视频增强（精选六篇）
视频增强 篇1
视频采集过程受诸多因素影响，如夜间或者暗光拍摄条件下表现为光照不足、亮度偏低；光线遮挡使得形成的图像一部分明亮另一部分较暗，造成光照不均；反光或强光源使得获取的图像亮度分布不均勾，高亮区域细节模糊。光照不足或者光照不均一方面会造成图像主观效果不佳，难以满足人们视觉感官的需要，另一方面对于后续的图像处理比如模式识别[1]、目标跟踪都会造成较大影响。由此出现图像增强技术对光照不均图像进行增强处理提高质量。
图像增强技术根据图像质量情况和不同的应用釆用信号处理技术手段达到增强局部或者整体特征的目的[2]。针对光照不均匀图像的增强处理，常常采用的算法主要有：灰度变换方法[3]、同态滤波方法[4]、小波变换增强[5]、基于Retinex理论的算法[6]等。其中，基于Retine理论的增强算法具有颜色保真、细节增强和动态范围压缩等多个方面的优势，它常常与其他算法结合使用可以达到更好的增强效果，目前已广泛应用于航空航天、生物医学、电视电影等多个方面，占据比较重要的地位。
自20世纪70年代Retinex理论提出以来，得到了很大的发展和关注。从采用同态滤波器的Retinex算法，到后来又出现了中心环绕Retinex，包括单尺度Retinex(SSR）和多尺度Retinex(MSR）以及带颜色恢复的Retinex(MSRCR）算法等。Michael Elad引入两种双边滤波器[7]，一个滤波器处理图像的反射分量，另一个滤波器对图像的入射分量进行估计，算法对边缘处的增强效果也较好，在消除“光晕”方面有了一定效果。文献[8]又提出了一种亮度修正的Retinex算法，算法将Canny算子和Retinex算法结合起来，算法首先对入射分量分析，接着采用Canny算子检测图像边缘信息，该算法能够有效消除“光晕”现象。文献[9]提出了局部多尺度的Retinex算法，将小波变换和Retinex算法结合起来，实现了图像色彩保真与细节增强两者之间的权衡[10]。文献[11]将图像转换到HIS空间对亮度和饱和度进行调整，同时加入影像边缘细节特征。陈志斌等人针对烟雾区域灰度建立专门数学模型，利用信息熵进行灰度拉伸[12]。文献[13]基于Retinex框架在小波域自适应估计照度分量。
上述改进主要关注于消除Retinex处理“光晕”现象、边缘的增强以及图像对比度的提升，忽略了处理所造成的人工痕迹明显以及时间效率等问题。本文对基于Retinex理论的算法进行研究，考虑日常影视及移动设备拍摄视频的增强处理要求，提出一种新的方法，使需要增强图像区域看起来更加自然，而对于无需增强的图像区域，处理后也不会变得更差。另外通过引入引导滤波使得算法满足实时应用要求，同时消除光晕。实验结果表明本文算法是切实有效的。
1 Retinex算法简介
Retinex理论算法模型把原图像分解为反射分量和入射分量，反射分量决定图像的内在性质，而照射分量决定图像达到的动态范围，通过某种方法估计出图像的低频光照信息，进而提取出图像的反射分量，也就是图像的细节信息，还原物体的原貌。
虽然不同的文献对Retinex算法的数学表达形式可能不同，但实际上它们是相似的，都是通过对照度图像尽可能准确地估计进而提取反射图像，最终达到增强图像的目的。不同之处在于对照度图像估计方式的不同。
Retinex理论算法数学模型为：
式中：R表示入射分量，它决定物体的内在性质；L表示照度分量，它决定了图像像素的动态范围。
通常需要将式（1）变换到对数域处理，一方面可以将复杂的乘法运算转换为简单的加法运算，另一方面对数域的数据更加接近人眼的感知能力。对式（1）两边取对数得：
直接获得物体的反射分量较困难，但是可以通过先对照射分量进行估计，然后在对数域上用原图像减去估计出的照射分量，最后得到反射分量。通常用低通滤波器对原始图像进行卷积估计照度分量图像，Jobson证明了采用高斯滤波函数可以得到较好的增强效果：
式中：c为尺度参数，通过调节c的大小调节增强效果。实验表明，c越大，图像的边缘信息得到较好的保留，但是动态范围压缩较小；c越小，动态范围能够得到较好的压缩，但边缘比较模糊。
Retinex虽然能够在一定程度上增强图像，但是它存在处理后的图像亮度偏高、“光晕”及处理后图像出现色偏等问题。“光晕”存在的原因在于“空间照度变化缓慢”的假设在图像中某些部分是不成立的，比如说明暗分明的边界、阴影等区域。算法在计算图像的全局照度分布时所采用的高斯卷积核是各向同性的，而且为防止结果图像颜色的失真，要求采用的卷积核尺度较大。当尺度较大的卷积核通过明暗变化剧烈的区域时，将会严重模糊阴影的边界致使模拟全局照度分布失败，最后将导致输出图像的阴影边界附加出现“光晕”现象，细节信息也丢失。
另外生成照度分量所用的低通滤波器通常选择高斯滤波，为了抑制光晕，一些文献提出使用双边滤波代替高斯滤波。这两种滤波器带来的卷积运算量都和滤波器支撑域成正比，大尺度卷积核会使运算量急剧增加，使处理过程缓慢，不能满足实时视频处理的要求。
2 基于Retinex的视频自适应增强算法
虽然双边滤波等边缘保持滤波器能抑制“光晕”现象，但时间复杂度较高；而其他的算法如考虑边缘特性的各向异性算法[14]虽然能解决问题，但稍显繁杂。而且Retinex处理后的图像很多时候人工痕迹较为明显，典型表现为图像明亮区域抑制过多，图像暗区域增强太过，会出现色彩失真等不自然效果，如图1(b）和图2(b）所示，图1，图2在天空、道路及灯光处都显得失真，Artifact明显。
考虑自然图像的增强，往往更关注暗区域部分，而对于高光区域，如果压缩太多，会使图像显得不真实；另外对于非光照不足或光照不均图像，算法处理的结果不应该变差。为此本文考虑实际应用中，对于处理结果自然度方面的要求较为重要，提出一种视频增强算法，利用引导滤波消除“光晕”和提高速度，满足实时处理要求；结合图像全局及局部灰度特性避免明显的人工痕迹，达到自适应处理需要增强的图像区域，同时不会影响视频中其他正常图像或区域质量的目的，取得较高的视觉效果。
2.1 结合全局及局部灰度特性的自适应Retinex
对于光照增强而言，一个自然的想法是对原始图像中相对暗的区域加强补偿，而对原始图像中相对明亮的区域减少处理，从而在补偿光照的同时减少Artifact，因此，可以利用图像灰度特性改善Artifact。
图像的灰度特性可以直接通过像素颜色值大小反映，针对视频光照补偿的应用，本文研究提出一种补偿系数：
式中：k为经验常量，k∈(0,1);S(x,y)为原始图像的像素值；meanv是图像全局均值；min和max为截断操作，保证计算出的系数范围在(0,1)内。
