在模糊视频图像处理技术中, 对同一序列图像内的多帧图像进行积分、融合运算, 以提高分辨率、增加信息量、降低噪声是当前最有效的方法。其原理是在叠加运算中减弱随机噪声, 保持目标信息的稳定性。其技术要点:一是合理挑选有效帧, 二是对特定目标运动轨迹进行跟踪、稳定、配准预处理, 三是选择帧平均、帧融合算法。运动目标稳定重建功能、序列图像帧平均和帧融合算法仅由专业软件提供, 而对于静态目标, Photoshop CS4以上版本也提供了HDR、混合图层等功能[1]。本文对实际案例中不同光照条件下静态目标序列图像的4种处理方法进行比较、分析, 以探讨各种方法适用范围及技术要点。
某年10月, 某地发生一起纵火案件。视频侦查发现, 案发前晚有一嫌疑车在现场附近停靠约30分钟, 现场光照不足, 整体图像模糊, 仅在途经车辆灯光照明下局部较清晰。
为获取整车较为清晰图像, 选取不同光照条件下较为清晰的5帧(见图1~图5)和20帧图像分别进行处理。由于是静止目标, 无需配准, 除采用序列图像帧平均、帧融合技术外, 还使用了Photoshop提供的HDR和混合图层功能进行处理。对5帧图像进行合成处理得到的结果见图6~图9。对20帧图像进行合成处理得到的结果见图10~图13。
原始图像第1、4帧反映车顶部信息, 第2帧反映车头上部信息, 第3、4帧主要反映车右侧信息, 第5帧反映车头下部信息。下面逐一分析对5帧图像合成方法的优劣:
图像整体合成了车顶部、右侧和车头信息, 没有明显的噪声干扰, 但局部细节分辨率有所降低, 尤其体现在车右侧和车头下部, 说明该算法在减弱噪声的同时也降低了有效信息。20帧帧平均与5帧帧平均比较, 噪声和分辨率均整体下降, 说明无效帧参与运算后会降低有效信息。
图像整体合成了所有信息, 总体噪声较帧平均技术高, 但保持了原始图像的高分辨率信息, 综合效果为4种方法中最佳。20帧帧融合效果较5帧噪声水平高且局部分辨率下降, 说明无效帧参与运算后不但会提高噪声水平而且会降低有效信息。
HDR技术也可合成所有信息, 但偏重于表现暗部层次, 中间影调偏亮, 亮部细节丧失, 高光溢出明显, 总体效果最差。20帧帧融合效果较5帧噪声水平降低, 但局部细节同时下降, 说明无效帧参与运算后会同步抑制噪声和有效信息。
图层混合效果与帧融合效果相近, 反差较大, 噪声水平较高, 偏重于亮部信息的合成。20帧图层混合效果较5帧噪声水平大幅增加, 局部细节也被高光覆盖, 说明无效帧参与运算后会提高噪声, 降低有效信息。
对于不同光照条件下静态目标序列图像, 帧平均、帧融合及图层混合方法均有效, 合理选取有效帧增加信息, 排除无效帧干扰是技术关键, 采用图层混合方法无需专用软件, 效果接近, 对于广大基层图像人员是很好的选择。
The authors have declared that no competing interests exist.