一种视频监控数据的实时预处理方法及存储介质技术

一种视频监控数据的实时预处理方法及存储介质，该方法包括：获取最小通道图，计算出下采样的暗原色Ddown，将该视频图像转换为灰度图后，按照像素的灰度值进行降序排序，选取一定比例的高亮度像素，将平均值作为全局大气光估计A；对下采样的暗原色Ddown进行提升局部较小值的滤波处理，获得优化后的下采样暗原色Dfilter；对Dfilter上采样，得到视频每个位置的散射光估计，根据预设的雾天成像模型，利用散射光估计S和全局大气光估计A反解出第t帧无雾的画面。本发明专利技术获取下采样的暗原色，降低了运算量，提高了运行时间，对Dfilter分块上采样估计散射光、可分块反解无雾画面，降低了对内存空间的需求，更加适合物联网环境下设备参差不齐的状况。

【技术实现步骤摘要】
一种视频监控数据的实时预处理方法及存储介质
本申请涉及一种视频数据处理方法，特别的，涉及一种面向诸如物联网的视频监控数据的实时预处理方法。
技术介绍
物联网监控是一种常用的安全防范手段，它利用传感器网络对视频直观、准确、及时的信息内容进行联动反应。然而，当前的监控系统对天气条件非常敏感。尤其，在能见度较低的雾天条件下，观测目标模糊不清，色彩保真度明显下降。因此，为了提高物联网监控系统对恶劣气候下的适应性，有必要对物联网雾天视频进行预处理，以达到提升视觉效果的目的。目前，根据是否利用雾天成像模型，可粗略的将现有视频去雾的方法分为两大类：基于非成像模型的视频增强方法和基于成像模型的视频恢复方法。比较典型和常用的基于非成像模型的视频增强方法包括直方图均衡、小波变换、Retinex等。直方图均衡化方法实现简单、运行速度快，但是容易减少像素灰度值，处理后的视频会出现细节信息丢失。小波方法和Retinex方法都是对视频的非低频子块进行增强处理，从而更加突出细节。然而，它们并没有考虑视频降质的物理原因，因此有局限性，只能一定程度的改善视频视觉效果，不能实现真正意义上的去雾。基于成像模型的视频恢复实质上是从大气散射模型出发，求解模型中的相关参数，获得场景无雾清晰视频，从而改善画面质量。这类方法主要包括：基于偏振特性的方法、基于深度信息的方法和基于先验知识的方法。基于偏振的方法利用偏振片获取同一场景的不同偏振度的两幅或多幅图像,需要硬件的支持，推广应用严重受限。基于深度信息的方法是获取场景的深度信息，从而估计场景的三维结构恢复出清晰视频。该类方法要一定程度的用户交互操作，无法做到自动处理。基于先验知识的方法利用局部统计的规律或者假设估算变量，进而反解出无雾的视频。这类方法具有物理有效性，实施简单，能够获得理想的恢复结果。在实际应用中，基于先验知识的雾天视频恢复方法被广泛应用。在基于先验知识的雾天视频恢复方法之中，何凯明等人提出的基于暗原色先验知识的算法被公认是当前视频去雾效果最好的算法。暗原色先验原理表明：晴朗天气下的户外图像，在非天空区域中，至少有一个颜色通道亮度极低，趋近于0。根据暗原色先验原理，雾天图像局部区域的最小值可以作为散射光变量的估计。然后，根据成像模型即可获取无雾的画面。但该方法使用过程中利用最小值滤波获得散射光会存在块效应，因此何凯明又提出用软抠图算法进行散射光的细化，时间和空间复杂度都很高，难以实现雾天视频实时的处理。为了提高算法的效率，许多研究者提出用快速滤波取代软抠图算法。中值滤波、引导滤波和快速双边滤波都曾用来优化散射光估计。但中值滤波不具有保边缘的特性，并不能完全去除块效应，视频去雾后会存在光晕。引导滤波和快速双边滤波虽然具有较好的保边缘特性，且运行速度快，但是它们利用空间换取时间,空间消耗比较大,难以满足物联网设备硬件配置参差不齐的环境。因此，提出一种速度快，且空间消耗少，实时性强的视频预处理方法，可以实现对视频的实时去雾，便于在物联网环境中使用，成为现有技术亟需解决的技术问题。
技术实现思路