上述补偿系数综合考虑了图像的整体像素亮度及局部像素亮度。整体颜色均值meanv大小代表全局灰度特性，整体上较暗的图像，处理后不自然度就越大，需要稍降低补偿力度，因此meanv与cf成正比；局部像素点的亮度即局部灰度特性，局部暗的像素重点增强，因此S(x,y)与cf成反比，据此两方面自适应设置增强力度。对于实验部分图5(a），其补偿系数分布图如图3所示。
将式（4）代入式（3），可以得到新的计算公式：
2.2 基于引导滤波的照度分量估计
引导图像滤波器由He提出[15]，具有边缘保持性质，滤波器与引导图像I、滤波输入图像p以及输出图像q相关，I和p预先给定，可以相同。滤波结果在像素点i处表示成一个加权平均：
式中：引导图I和滤波输出q是一个在窗口ωk内的局部线性模型：
ak和bk是当窗口中心位于k时上面的线性函数的系数。在该滤波算法中，影响效果的有两个参数r和ε。r是窗口ωk的半径，ε用于界定图像局部颜色值变化大小，在窗口大小保持不变的情况下，ε越大，滤波效果越明显。
利用引导滤波估计照度图像，可以做到算法执行时间与滤波核尺寸无关。
3 实验
文中所有实验图像来自手机拍摄视频和影视片段，转换到YUV格式进行处理。手机拍摄视频尺寸为1 280×720，影视片段均从网络电影无损截取。实验环境为Window 7系统的PC机，利用Matlab R2010b进行编程和算法运算。所有算法均调整至最佳效果。
为了充分验证所提算法的有效性，本文进行了大量实验，下面选取几组进行对比评价。
图4为电影开头画面。图4(b）为用高斯滤波估计照度图像的处理结果，滤波核尺寸为32×32，可以看到在明暗分明的边界（红色矩形框区域），出现了“光晕”，这是由于高斯卷积引起照度图像边界模糊导致的；图4(c）为用引导滤波计算照度图像的结果，因为具有边缘保持性，所以可以较好地消除“光晕”，但对图像高亮区域不合理的抑制，导致处理结果失真（红色箭头指向区域）；图4(d）为本文改进算法，引入补偿系数，在增强较暗区域的同时可以使处理后图像更加自然；图4(e）为补偿系数分布图像。
图5和图6同样为两组影视截取画面，图5为综艺节目《爸爸去哪儿》，整体偏暗，图6为电影《木乃伊3》，存在高光区域。图5(b）为使用引导滤波的原算法，在天空、道路及屋檐灯光处人工痕迹明显，图5(c）为改进算法处理结果，在增强光照的同时可以保持一种很自然的风格；图6(b）在洞口高光及佛像处显得不自然，而图6(c）视觉效果更胜一筹。
图7为手机拍摄视频截图，存在阴影。需要指出的是本文算法的目的并非是完全消除阴影，而是在增强光照的同时保持图像自然风格，图7(c）很好的说明了这一出发点。
4 结语
本文着眼于视频光照增强处理的实际应用要求，基于Retinex理论自适应补偿系数消除人工痕迹保持自然度，利用引导滤波加快处理速度及避免“光晕”，满足日常影像处理的需求。下一步的工作将关注视频光照补偿所产生的帧间亮度闪烁问题，以及图像自然程度的定量衡量指标。
摘要：Retinex算法是图像增强的常用方法。基于Retinex理论提出一种新的视频光照增强算法,结合图像全局及局部灰度特性引入补偿系数,增强暗区域光照的同时克服了传统算法处理后的人工痕迹,使处理结果更加自然;同时,算法用引导滤波估计照度图像,在避免光晕现象的同时可以加快算法处理速度。实验结果表明,该方法简单有效,视觉效果提升显著。
视频增强 篇2
项目编制单位：北京智博睿投资咨询有限公司
资金申请报告编制大纲（项目不同会有所调整）第一章 数据采集与视频监控系统（SCADA）项目概况 1.1数据采集与视频监控系统（SCADA）项目概况
1.1.1数据采集与视频监控系统（SCADA）项目名称 1.1.2建设性质
1.1.3数据采集与视频监控系统（SCADA）项目承办单位 1.1.4数据采集与视频监控系统（SCADA）项目负责人
1.1.5数据采集与视频监控系统（SCADA）项目建设地点
1.1.6数据采集与视频监控系统（SCADA）项目目标及主要建设内容
1.1.7投资估算和资金筹措
1.2.8数据采集与视频监控系统（SCADA）项目财务和经济评论
1.2数据采集与视频监控系统（SCADA）项目建设背景
1.3数据采集与视频监控系统（SCADA）项目编制依据以及研究范围
1.3.1国家政策、行业发展规划、地区发展规划
1.3.2项目单位提供的基础资料
1.3.3研究工作范围
1.4申请专项资金支持的理由和政策依据
第二章 承办企业的基本情况 2.1 概况 2.2 财务状况
2.3单位组织架构
第三章 数据采集与视频监控系统（SCADA）产品市场需求及建设规模
3.1市场发展方向
3.2数据采集与视频监控系统（SCADA）项目产品市场需求分析
3.3市场前景预测
3.4数据采集与视频监控系统（SCADA）项目产品应用领域及推广
3.4.1产品生产纲领
3.4.2产品技术性能指标。
3.4.3产品的优良特点及先进性
3.4.4数据采集与视频监控系统（SCADA）产品应用领域
3.4.5数据采集与视频监控系统（SCADA）应用推广情况
第四章 数据采集与视频监控系统（SCADA）项目建设方案
4.1数据采集与视频监控系统（SCADA）项目建设内容
4.2数据采集与视频监控系统（SCADA）项目建设条件
4.2.1建设地点
4.2.2原辅材料供应
4.2.3水电动力供应
4.2.4交通运输 4.2.5自然环境
4.3工程技术方案
4.3.1指导思想和设计原则
4.3.2产品技术成果与技术规范
4.3.3生产工艺技术方案
4.3.4生产线工艺技术方案
4.3.5生产工艺
4.3.5安装工艺
4.4设备方案
4.5工程方案
4.5.1土建
4.5.2厂区防护设施及绿化
4.5.3道路停车场
4.6公用辅助工程
4.6.1给排水工程
4.6.2电气工程
4.6.3采暖、通风
4.6.4维修
4.6.5通讯设施
4.6.6蒸汽系统
4.6.7消防系统
第五章 数据采集与视频监控系统（SCADA）项目建设进度
第六章 数据采集与视频监控系统（SCADA）项目建设条件落实情况
6.1环保
6.2节能
6.2.1能耗情况
6.2.2节能效果分析
6.3招投标
6.3.1总则
6.3.2项目采用的招标程序
6.3.3招标内容
第七章 资金筹措及投资估算 7.1投资估算
7.1.1编制依据
7.1.2编制方法
7.1.3固定资产投资总额
7.1.4建设期利息估算
7.1.5流动资金估算
7.2资金筹措
7.3投资使用计划
第八章 财务经济效益测算
8.1财务评价依据及范围
8.2基础数据及参数选取
8.3财务效益与费用估算
8.3.1年销售收入估算
