中的视频图像处理技术分析[J].现代信息科技，2019，3（14）：86-88.

[2]王潇潇.视频监控摄像机宽动态性能检测技术浅析[J].电子测试，2017，（24）：40-41.

[3]张泽浩，周卫星.基于暗原色和Retinex的夜间图像去雾算法[J].电子技术与软件工程，2019（07）：60-61.

作者简介：

梁冬生（1987-），男，广西南宁人，硕士，研究方向：电子信息与数字图像处理。