金成昆，雷 翔，黄晓强，何小海

(四川大学电子信息学院图像信息研究所，四川 成都 610064)

视觉信息是人类获取外界信息的主要来源。近年来，随着多媒体技术的快速发展，视频图像的应用领域越来越广，例如安保监控、车场管理、医用、军事及民用等。而这些应用常常需要全天候运行，拍摄环境复杂多变，常常因各种因素导致视频图像质量不佳。特别是受噪声、雾霾、低照度等因素影响时，很容易覆盖视频图像蕴含的某些特征，造成对比度大幅下降，严重影响后续处理。而且长期观看低质量视频会加重人眼负担，造成视觉疲劳，甚至导致头晕眼花，因此视频增强技术应运而生。

自20世纪末以来，对于视频增强的需求越来越多，要求也越来越高，关于视频图像增强的算法也不断涌现，并且大部分算法针对某些特定环境具有良好的增强效果[1－3]，但是缺少一种对各种环境增强效果都很好的算法。因此，针对视频图像的不同应用环境，需要选择不同算法对其进行处理。那么对于不同的视频环境，如何快速分类就显得尤为重要，然后根据视频不同类型给予相应的处理以达到自适应视频增强的目的。

本文以TI公司的一款高性能数字图像处理器TMS320DM642为核心构建系统的硬件平台。根据低亮度图像、噪声图像和雾霾图像的统计特性和特征，进行模式分类。通过分别计算图像的亮度均值、色饱和度均值、分块后总体的平均目标个数和每个块的目标个数标准差，从而实现了自动判断视频类型，自适应地将视频分为正常、低亮度、雾霾、噪声、低亮度加噪声这5种情况。……