8.3.2产品总成本及费用估算
8.3.3利润及利润分配
8.4财务分析
8.4.1财务盈利能力分析
8.4.2财务清偿能力分析
8.4.3财务生存能力分析
8.5不确定性分析
8.5.1盈亏平衡分析
8.5.2敏感性分析
8.6财务评价结论
第九章 数据采集与视频监控系统（SCADA）项目风险分析及控制
9.1风险因素的识别
9.2风险评估
9.3风险对策研究
第十章 附件
10.1企业投资项目的核准或备案的批准文件； 10.2有贷款需求的项目须出具银行贷款承诺函； 10.3项目自有资金和自筹资金的证明材料； 10.4环保部门出具的环境影响评价文件的批复意见；
10.5城市规划部门出具的城市规划选址意见（适用于城市规划区域内的投资项目）；
10.6有新增土地的建设项目，国土资源部门出具的项目用地预审意见；
10.7节能审查部门出具的节能审查意见； 10.8项目开工建设的证明材料；
视频增强 篇3
公司起步于无锡，成立于2009年11月，50来人的团队。马松伟是负责技术的另一名创始人。他是中兴通讯宽带接入产品总设计师、美国贝尔实验室新型网络技术全球研究总监。
在将近3年的时间里，他们一直处于一个产品的研发阶段。但8月份，他们已确定将产品推向市场。
成为“视频版微信”
聊到产品，汤晓辉认为对它更为精准的概述是“一个可视化的协作平台”。除了PC，手机、平板电脑等终端设备也可以使用他们的产品；无论是有线、无线还是3G，只要能上网就能进行移动视频通讯。它的应用可以是一个视频会议，一次可视化的办公，也可以用它监管、处理工作中的某些业务。
概括起来，它的主要使用价值表现为两点：一，在政府领域，可能会遇到一些突发性的、需要迅速处理的事件，只要有人在现场，利用这款产品便能及时将现场的情况反馈给决策层；二，在企业应用领域，对于那些拥有多个分支机构的公司，这个产品可以在不同的终端设备上出现，利用它可以看到各个办公、生产场地的运转情况，随时随地进行视频沟通。如果一个客户去一家工厂看产品，当销售人员遇到一时无法解决的问题，这款视频通讯产品便是一座与公司管理人员进行直观性沟通的桥梁。“这完全改变了老板的管理方式，加强了对整个公司的管控。”
这个领域很容易给人这样一个印象：各类视频产品层出不穷。汤晓辉不免要对现在的视频产品所存在的问题和局限做一番描述，以此表明他们与这些产品的差异。
首先是大家常见的视频监控。汤晓辉认为它存在两个问题：一是，只有在监控中心才能看到监控的内容；二是，当它分布在多个点的时候，看起来很繁琐、麻烦。而另一类通过硬件实现的视频会议产品，其局限性是，通常只有在一个固定的会议室才能开会，能参与讨论的人数为之有限，“比如说，那些在工作的员工，不进入这个会议室就没办法同步开会”。而通过软件实现的视频会议，往往在移动性方面表现得不尽如人意。如果是针对某个现场的突发性事件，这种桌面外的会议是没法开的。
而像QQ这样广为人知的即时通讯工具所开发的视频产品，在他看来，其缺陷是往往只能用于个人与个人之间的视频沟通，“很难帮助企业处理一些具体的业务”。
在这样的行业现状之下，联优所开发的、被汤晓辉称为“可视化的协作平台”的移动视频通讯产品，实际上就是把各类视频产品的不同功能，譬如视频通话、视频会议、视频录播、点播、视频短信等结合起来，集中体现在一个产品里。
“不管你是在宾馆、家里、咖啡厅还是在路上，也不管是什么网络，只要能上网就可以使用。我们强调的是一个随时随地可视化的协同工作平台。”汤晓辉甚至比喻道，“它是一个视频版的微信，增强版的Facebook。”
做方案解决商，不卖软件或硬件
汤晓辉在IT界浸淫多年，使得他对行业趋势的判断平添了几分自信，有一种日久形成的底气：“我们一直在看未来三到五年IT技术发展的大趋势。整个电信行业、IT界的发展，我是一路看过来并亲身经历过的。”
他说的大趋势建立在一个这样的背景之下：从通讯的手段来看，它经历了从书信、电报、程控电话、BP机、大哥大，到互联网时代的即时通讯、电子邮件、语音的发展过程。未来的趋势是：上网越来越方便，支持上网的终端设备越来越多，“下一步不可逆转的一个趋势，一定是视频为王的时代。开发一个共同协作的视频通讯工具会是下一个主流”。
在移动视频领域，江苏联优已经部署了24项发明专利。汤晓辉说，联优的移动视频通讯有两个独创的技术：大规模分布式的移动技术和流媒体分发网络技术。“在带宽特别糟糕的情况下怎么办？我们有一个带宽指引技术，它会自动调整，保证通话的最优效果。”而在大规模分布式移动技术表现上，在联优的技术设计里（尚未进行客户检验）可以“支持千万级以上的连接”。
一年多前，联优开始做销售工作的前期铺垫。一共列出了想要进入市场的18个行业。除了政府部门的应急指挥需求，联优感兴趣、希望在早期进入的几个细分市场为：连锁企业，需要用这套产品进行异地管理；医院医疗系统，这是一个热点行业，但一些技术与医院的业务结合并不紧密，汤晓辉认为这是他们的机会。
汤晓辉向《创业邦》表示，在其未来市场的长远规划里包含了三大目标客户群。各类中小企业，平均收费1万元一个月。在这一块他们期待的市场规模是，一年发展1万家中小企业成为其客户。第二类目标客户为大型企业，“包括像中石化、中石油这样的大集团”。最后是国家部委这样的政府机构客户。
汤晓辉不希望走一条纯粹卖硬件和软件的路子，因为在他看来，这是一个既困难又很累的模式：“我们更愿意定位为移动视频通讯方案解决商，对于一些大的客户，（我们会）安排专业的技术人员来维护这套系统。”而之于中小企业，他们提供的是一个软硬件结合的微型版产品：“我买一套你的设备，简单地一搭建，马上就可以用了。这相当于把它当成一种专业化的设备来卖，通过分销渠道商的合作，这样的话产品会走得（作者按：指出货）比较快。”
汤晓辉期待的一个最佳状态是，与大客户进行项目性质的合作。它充当的角色相当于一个提供原创产品的大的系统集成商，帮助合作对象解决所有的问题。“一个大的项目，我们的最高收费会是千万级的规模。”
在他们的商业模式里，还包括了对个人市场的挖掘：跟运营商谈合作、谈分成。“如果能够发展到100万客户，一个人分10块钱一个月，这个数字就很可怕了。”但汤晓辉显然也清楚，市场有一个培养的周期，他们不能继续等下去。为此，他们认为现在能最快捷地占领这个市场的切入点是，主力发展企业客户。“政府采购一个产品的决策周期会比较长一点，只能放在第二步。”
视频增强 篇4
关键词：retinex,视频增强,FPGA,实时处理
0 引言
