1.背景

　　中国地域广阔，天气情况复杂，一些地区的室外监控经常会受到雾气干扰。另外由于空气质量问题，很多大城市也经常受到大雾、沙尘天气的影响，从而导致室外监控的能见度降低。针对这种情况，近年来监控市场上出现了一些具有透雾功能的摄像机，比如海康[1], 日立[2], 韩国Nextchip[3], 富士[4], 创维[5], 台湾视惟科技[6]，等。这些新产品通过摄像头前端图像处理来达到雾去除，增强能见度的效果。问题是这些产品图像处理方法各异，目前的透雾效果主要通过人眼比较 (如图1所示)，没有一个客观的统一标准来验证透雾结果。为了解决这个问题，本文提出了一种客观量化的透雾效果评价方法。

(a)透雾前图片	(b)普通透雾效果	(c)较好透雾效果

　　图1 人眼透雾效果评估

　　2.透雾图像纹理分析

　　摄像机的透雾功能可以增强图像能见度，使得图像中原来模糊的地方变得清晰。这个由模糊变清晰的过程反应了图像纹理细节的变化。所以图像的纹理强度可以作为评价图像透雾效果的有效参数。

　　2.1 有效纹理强度

　　有效纹理强度的计算参考中国科学院自动化研究所姚波等提出的方法[7]。如图2所示，首先第一步将彩色图像转成灰度图像;第二步计算灰度图像的垂直和水平边缘;第三步将垂直和水平边缘相加得到总边缘;第四步根据一定的阈值将较小边缘作为噪声去除;第五步采用图3所示的方法进一步去除噪声得到最后的有效纹理强度。

　　图2 有效纹理强度计算流程图

　　图3所示的方法是为了去除图像中由离散噪声所造成的纹理信息，而保留由物体所带来的纹理信息。图像的每个像素点都有8个周围点。如图3所示，对于像素点5，计算参数m1 = 像素1的值 * 像素5的值 * 像素9的值;参数m2 = 像素2的值 * 像素5的值 * 像素8的值;参数m3 = 像素3的值 * 像素5的值 * 像素7的值;参数m4 = 像素4的值 * 像素5的值 * 像素6的值。如果 m1+m2+m3+m4 大于0，则点5被认为是物体纹理信息，否则点5被认为是噪声纹理，被去除。

　　图3 图像像素噪声去除

　　2.1 有效纹理强度计算结果

　　图3所示，图像透雾前有效纹理强度为1.86，透雾处理以后，有效纹理强度提升到9.23.由此可见有效纹理强度能够很好的反应图像透雾处理前后差异，可以作为图像透雾效果客观评价指标。

　　图4 图像透雾前后有效纹理值变化

　　3.透雾效果客观评价体系

　　有效纹理强度能够很好的反映图像透雾前后的变化，但是还需要一项能够量化判断图像透雾是否成功的客观评价标准。所以本文提出了一种基于统计的客观评价标准。

　　3.1图像质量打分评价体系

　　同一幅图片，不同的用户对于图像透雾是否成功，是否清晰会有不同的评判标准，所以为了找出图像评价的共同特性，本文采用了基于统计的评价体系。如图5所示，对于一幅透雾图片，同时邀请5个人对该图片进行评估，如果有3个或3个人以上认为这幅图片清晰，那么这幅图片则被认为是透雾成功，否则失败。

　　图5 图像透雾前后有效纹理值变化

　　由5个人对166幅图片数据库进行评估，标记出清晰和模糊的图片。为了客观，图片数据库包含了各种光照情况，雾的浓度强度变化，不同监控场景等。同时具有透雾前图像和透雾后图像。一共72组图片，每组图片包含一幅透雾前图像和1到3幅透雾后的不同结果图像。 在进行评估打分时，随机播放图片，如图六所示。

　　图6 图像透雾评估图像随机播放

　　3.2基于统计的评价标准

　　图7显示的是对72组(166幅)图片的打分评价结果。图中的横坐标是图像的组号，纵坐标是图像的有效纹理强度，蓝色点代表的是被人眼评价为清晰的图片，红色点是被人眼评价为模糊的图片。由此可见清晰的图片大部分集中在图7的上半部分，具有较高的有效纹理强度值;模糊的图片大部分集中在图片的下半部分，具有较低的有效纹理强度值。

　　进一步统计图7中蓝色点(清晰图片)在每段有效纹理强度区间内分布，得到图8结果。可以发现，随着有效纹理强度的增加，图片被评价为清晰图片的概率会接近于线性上升。所以可以将透雾图像是否成功，是否清晰的评价和有效纹理强度的值联系起来。本文设定透雾有效纹理强度为15，可以被评价为清晰图片，此时正确概率超过60%。

　　图7 清晰模糊图像分布图

　　图8 图像透雾是否清晰判断标准

　　4.结论

　　本文提出了一种判断视频监控图像透雾是否成功，透雾图片是否清晰的客观标准。当透雾图片的有效纹理强度达到15时，则可以认为是清晰图片。本文方法可以作为不同厂家透雾摄像机性能评价的参考标准，或是作为厂家产品设计的良好工具。