DOCUMENTO TE CNICO. Hikvision. Tecnologia de Desembaçamento Digital. [Headline] Para liberação [12/01/2012]

Transcrição

1 Hikvision Telefone: Fax: Canada Court City of Industry, CA Hikvision DOCUMENTO TE CNICO [Headline] Tecnologia de Desembaçamento Digital Para liberação [12/01/2012]

2 Página 2 Tecnologia de Desembaçamento Digital Histórico As câmeras de vigilância são normalmente instaladas em áreas externas, esperando-se que resistam ao teste de tarefas de vigilância 24/7, e frequentemente ficam expostas à luz forte, chuva, neve e neblina. Quase sempre o ambiente tem uma grande influência na qualidade da imagem da câmera de vigilância, especialmente a neblina. A partícula aerossol contendo umidade e fumaça na neblina é a causa principal de degradação da qualidade da imagem e a baixa relação de contraste quando há neblina pode diminuir a qualidade da imagem em que os detalhes da cena não podem ser visualizados com nitidez. Assim, a tecnologia de desembaçamento é uma das tecnologias imperativas para a vigilância de ambientes externos. No momento, uma abordagem comum para o desembaçamento é utilizar um componente óptico específico para detectar mais informações de IR na neblina. Uma das responsabilidades desse meio físico é o custo elevado. O desenvolvimento da tecnologia digital integra a tecnologia de desembaçamento no processamento da imagem. Essa tecnologia ajusta a distribuição das informações captadas pelo sensor de imagem e intensifica a cor e os detalhes do alvo de vigilância para diminuir a perda de informações durante um processamento subsequente como, por exemplo, ISP e compressão por codificação. Neste artigo, discutiremos a tecnologia de desembaçamento digital. Classificação da tecnologia de desembaçamento digital Há dois algoritmos de desembaçamento digital conhecidos - os métodos de aprimoramento de imagem não modelo e de recuperação de imagem modelo. O método de aprimoramento de imagem não modelo aumenta a relação de contraste para detectar a função de desembaçamento com base no julgamento visual subjetivo. E o método de recuperação de imagem modelo investiga as razões pelas quais a qualidade de imagem deteriora e modulariza o processo da deterioração e, em seguida, inverte o processo e, por fim, recupera a qualidade de imagem original.

3 Página 3 As formas típicas de um aprimoramento de imagem não modelo incluem a equalização de histograma, a transformação do filtro e a teoria baseada na lógica fuzzy. A equalização de histograma pode ser dividida em equalização de histograma global e equalização de histograma parcial. A equalização de histograma global tem um baixo custo de computação, mas a otimização das informações detalhadas não é suficiente. A otimização da equalização de histograma parcial tem um efeito melhor, embora o efeito em blocos possa ocorrer e os ruídos também sejam intensificados. O algoritmo de transformação do filtro possibilita uma boa qualidade de imagem, mas o custo de computação e o consumo de recursos são tão altos que deixa de ser adequado para uma vigilância com exibição ao vivo. O efeito de desembaçamento da teoria baseada na lógica fuzzy conhecida não é suficientemente ideal. Em suma, o método de aprimoramento de imagem não modelo pode aumentar a qualidade da imagem em parte e a região de interesse pode ser intensificada para aumentar a qualidade da imagem. Em princípio, essa é a razão pela qual a deterioração da imagem nunca é trabalhada e altera apenas as percepções visuais, mas não melhora a qualidade da imagem de forma eficaz. O método de recuperação de imagem modelo inclui o método de filtragem, o método de entropia máxima e o método de estimativa de função de imagem degradada. De modo geral, o método de filtragem, como o filtro de Kalman, apresenta uma computação pesada. A entropia máxima consegue uma alta resolução, mas é um algoritmo não linear com uma computação enorme e o processo de cálculo é complicado demais. O método de estimativa de função de imagem degradada é normalmente desenvolvido com base em certo modelo físico como, por exemplo, o modelo de dispersão atmosférica e o modelo de desembaçamento com propriedade de polarização; esse algoritmo requer a captura da imagem em diferentes momentos como referência para determinar os parâmetros do modelo físico e esse método é difícil de aplicar no uso da vigilância em tempo não real. O complicado ambiente de vigilância e o clima ruim propõem uma alta exigência em relação ao consumo de energia, conveniência, eficácia e adaptabilidade dos produtos de vigilância. E a melhor prática da tecnologia deve integrar o aprimoramento e a recuperação da imagem e ser baseada no modelo de transmitância atmosférica para, assim, obter uma imagem relativamente ideal.