视频增强技术应用范围广泛,例如医疗电子、工业控制、消费电子以及深空探测。Retinex理论是由Edwin Land在1971年提出。基于Retinex模型的使用较为广泛的有单尺度Retinex算法(Single Scale Retinex,SSR)、多尺度Retinex算法(Multi Scale Retinex,MSR)、带有颜色校正的多尺度Retinex算法(Multi Scale Retinex with Color Restoration,MSRCR),基于先验模型的算法如基于辩分框架的Retinex算法,但是这种算法的复杂度过高会消耗过多硬件资源,还不能在实际中得到很好的应用。而单尺度或多尺度Retinex算法对图像增强效果同样显著,多尺度Retinex算法的主要硬件结构就是单尺度Retinex算法硬件电路的重构。本文旨在视频增强算法硬件关键技术的研究,所以采取单尺度Retinex算法,然而对于这样的算法用CPU也不能满足其视频处理过程中实时性的要求,本文采用125 MHz频率FPGA,可以满足30 f/s的(2 000×2 048)像素的图像。
本文主要讨论了基于Retinex的关键算法,基于图像像素可配置以及拉伸尺度可配置。提出针对可适应不同像素视频的硬件架构。实现对关键模块的设计和仿真,通过Vertex-5型号FPGA实现整个设计,最后评估算法的处理效果。
1 基于Retinex模型的视频增强算法
图1为视频增强Retinex算法流程图。视频中的帧图像通过RGB将HSV转化成灰度帧图像V,色度帧图像S,饱和度帧图像H。估计照度帧图像,适当拉伸处理后得到光照分量V2以及反分量像V3。经过拉伸处理以及合成处理后的图像O即为处理完成的一帧图像。
1.1 RGB转HSV
由于RGB色彩空间图像直接处理会产生色彩失真,因此需要转换色彩空间。
1.2 提取光照图像和反色图像
原帧图像I(x,y)能够被分解成两部分[2]。一部分是光照帧图像L(x,y),另一部分为反射帧图像R(x,y),如式(1)所示。
本文采用高斯滤波器进行光照估计,将高频成分(图像的细节部分和噪声部分)滤掉。
是光照值,G(x,y)是高斯滤波器函数。其数学表达式如下:
提取反射帧图像R(x,y),反射帧图像是图像的高频成分(图像的细节部分和噪声部分)。
由Retinex结构式(4)得到式(5)。为了防止式(5)分母为0,δ取值0.001。
1.3 反射帧分量处理方法及光照分量的处理
反射分量可以通过sigmoid函数进行非线性拉伸。以此可以很好地抑制噪声同时放大有用的细节成分。
本文使用参数u=3,β=0.6。
光照分量通过L′=[L]r函数拉伸。
1.4 HSV图像到RGB图像转换
RGB色彩空间是一种由红绿蓝三种色彩组成,用于显示器显示,所以将HSV图像转换为RGB图像。
2 视频增强硬件逻辑架构
自适应视频增强VLSI架构如图2所示,图2中框内为FPGA实现部分,框外的部分由MATLAB实现转换。本系统由decoder模块对内部配置寄存器进行配置,主要任务是配置处理图像像素。SRAM_interface是SRAM连接外部图像数据流的缓冲,SRAM内部分配两个存储空间用来对视频数据乒乓操作。滤波器采用的是改进型的二维滤波器。本滤波器可以适应不同像素图片滤波较高的处理速度。由滤波器估计光照图像同时由于对数运算和减法的复杂程度相对较高,并且使得亮度较高像素失真,本文采用较高精度除法器得到反射图像。同时通过两个拉伸函数处理经过乘法器得到增强后的图像,经由HVSRGB还原成RGB图像。
2.1 改进后的滤波器模块
本文基于文献[3][4]提出了一个可配置处理像素大小和具有较好的时序特征的二维滤波器。架构如图3所示。本文的滤波器分为3部分,第一部分的作用是将两个8位的数据合并成一个16位的数据,并依次写入不同FIFO。第二部分是可配置的FIFO,通过配置内部寄存器来配置FIFO的深度,给不同行的滤波器窗写数据。第三部分为滤波器窗口,将16位数据转换成8位写到滤波器窗两个像素点,下一个周期将这两个像素点移位到后面两个像素点。通过滤波系数每个周期得到新的处理后的像素点。这种结构不仅节约资源,而且可以配置处理视频图像像素点多少,处理过程中的时钟频率是一半的系统时钟频率,更好地满足时序要求。
2.2 高速乘法器
本设计中用到了一些乘法器[5,6,7],由于时序原因本文采用高速乘法器,图4为乘法器硬件架构图,乘法器包括基-4的booth算法,由CSA组成的Wallace树和超前进位加法器。
部分和产生器是基4 booth算法,将部分和减少近一半,通过CSA累加单元组成的Wallace树结构,得到两个部分和通过超前进位加法器最后得到乘积。
2.3 除法器
本文采用精度较高除法器,减少因为运算产生的误差,高速除法器硬件电路如图5所示,由乘法器和查找表组成,查找表存储除数的倒数。
2.4 帧图像拉伸和调整
光照帧图像实现伽马校正,本文采用查找表的方法。
反射图像做拉伸运算,采用图6所示架构来实现,本文是可配置的拉伸,本方法可以实现通过改变Con寄存器改变其拉伸程度。改变其图像处理效果。Fun1和Fun用来实现函数的组合电路。
3 基本模块仿真和实验结果
由于VCS仿真能力强于modesim对于各个模块的仿真,本文使用8核16线程48 G的内存滤波器debian linux操作系统,VCS 2013版本的仿真平台,得到结果如图7、图8所示。
本文采用Vertex_5_FXT(FX70/100T)_FF1136 FPGA芯片搭建的硬件平台实现图中方框内部关键部分,其他部分由AMD 4核4 G内存matlab 2014b实现。图9、图10是对不同图片的处理结果。
4 算法评估
熵是信息论里面重要概念,表示了信息量的多少,在图像中也反映了图像的内容多少[8,9]。式(11)为熵的表达式。
图像增强前后熵的对比如表1所示。
5 结语
本文主要分析了基于Retinex视频图像增强算法的不同架构,先验的Retinex算法由于算法复杂度较高,本文选择了单尺度Retinex算法关键技术,经过单尺度算法重构即为多尺度Retinex算法,基于图像像素可配置以及拉伸尺度可配置提出硬件架构,并对各个模块进行实现和仿真,最后通过FPGA实现,并评估图像处理效果。
参考文献
[1]Wang Wen,Li Bo,Zeng Jin,et al.A fast multi-scale retinex algorithm for color image enhancement[C].Proceedings of the2008 International Conference on Wavelet Analysis and Pattern Recognition,Hong Kong,2008:30-31.
