文/陈乾

透雾监控需求最早出现在海事、边防等国防领域，而最早的透雾技术也是基于光学镜头实现的，也就是所谓的光学透雾。近几年，随着图像处理技术的发展，对图像进行去雾处理已成为可能，透雾技术的应用也逐渐在民用监控领域普及。

概况

在雾霾天气条件下，大气中悬浮着大量的粒子，会对光线产生较强的散射作用。雾霾对视频监控系统的主要影响有以下几个方面：

物体表面的反射光由于大气粒子的散射而产生衰减，造成物体成像的亮度减弱；

反射光经大气粒子前向散射作用参与其它像素点成像，导致图像模糊、分辨率下降；部分大气粒子的粒径较大，在成像过程中成为噪声；

与成像无关的自然光经过大气粒子的散射，进入图像传感器参与成像，这种后向散射作用造成图像饱和度、对比度降低及色调偏移。

雾霾天气使监控图像色彩黯淡、对比度降低、细节缺失，大大降低了视频监控系统的实用性。

透雾技术分为光学透雾与数字透雾两种，根据原理的不同两者各具优势。光学透雾是利用近红外光波长较长，受雾气干扰更小的原理来获得比自然光下更清晰的图像，需要镜头和摄像机同步实现，摄取的画面是黑白的；而数字透雾是基于图像复原或图像增强的后端处理技术。

光学透雾

光学透雾是最早应对超长距离监控下透雾需求的一种技术手段，它利用近红外光波长较长，在传播时受大气粒子干扰较小这一原理来实现的。光学透雾由镜头实现，由于采用近红外波段成像，因此成像画面是黑白图像。

相比普通镜头，透雾镜头需要通过特殊镀膜来提高对近红外光波段的透过率。

透雾镜头还需要确保近红外光成像与自然光成像能够聚焦在同一平面上，否则在模式切换时会出现虚焦现象；另外，光学透雾还需要摄像机的配合，宇视网络摄像机专为配合光学透雾设置了功能项：

当开启透雾后，摄像机会自动切换到黑白模式，并通过开关量控制镜头同步切换到透雾模式。

光学透雾应用主要集中在大变倍镜头上（焦距在100mm以上），价格昂贵，通常应用于边防、海事、森林防火。

数字透雾

数字透雾是基于人类视觉感知模型设计的后端图像复原技术，目前对于雾天图像的处理方法主要分为两类：图像增强透雾技术和图像复原透雾技术。图像增强技术不考虑图像降质原因，适用范围广，能有效地提高雾天图像的对比度，突出图像的细节，改善图像的视觉效果，但会造成部分图像细节的损失。图像复原是研究雾天图像降质的物理过程，并建立退化模型，反演退化过程，补偿退化过程造成的失真，以便获得未经干扰的无雾图像或无雾图像的最优估计值，从而改善图像质量。这种方法针对性强，得到的去雾效果自然，一般不会有信息损失，处理的关键点是模型中参数的估计。

图像增强透雾技术

目前通过增强的方式来进行透雾处理典型的方法有全局化增强和局部化增强两种。

全局化增强又包含直方图均衡化方法、滤波和基于大气调制传递函数方法； 直方图均衡化方法的实现原理是对有雾图像的直方图进行变换，拉伸了灰度值的动态范围，从而达到增强雾天图像对比度的效果；滤波算法则是一种把频率过滤和灰度变换相结合的图像增强处理技术，利用压缩亮度范围和增强对比度来改善图像质量，能获得较好的透雾效果，但计算量大、资源消耗多，无法应用于实时性要求较高的监控领域；而基于大气调制传递函数增强透雾图像的原理是通过对函数的预测，近似估计大气对图像质量的退化过程。该方法需要得到先验信息，因此无法付诸应用。

局部化增强包含局部直方图均衡化、局部对比度增强和基于局部方差方法。局部直方图均衡化方法是通过局部运算的叠加自适应地增强图像局部信息；局部对比度增强则通过常数增益或饱和度反馈算法等实现对饱和度的还原；基于局部方差方法则通过计算并比较局部标准方差的大小来判断局部图像的增强程度，然后以灰度均值为基准进行局部灰度拉伸。

全局和局部图像增强算法因实现策略不同，各有优缺点。全局算法以整幅画面的均值作为评估对象，运算量小，但算法忽略了雾的浓度会随景深的增大而不断加深的事实，容易出现后景处理不足或前景过处理等现象，如果画面景深较小，则不失为一种有效的处理方法；而局部算法则考虑到画面不同区域雾的浓度不一，从而采取分块处理的方式，透雾效果较好，能有效增强画面局部细节，适用于景深多变的场景，但算法在分块评估时会引入块状效应，且存在计算量大、画面噪声容易被放大，以及景深信息难以准确评估等缺陷。

图像复原透雾技术

基于图像复原的方法则通过多幅图像比较（不同天气条件下的多幅图像，或多幅偏振图像）、先验信息、用户交互或假设模型等获得图像的退化函数，以此还原出清晰图像。基于这些物理模型的方法可以获得相对准确的景深信息，并最大限度地恢复清晰图像，但难以满足在场景多变、实时性要求高的监控领域应用。

宇视数字透雾技术

近年来，安防厂商陆续提出基于图像增强的透雾技术，大部分采用全局直方图均衡化的方法，该算法简单，具有一定的视觉效果；也有些厂商在此基础上提出对不同景深进行区域滤波的方法，但是这种方案需要对雾气浓度和景深进行估计，算法过于复杂，且透雾图像存在噪声和块状效应，实际效果并不理想。

宇视结合图像增强和图像还原技术，充分发挥全局算法和局部算法的优势，并对局部算法作了裁剪和优化，使图像还原和噪声抑制达到平衡，在保证透雾图像细节得到增强和还原的同时，有效抑制传统算法引入的画面噪声和块状效应。

如下图所示，雾霾天气下，近景雾化现象较轻，随着景深的加大雾化现象逐渐加深。传统透雾算法还原的图像中，对近景的处理效果较好，但远处景物的去雾效果明显不足，且颜色还原度较低。宇视透雾图像不仅将近景、远景同步还原，而且能够还原画面的色度，提升画面通透性。

结束语

随着透雾技术的不断发展，透雾应用也从原先的国防、海事等专业领域，逐渐向水利、公路以及城市监控民用领域渗透。

在技术方案的选择上，光学透雾作为唯一无损的透雾技术方案，主要集成在大变倍镜头上，整体价格昂贵，目前主要应用于国防、海事、森林防火、水利、高速公路、大型桥梁等专业监控领域；而数字透雾作为一种基于后端还原的图像处理技术，以其低成本、易部署等特点，已经广泛应用于城市监控中。