本专利技术的目的在于提出一种视频监控数据的实时预处理方法及存储介质，可以实现视频的实时去雾，使视频变清晰。该方法实现速度快，且占据的空间小，便于在物联网环境中使用。为达此目的，本专利技术采用以下技术方案：一种视频监控数据的实时预处理方法，包括如下步骤：最小通道获取步骤S110:对输入的视频序列缓存1帧，表示为第t帧，并对该帧每个像素的R、G、B三个通道进行比较，取其中的最小值，从而得到最小通道图Imin；暗原色计算步骤S120:对第t帧的最小通道图Imin进行非重叠子块的划分，每个子块内取最小值，计算出该最小通道图Imin的下采样的暗原色Ddown；全局大气光估计步骤S130:将第t帧雾天图像转换为灰度图后，按照像素的灰度值进行降序排序，选取一定比例的高亮度像素，将平均值作为全局大气光估计A；局部较小值提升步骤S140:对所述下采样的暗原色Ddown中的每个像素逐步进行提升局部较小值的滤波处理，获得优化后的下采样暗原色Dfilter；反解步骤S150:对所述优化后的下采样暗原色Dfilter上采样，得到第t帧每个位置的散射光估计S(x,y)，根据预设的雾天成像模型，利用散射光估计S和全局大气光估计A反解出第t帧无雾的画面。可选的，在步骤S110中，Imin(x,y)＝min(IR(x,y),IG(x,y),IB(x,y))，其中，(x,y)为像素的坐标位置，R、G、B表示三个颜色通道，I为缓存的视频帧。可选的，在步骤S120中，非重叠子块的半径N设置为视频帧宽和高最小值的1/40左右；并且，当视频帧的宽或高与非重叠子块不成整倍数的时候，通过镜像的方式对其进行填充，以对视频进行扩边处理。可选的，在步骤S130中，选取前0.01％像素的灰度值的平均值作为全局大气光估计A。可选的，在步骤S130中，进行处理的图像均默认为非偏色图像或者已经过白平衡处理。可选的，步骤S140具体为：以每个待处理像素为中心像素，划定处理窗口大小，将处理窗口内灰度值大于等于中心像素灰度值的权重w置为1，窗口内灰度值小于中心像素灰度值的权重置为w＜1。该滤波公式表示如下：其中，(x,y)是滤波像素的坐标，Ω是以(x,y)为中心像素的窗口，(i,j)为窗口内像素，w(i,j)权重设置为：可选的，在步骤S150中，对Dfilter分块上采样、分块获取散射光估计，然后分块反解无雾画面。可选的，在步骤S150中，上采样的具体实施步骤为：源图像Dfilter大小为m×n，目标图像为a×b，目标图像的第(p,q)个像素点，即第p行第q列，能够通过边长比对应到源图像，对应坐标为(p×m/a,q×n/b)，对应的浮点坐标(k+u,l+v)，其中k，l均为浮点坐标的整数部分，u，v为浮点坐标的小数部分，取值[0,1)之间的浮点数，则这个点的值S(p,q)可由源图像Dfilter中坐标为(k,l)，(k+1,l)，(k,l+1)，(k+1,l+1)所对应的四个像素值决定，即：S(p,q)＝(1-u)×(1-v)×Dfilter(i,j)+(1-u)×v×Dfilter(i,j+1)+u×(1-v)×Dfilter(i+1,j)+u×v×Dfilter(i+1,j+1)。可选的，在步骤S150中，反解无雾画面为：其中J为无雾的图像，A(1-t(x,y))＝S(x,y)，t为透射率，A是无穷远处的大气光，A(1-t(x,y))是每个像素散射光成分。本专利技术还公开了一种存储介质，该存储介质能够被用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时执行上述的加速的视频监控数据的实时预处理方法。本专利技术具有如下的优点：(1)在步骤S120中,本专利技术没有逐点滑动窗口获取与视频等大的暗原色，而是获取下采样的暗原色，从而在进行步骤S140的滤波处理时，降低了运算量，提高了运行时间。(2)在步骤S150中，本专利技术对Dfilter分块上采样估计散射光、从而分块反解无雾画面，降低了对内存空间的需求，更加适合物联网环境中设备配置参差不齐的状况。附图说明图1是根据本专利技术具体实施例的视频监控数据的实时预处理方法的流程图；图2是根据本专利技术具体实施例在暗原色获取步骤中计算下本文档来自技高网...