[2]Fu Xueyang,Sun Ye,Li Wang Minghui,et al.A novel retinex based approach for image enhencement with illumination adjustment[C].2014 IEEE International Conference on Acoustic,Speech and Signal Processing,2014:1190-1194.
[3]BAILEY D G.Effcient implementation of greyscale morphological filters[C].International conference on Field Programmalle Technology.2010:421-424.
[4]SEDCOLE P.Reconfigurable platform-based design in FPGAs for video image processing[D].Deparment of Electrical and Electronic Engineering,imperial College,London,UK.2006.
[5]Yao Aihong,Li Ling,Sun Mengzhe.Design of pipeline multiplier based on modified booth′s algorithm and wallace tree[C].Advanced Researon Electronic Commerce,Web Application,and Communication International Conference,ECWAC 2011 Guangzhou,China,2011,Part I.
[6]Jagadeshwar Rao M,DUBEY S.A high speed and area efficient booth recoded wallace tree multiplier for fast arithmetic circuits[C].2012Asia Pacific Conference on Postgraduate Research in Microelectronics&Electronics,2012.
[7]HENSLEY J,LASTRA A,SINGH M.A scalable counterflowpipelined asynchronous radix-4 booth multiplier[C].International Symposium on Asynchronous Circuits and Systems,2005:128-137.
[8]Xu Xin,Chen Qiang,Pheng Ann Heng,et al.A fast halofree image enhancement method based on retinex[J].Journal of computer-aided design&computer graphics,2008,20(10).
基于小波融合的视频图像增强方法 篇5
针对不同的应用需求,提出了多种图像增强方法,包括基于空间域的灰度变换、直方图均衡化等,基于Retinex理论的图像增强,还有基于频率域的同态滤波、双边滤波等,基于小波域的图像增强,以及基于数学形态学的图像增强、基于偏微分方程的图像增强等方法。不同的方法有着各自独特的性能,能够显著地改善图像的视觉效果,但是由于视频图像的退化因素错综复杂,退化程度难以测算,不同的方法又有着各自的局限性。为此,人们一方面致力于对现有图像增强方法的改进,进一步提高方法的综合性能;另一方面趋向于对多种图像增强方法的融合,整合不同方法增强的多幅图像的互补信息,以达到更好的增强效果。
小波图像融合是将由不同方式获得的多幅图像分解为一系列不同频率、不同方向的子带图像,由粗及精地进行多分辨率融合,由于有针对性地突出不同子带图像的细节特征,因而融合图像具有更高的清晰度和更佳的视觉效果[1]。提出了自适应直方图均衡化和多尺度Retinex相结合的图像增强方法。其主要思想是利用自适应直方图均衡化调整图像亮度,提高对比度;利用多尺度Retinex突出细节特征,恢复真实色彩;最后运用小波融合技术将两种方法的输出图像按照预定的融合规则及融合算法合成一幅层次丰富、特征鲜明的融合图像。
1 自适应直方图均衡化
直方图描述了图像中每个灰度级与其出现的概率密度之间的统计关系,反映了图像的整体概貌,包含了灰度范围和动态分布等信息,为图像处理提供了重要依据。直方图均衡化是以累积分布函数为基础,将原始图像的直方图修正为均匀的直方图,然后按照均衡化的直方图去调整原始图像。经过直方图均衡化之后,原始图像的灰度级区间得以扩展,充分地利用整个图像的灰度范围,灰度分布趋向均匀,灰度间距拉大,提高了图像表现细节的能力。
直方图均衡化是以连续函数为假设前提的,而数字图像的灰度级是离散的,在取整运算过程中,原始图像中相邻的灰度级会离析,某些灰度级会合并或消失,输出图像的直方图将出现较多的空缺,致使图像损失细节信息。此外,相邻灰度级在直方图均衡化之后的间距与灰度级的概率密度有关。当概率密度小时,相邻灰度级的间距缩小,图像增强效果不明显;当概率密度大时,比如图像中含有大量灰度单一的背景,相邻灰度级的间距增大,输出图像会出现虚假轮廓等退化现象[2]。
自适应直方图均衡化是直方图均衡化的改进方法。其定义一个矩形子区域和一个移动步长,将子区域按步长移动,依次遍历整个图像,期间对相应子区域内的所有像素进行均衡化,这样,原始图像的每个像素经过多次均衡化,最终将均衡化的平均值作为输出图像对应像素的灰度值。自适应直方图均衡化的增强效果取决于子区域和移动步长的大小,需要在块状效应和计算效率之间折中选择。与直方图均衡化相比,自适应直方图均衡化适于提高图像的局部对比度以获取更多的细节信息,对光照条件造成的曝光不足或曝光过度的图像,具有更好的增强效果,并且运算复杂度低,适合对视频图像进行实时增强[3]。
2 多尺度Retinex图像增强
20世纪70年代,美国物理学家Edwin Land首次提出了Retinex理论,也称为视网膜大脑皮层理论。该理论描述了人类视觉系统感知物体亮度和色彩的调节机制,解释了人眼对在不同光谱和不同强度的光源照射下同一物体的色彩感知相对恒定的现象[4]。Retinex理论认为人眼观察到的图像是由环境的照射光和物体的反射光共同作用的结果,即图像是由对应于低频部分的光照信息和对应于高频部分的反射信息组成的,用公式表示为