4 Página 4 Desembaçamento digital da Hikvision Com uma análise e pesquisa completas sobre os pontos fortes e fracos das atuais teorias e algoritmos de desembaçamento, e considerando a exigência específica de desembaçamento no setor de vigilância por vídeo, a Hikvision desenvolve uma tecnologia de desembaçamento de vídeo para vídeo em tempo real. A tecnologia é baseada na teoria de óptica atmosférica. Durante o desembaçamento, ela diferencia a profundidade do campo e a densidade da neblina de diferentes áreas e utiliza o processo de filtro para obter uma imagem desembaçada correta e natural. No processo de desembaçamento de imagem, geralmente utilizamos o módulo a seguir para indicar a imagem da cena com neblina. I( x) J( x) t( x) A(1 t( x)) I representa a imagem e J é a intensidade de luz; A refere-se aos componentes ópticos atmosféricos e t é a luz que não se dispersa ao passar pelo meio. O objetivo do desembaçamento é restaurar J, A e t valor. J é a imagem resultante após o processo de desembaçamento. A J( x) t( x) são os itens de degradação direta, representando a luz que permanece após a degradação durante a transmissão no meio. A(1 t( x)) é a luz na atmosfera causada pela difusão da luz frontal. O fluxograma do processo de desembaçamento em tempo real é exibido abaixo na Figura 1. Os dados de vídeo de entrada estão no formato pontilhado e os dados de vídeo de saída são processados; contudo, são iguais aos dados de vídeo de entrada. O processo de desembaçamento em tempo real pode restaurar os detalhes da imagem e melhorar a qualidade do vídeo; assim, é também muito eficiente para dados de vídeo compactados. Portanto, os dados de vídeo de entrada podem ser os dados de vídeo originais ou os dados após uma perda de compressão. Entretanto, em comparação com o dos dados de vídeo compactados, quando os dados de entrada são os dados de vídeo originais, o resultado do processamento de desembaçamento é mais ideal.

5 Página 5 Spatial Color Transformation Partial Fog Density Estimation histogram statistic Global Fog Density Estimation Partial Detail Recover and Enhancement Correct Transmissivity Calculate transmissivity Atmospheric light values Estimation Figura 1 Fluxograma do processo de desembaçamento de vídeo No caso do vídeo de entrada embaçado, esse método utiliza o modelo de Imagem Atmosférica para analisar e estimar o valor e a A transmitância de luz da atmosfera t. Com base na visão do computador e na tecnologia de processamento de imagem, esse método utiliza a estatística de histograma, intensificação da relação de contraste e filtragem para detectar o desembaçamento em tempo real. Devido à integração da estimativa de densidade global e parcial da neblina, a tecnologia de desembaçamento de vídeo em tempo real ajusta-se automaticamente para adaptar-se a uma série de cenas em constante mudança e a uma área parcial dentro da cena para evitar borrões e a escuridão causados pelo processo de desembaçamento. Enquanto isso, considera-se o equilíbrio de eficiência e complexidade do processo de desembaçamento. Aplicações da tecnologia de desembaçamento A tecnologia de desembaçamento digital pode ser implementada em diversos projetos de vigilância de ambientes externos como a vigilância de uma rodovia, ferrovia, navegação, pista de aeroportos e outros pontos escuros para o tráfego. A função de desembaçamento também é importante para usinas elétricas, estações de base de comunicação etc. A partir da perspectiva de aplicação, a função de desembaçamento é mais aplicável para câmeras externas e speed domes para aumentar a qualidade da imagem na neblina. Os produtos back-end como DVRs não podem, em sua maioria, utilizar a função de desembaçamento devido ao

6 Página 6 processo de sinal de vídeo, podendo a perda de dados ser a causa da compressão. Figura 2 A Comparação do antes e do depois da Intensificação da Relação de Contraste Figura 3 A Comparação dos detalhes antes e após o aprimoramento

7 Página 7 Figura 4 A Comparação do texto na cena antes e após o aprimoramento