【技术保护点】
1.一种视频监控数据的实时预处理方法，包括如下步骤：最小通道获取步骤S110:对输入的视频序列缓存1帧，表示为第t帧，并对该帧每个像素的R、G、B三个通道进行比较，取其中的最小值，从而得到最小通道图Imin；暗原色计算步骤S120:对第t帧的最小通道图Imin进行非重叠子块的划分，每个子块内取最小值，计算出该最小通道图Imin的下采样的暗原色Ddown；全局大气光估计步骤S130:将第t帧雾天图像转换为灰度图后，按照像素的灰度值进行降序排序，选取一定比例的高亮度像素，将平均值作为全局大气光估计A；局部较小值提升步骤S140:对所述下采样的暗原色Ddown中的每个像素逐步进行提升局部较小值的滤波处理，获得优化后的下采样暗原色Dfilter；反解步骤S150:对所述优化后的下采样暗原色Dfilter上采样，得到第t帧每个位置的散射光估计S(x,y)，根据预设的雾天成像模型，利用散射光估计S和全局大气光估计A反解出第t帧无雾的画面。

【技术特征摘要】
1.一种视频监控数据的实时预处理方法，包括如下步骤：最小通道获取步骤S110:对输入的视频序列缓存1帧，表示为第t帧，并对该帧每个像素的R、G、B三个通道进行比较，取其中的最小值，从而得到最小通道图Imin；暗原色计算步骤S120:对第t帧的最小通道图Imin进行非重叠子块的划分，每个子块内取最小值，计算出该最小通道图Imin的下采样的暗原色Ddown；全局大气光估计步骤S130:将第t帧雾天图像转换为灰度图后，按照像素的灰度值进行降序排序，选取一定比例的高亮度像素，将平均值作为全局大气光估计A；局部较小值提升步骤S140:对所述下采样的暗原色Ddown中的每个像素逐步进行提升局部较小值的滤波处理，获得优化后的下采样暗原色Dfilter；反解步骤S150:对所述优化后的下采样暗原色Dfilter上采样，得到第t帧每个位置的散射光估计S(x,y)，根据预设的雾天成像模型，利用散射光估计S和全局大气光估计A反解出第t帧无雾的画面。2.根据权利要求1所述的实时预处理方法，其特征在于：在步骤S110中，Imin(x,y)＝min(IR(x,y),IG(x,y),IB(x,y))，其中，(x,y)为像素的坐标位置，R、G、B表示三个颜色通道，I为缓存的视频帧。3.根据权利要求1所述的实时预处理方法，其特征在于：在步骤S120中，非重叠子块的半径N设置为视频帧宽和高最小值的1/40左右；并且，当视频帧的宽或高与非重叠子块不成整倍数的时候，通过镜像的方式对其进行填充，以对视频进行扩边处理。4.根据权利要求1所述的实时预处理方法，其特征在于：在步骤S130中，选取前0.01％像素的灰度值的平均值作为全局大气光估计A。5.根据权利要求1所述的实时预处理方法，其特征在于：在步骤S130中，进行处理的雾天图像均默认为非偏色图像或者已经过白平衡处理。6.根据权利要求1所述的实时预处理方法...

【专利技术属性】
技术研发人员：高原原，马超，潘博文，康子路，温秀秀，
申请(专利权)人：中国电子科技集团公司信息科学研究院，
类型：发明
国别省市：北京,11