式中,光照信息L(x,y)决定了图像I(x,y)的灰度范围;反射信息R(x,y)决定了物体的内在性质。基于Retinex理论的图像增强实质是估计并消除光照条件对物体反射信息的影响,从图像I(x,y)中准确地提取反射信息R(x,y),以获取物体表面的本质特征。
单尺度Retinex采用高斯函数F(x,y)对图像I(x,y)进行低通滤波运算来估计每个中心像素的光照信息L(x,y),有下式
此时,反射信息R(x,y)为
式中,*表示卷积运算,对R(x,y)进行指数运算,即可获得输出图像。高斯函数的标准差σ称为尺度参数,σ的大小影响着对光照信息的估计结果。当σ取值较小时,输出图像的灰度范围压缩较大,细节特征突出,但色彩保真效果较差;当σ取值较大时,输出图像的整体效果鲜明,色彩保真效果较好,但细节特征不够突出。
单尺度Retinex只能选择一种尺度参数进行处理,难以同时满足细节增强和色彩保真两项要求,而多尺度Retinex是对单尺度Retinex的综合,其数学表达式为多个单尺度Retinex增强结果的加权组合,有下式
式中,n为尺度个数;对于多数图像而言,选择大、中、小三个尺度参数σi,分别控制高斯函数Fi(x,y)的滤波特性;Wi为对应Fi的权重系数。这样能够在压缩灰度范围、突出细节特征、恢复真实色彩三方面达到最佳平衡,对天气因素造成的退化图像具有显著的增强效果。
3 基于小波融合的图像增强
3.1 小波图像融合
小波变换是一种新的信号分析理论,具有多分辨率解析和表现局部特征的能力,能够精确地描述图像在不同频率、不同方向的结构信息,因而广泛地应用于图像处理和分析领域。20世纪80年代,信号分析领域专家Mallat和Meyer密切合作,总结出构造正交小波基的一般方法,创立了著名的Mallat算法,由此将小波分析理论和应用推向一个新的高潮[5]。
Mallat算法是一种基于子带滤波器的离散小波变换算法,可以对二维图像进行逐层分解与重构。经过小波变换,第j层图像Cj被分解为一个低频子带图像Cj+1和三个高频子带图像Dij+1(i=v,h,d表示高频子带图像的方向序号)。低频子带图像Cj+1反映出图像Cj的概貌特征,高频子带图像Dvj+1、Dhj+1、Ddj+1分别反映出图像Cj在垂直方向、水平方向、对角方向上的边缘、纹理等细节特征。反之,经过小波逆变换,第j+1层低频子带图像Cj+1和三个高频子带图像Dij+1将重新组合成图像Cj。
图1是以两幅图像融合为例说明基于小波变换的图像融合方案,对于多幅图像融合可以类推。具体流程如下:(1)对参与融合的图像C1、C2进行n层小波分解,获得C1、C2在各分解层上的低频子带图像C1j、C2j和高频子带图像D1ji、D2ji;(2)对分解得到的不同频率子带图像采用相应的融合规则进行融合,获得对应于融合图像F的低频子带图像CFj和高频子带图像DFji;(3)对子带图像CFj和DFji进行n层小波重构,即可获得融合图像F。
3.2 AHE和MSR图像融合
图像融合是将不同模式下获取的同一场景的多幅图像,按照一定规则合成为一幅图像,以满足特定需求的图像处理方法。利用小波融合技术对自适应直方图均衡化(adaptive histogram equalization,AHE)和多尺度Retinex(multi-scale Retinex,MSR)处理的两幅图像进行数据融合,可以获取对场景更为全面、细致、可靠的图像描述,帮助人们对场景中的物体做出准确的分析和识别[6]。融合规则及融合算法的选择对于图像融合的质量和效果至关重要。根据傅里叶光学理论,空间域的图像信息可以映射为频率域的不同频率的频谱组合,其中,低频分量集中了图像的主要能量,对低频子带图像采取平均值规则,可以兼顾两幅图像的亮度和对比度;高频分量反映着图像的细节特征,绝对值大的高频分量对应图像的边缘、纹理,而人眼对于这些特征非常敏感,多数情况下,对高频子带图像采取绝对值极大值规则,可以突出细节特征,提高图像的清晰度。
假设C1(x,y)表示自适应直方图均衡化的输出图像;C2(x,y)表示多尺度Retinex的输出图像;F(x,y)表示融合图像,小波图像融合算法表示为
4 实验结果及分析
为了验证基于小波融合的图像增强方法在提高夜间视频图像质量方面的实效性,选取图2a所示的夜间环境下视频监控系统记录的画面作为实验检材,在MATLAB7.0实验环境下,将文中方法与自适应直方图均衡化、多尺度Retinex进行对比实验,图2b、图2c和图2d分别为自适应直方图均衡化、多尺度Retinex以及文中方法的处理结果。
通过比较四幅图像的视觉效果可以看出,原始图像是一幅由夜间光线照度低和雾霾天气能见度低等因素共同作用的退化图像,画面晦暗,对比度微弱,细节模糊,噪声干扰严重;经过自适应直方图均衡化处理的图像亮度和对比度明显提高,但是部分区域过度增强,细节损失较多;经过多尺度Retinex处理的图像平滑细腻,色调逼真,但是整体亮度和对比度偏低;文中方法处理的图像自然鲜明,整体感强,车辆、建筑等清晰可辨,具有较高的使用价值。
5 结论
鉴于视频图像退化机理的复杂性和多样性,常规的图像增强方法难以奏效,利用小波图像分解与重构特性,对不同方法处理的具有互补信息的输出图像进行融合,有效地提高视频图像质量和使用价值。以夜间环境下视频监控图像为例,分别进行自适应直方图均衡化、多尺度Retinex以及基于二者输出图像的小波融合实验。实验结果表明,所提出的基于小波融合的视频图像增强方法优于单一的图像增强方法,既能提高视频图像的层次感和清晰度,又能使视频图像的亮度、对比度、色彩等效果更符合人眼视觉特性,具有良好的综合性能。
参考文献
[1]敬忠良,肖刚,李振华.图像融合—理论与应用[M].北京:高等教育出版社,2007.
[2]扈佃海,吕绪良,文刘强.一种改进的直方图均衡化图像增强方法[J].光电技术应用,2012,27(3).
[3]Pizer S.Adaptive histogram equalization and its variations[J].Computer Vision Graphics&Image Processing,1987,39(3).
[4]Land E H.The Retinex theory of color vision[J].ScientificAmerican,1977,237(6).
[5]Mallat S G.A theory for multiresolution signal decomposi-tion:the wavelet representation[J].IEEE Transactions onPattern Analysis and Machine Intelligence,1989,11(7).
视频增强 篇6
近年来, 我国视频会议系统的市场规模不断扩大, 其应用范围也越来越广。视频会议系统有着众多优点, 这使之逐渐成为各行各业用于政策宣贯、经营管理、应急指挥和演练培训的一类极为重要的通信业务。视频会议图像质量的好坏不仅直接决定了众多生产、经营管理重大决策的学习、宣贯和执行, 也直接影响了视频会议使用方的社会形象。
而视频会议系统的图像从模拟信号, 到标清数字信号, 到高清乃至超分辨率信号[1], 其质量大多是通过使用者的视觉观测[2]来进行主观界定的[3]。诚然, 主观上的图像无失真十分重要, 然而这并不意味着经过编解码和通信传输后的视频图像就真的做到了对原始图像的高保真, 尤其对一些重要信息和细节数据的呈现, 其图像质量就显得格外重要。此外, 视频会议系统的投资通常较大[4], 其系统复杂性又导致日常运维管理困难, 如何保护用户投资, 提高视频会议系统建设的合理性, 降低运维成本都成为会议电视系统管理部门极为关心的问题。
本文将研究分析视频会议图像质量的评价方法, 力求为视频会议系统建设提供科学的质量鉴定方式, 为视频会议系统运维提供便捷、有效的技术指导;同时, 本文还将针对视频会议常见的图像质量问题, 研究探讨图像去噪、补偿和增强的各类方法。
1 研究现状
视频由一帧帧图像组成, 目前, 针对视频图像的评价主要有两种形式:主观评价和客观评价[5]。主观评价需要一定人员按照一定规则来进行评分, 该方法复杂、费时, 且主观性强, 并不适合视频通信这类实时性要求很高的应用场景;客观评价则是通过检测仪器或软件对图像质量进行自动化的分析, 通常能够给出较为量化的客观评价指标。根据有无原始视频作为评价参考, 可以将图像的客观评价划分为三大类:全参考型 (Full-Reference, FR) , 部分参考型 (Reduce-Reference, RR) 和无参考型 (No-Reference, NR) [6]。
1997年, ITU-T和ITU-R的研究小组联合成立了视频质量专家组 (Video Quality Experts Group, VQEG) , 专门从事视频图像质量评价的研究和相关标准的制定。在主观评价方面, VQEG已经制定了标准:选择一批非专家的受测者, 在一个受控的环境中, 连续观看一系列的测试序列大约10~30分钟, 然后采用各种方法让他们对视频序列的质量进行评分, 最后求得平均判分 (Mean Opinion Score, MOS) 值。常用的主观评价方法有:双刺激连续质量分级法 (Double-Stimulus ContinuousQuality Scale, DSCQS) , 单刺激连续质量评价法 (Single-StimulusContinuous Quality Evaluation, SSCQE) , 双刺激损伤分级法 (Double-Stimulus Impair) 等[6]。在客观评价方面, VQEG下设全参考TV组 (FR-TV Group) 、部分参考/无参考TV组 (RRNR-TV Group) 、多媒体组 (MM Group) 和高清晰电视组 (HDTV Group) 。其中, FR-TV组是四个小组中成立最早、研究最全、进展最快的工作组, 已经推出了不同环境下视频质量客观评价法的测试计划。至于非全参考评价领域, 国际国内均处在制定评价流程、规范评价文件、优化数据处理方式和征集评价算法模型的阶段。
VQEG于2000年3月发布了第一阶段全参考客观质量评价方法性能的测试报告, 报告分别给出了所提交的10个全参考客观质量评价方法的性能分析 (包括PSNR, 峰值信噪比) , 其结论是:在所有测试方法中, 其它方法的总体性能都没有超过PSNR。
部分参考型评价不但没有全参考型评价可以获得较高的与主观评价相关的MOS值, 而且还需要额外的带宽来传输源的相关视频参数, 所以研究的空间并不大, 很多文献将部分参考型归入无参考型的方法中进行研究。
由于影响视频图像质量的因素一般包括失真和损伤:编码技术带来的失真 (如方块效应、振铃效应、模糊、噪声等) 和传输网络的数据丢包或者时延带来的失真 (如马赛克、抖动等) 。因此, 大部分无参考型图像质量客观评价方法的核心思想是基于描述以上失真或损伤的某几种特征参数信息, 确定特征参数与客观评分之间的函数。无参考型客观评价的另一类重要方法是基于神经网络 (Random Neural Network, RNN) 的实时视频图像质量评价, 即通过研究影响视频质量的多方面因素 (包括编码参数、网络参数等等) , 来建立一个完整的基于神经网络的评价模型, 然后根据视频图像的几种可得参数进行分类识别从而得到评价结果。尽管目前无参考型视频图像质量的评价结果与主观MOS值的相关度普遍不高, 但视频会议召开时本就很难获得原始图像作为质量评价的参考, 这使得无参考型评价方法反而具有更高的实用价值。本文将重点针对各种主流的评价方法进行研究分析。
2 视频图像质量评价方法研究
2.1 引起视频图像降质的因素分析
在视频会议通信过程中, 将视频图像传输到接收端, 要经过采集、传输、处理和记录等过程, 所有这些技术环节性能的优劣都会影响到最终的视频图像质量。本文认为引起视频图像失真的主要因素可以归结如下表1所示的几个方面:
2.2 视频图像主观评价方法
在视频图像质量的主观评价方法中, 理论上说, 受测者越多, 观测时间越长, 得到的评价结果越准确。而主观评价的结果还要受到受控环境的影响, 包括观测距离、观测环境、观测序列的选择、序列显示时间间隔等。因此, 主观评价结果的随机性较大。
在国际上, 视频图像质量主观评价方法的计分方式有两种: 质量等级度量和失真等级度量, 其评价标准如表2所示:
由于视频图像信息的最终接受者是人, 所以主要评价方法的结果尽管有很大随意性, 但同时也是最忠于人的主观感受的, 是最重要的评价方法之一。但这种评价方法要消耗大量人力, 实现起来复杂、费时, 代价较高, 且稳定性差, 因此, 并不适合于视频会议这样的实时应用场合。
2.3 视频图像客观评价方法
(1) 全参考型评价
目前, 应用最广泛且最简单的全参考视频图像质量客观评价方法是峰值信噪比 (PSNR) 和均方误差 (MSE) 评估法。但在有些情况下, 通过MSE和PSNR方法得到的视频图像质量评价结果会与人们的主观感觉不一致。
为了使评价结果与人的主观感受具有较高的一致性, 在全参考评价方法中引入人类视觉系统 (HVS) 特性是非常有必要的。基于HVS特性的图像/视频图像质量评价方法的基本框架如下图1所示。其处理步骤主要包括预处理、CSF滤波、通道分解、误差量化和误差合并等。
(2) 部分参考型评价
部分参考视频图像质量评价是指分别在原始参考视频和失真视频上施加某种运算, 各自得到少量的统计数据, 然后把提取出的统计数据按常规的回归法分析, 来判定失真视频的失真程度。部分参考视频图像质量评价的一般模型如下图2所示:
有研究将基于数字水印的方法归类为无参考型视频图像质量评价方法。虽然这种方法没有利用原始视频, 但它利用了数字水印作为参考, 所以也可将其视为部分参考型评价方法。它的基本思想是在视频序列的发送端隐性嵌入数字水印, 视频经过网络传输后, 在接收端提取水印并进行分析, 根据恢复的水印相对原始水印的失真情况来评估视频图像质量的失真程度。这种评价方法的原理框图如下图3所示:
部分参考质量评价无法获得较高的与主观评价相关的MOS值, 还需要额外的带宽来传输类似数字水印的参数, 其研究空间并不大。
(2) 无参考型评价
全参考视频图像质量评价方法必须借助原始无失真的视频作为参考, 但在视频会议的应用场合下, 由于网络带宽限制和实时性要求, 难以获得参考视频。没有原始视频作为参考, 也没有额外信息而直接进行评估的方法就是无参考 (即盲估计) 视频图像质量评价法。这种方法要比全参考和部分参考的评价困难得多。目前, 无参考型视频图像质量评价方法都是在对特定的某种失真类型或某些特定的视频场景下所研究出来的评价方法。
其中, 主流的无参考视频图像质量评价是一种基于神经网络的评估方法。这种方法的实现过程是把编码参数 (如比特率、编码类型和帧率等) 和网络参数 (如延时、丢包率、抖动) 等作为神经网络的输入节点, 并对典型的样本点进行训练, 把评分结果作为神经网络的输出节点。知道测试视频的网络参数和编码参数之后, 就可以经过这些训练后的神经网络对视频进行质量评分。其评价模型如下图4所示:
由于这种方法需要经过对大量样本的训练, 所以评估的准确性极大地受到训练样本的影响。基于样本训练形成的各类无参考评价方法和神经网络法较为相似, 均较为适用于某些特定场景下的视频会议图像质量评价。
另一类无参考视频图像质量评价方法主要是利用图像的失真特性, 通过对失真特性的分析可以在一定程度上对视频图像的质量进行评估。这类方法的评价模型如下图5示意:
由于目前人类对HVS特性的了解有限, 很难研究出一种对所有失真图像或视频都适用的无参考型质量评价方法, 现有的无参考型质量评价方法只能是针对某一类视频图像的应用进行设计。尽管无参考型视频图像质量评价结果与主观MOS值的相关度普遍不高, 但其较高的实用价值, 必将成为视频图像质量评价领域的研究热点。
3 视频图像质量增强方法研究
前文提到一种基于视频图像失真特性的无参考质量评价方法, 那么, 基于该评价方法就能很轻易的找出视频图像的质量问题所在。针对失真特性质量评价找到的问题, 对输出视频进行后处理, 就能实现解码视频图像的质量增强。常见的方法是对失真图像进行降噪处理, 主要有三种算法:
(1) 像素域降噪算法和转换域降噪算法。像素域降噪算法是直接对像素值进行操作, 这种方法计算量小, 效果较好;转换域降噪算法的将视频图像的像素值转换到另一个域, 然后再进行降噪, 效果比像素域降噪好, 但计算量较大, 满足不了视频会议的实时性要求。
(2) 滤波器降噪法。主要可分为时域二维滤波和空时三维滤波。三维滤波利用像素在相邻帧中空间邻域内所有像素间的相关性;二维滤波只利用了图像序列在时间维度上的相关性, 因此, 三维滤波在降噪方面比二维滤波更具优势。
(3) 运动估计滤波降噪法。可分为基于运动估计和运动自适应的滤波方法。视频图像序列中的运动使得各帧相同空间位置处的相关性随时间而改变。运动估计降噪方法则直接利用运动估计过程找到当前像素在参考帧中的对应像素, 然后再进行对应的补偿。
尽管这些图像降噪算法的计算复杂度较高, 但视频会议图像的后处理是可选择性的, 在条件满足的情况下, 对输出图像进行质量增强, 能够带来更良好的视觉感受。
视频图像增强技术的另一个重要分支是对比度增强。人眼能够根据周围光照条件自适应的调整接收动态范围, 并且比所有视频采集设备的调整范围都要大得多。因此, 由于照明条件问题可能引起的视频采集图像失真问题, 往往能够通过增强图像的对比度来予以补偿。这种技术在视频图像的增强方式中较为常见, 本文不再赘述。
4 总结
视频会议系统为我国成千上万个用户提供着交互式的视频、图像和文字信息, 极大地方便着人们的沟通交流。本文针对视频会议图像这一用户体验中最关键和核心的环节展开研究, 通过大量视频图像质量评价方法的分析比较, 为主、客观综合评估视频会议图像质量提供了多种适用选择, 并在此基础上, 探讨了一些视频图像的增强方法。
上述视频会议图像质量评价和增强的方法不仅能够用于指导会议电视系统建设, 也能用于提高会议电视系统的运维管理效率。但视频会议的图像呈现质量还取决于视频会场。会场的结构布局, 所使用的视频设备, 会场的灯光及色彩, 装饰材料的选用, 背景的设计等对视频图像质量的影响同样很大。只有通过视频会议设备、视频会议质量评价与增强手段和视频会场环境之间的良好配合, 才能带给与会人员更高质量的视频感受。
摘要：视频会议系统能够为身处不同地点的人提供“会面式”的沟通交流方式。然而, 视频会议召开时的图像质量大多是通过人的视觉效果和主观判断来界定的。本文针对视频会议系统图像质量评价方法展开研究分析, 寻求更加科学、客观的评价方式, 并在此基础上, 研究视频会议图像质量的增强方法, 以切实保证视频会议召开时的图像效果。
关键词：视频会议,图像,质量评价,质量增强
参考文献
[1]仲元昌等.视频会议系统关键技术及应用研究[J].电视技术, 2010.6.
[2]王楠楠, 李桂苓.符合人眼视觉特性的视频质量评价模型[J].中国图象图形学报:A, 2001, 16 (6) :523-527.
[3]樊稚洋.浅谈视频会议系统的质量评价方法[J].电视技术, 2010.3.
[4]YD/T 5033-2005, 会议电视系统工程验收规范[S].2005.
[5]王新岱, 杨付正.视频质量的主客观评估方法研究, 电视技术, 2003, (8) , 81-84.