基於線性變換的圖像快速去霧方法

1. 求《基於線性變換的圖像增強處理》的程序，matlab實現，要求有句子的詳細解釋，謝謝

2. 粒子濾波是否能實現圖像去霧

 

在霧、霾之類的惡劣天氣下，採集的圖像質量會由於大氣散射而嚴重降低, 使圖像顏色偏灰白色, 對比度降低, 物體特徵難以辨認。所以 需要圖像去霧技術來增強或修復, 以改善視覺效果。目前圖像去霧方法主要可以分為兩大類:
（1）基於圖像處理的增強方法。這種方法通過對霧天圖像進行增強, 改善圖像質量。其優點是可以利用已有的成熟圖像處理演算法進行針對性運用, 增強圖像的對比度, 突出圖像中景物的特徵和有價值的信息；缺點是可能會造成圖像部分信息的損失, 使圖像失真。
（2）基於物理模型的復原方法。這種方法通過研究大氣懸浮顆粒對光的散射作用, 建立大氣散射模型，了解圖像退化的物理機理, 並復原出未降質前的圖像。

3. 汽車如何快速除霧

• 1

  直接用干布擦拭玻璃，這種場面想必不少乘客都見識過。

  

4. 數據處理

4.3.1 數據源情況

4.3.1.1 衛星影像數據情況

本項目數據源是由國土資源部信息中心提供的 2005～2007 年 SPOT 5_2.5 m 解析度影像數據。覆蓋工作區的 SPOT 5 衛星影像數據共計 79 景（圖 4-2），所接收影像均有 4% 以上的重疊區域；影像信息豐富，無明顯雜訊、斑點和壞線；雲、雪覆蓋量均小於 10%，且未覆蓋城鄉結合部等重點地區；東部平原地區大部分影像覆蓋有程度不同的霧或霾，但整體地類信息能夠區分；影像數據接收側視角一般小於 15°，平原地區不超過 25°，山區不超過 20°，基本滿足技術規范對影像接收的要求。

圖 4-2 河南省 SPOT 5 影像數據分布示意圖

圖 4-3 影像接收時間分布

由於本次 SPOT 5 衛星影像接收時間跨度大，時相接收差異大，79 景影像多集中於春季和秋季（圖 4-3），但部分影像由於接收時間不是河南地區最佳季節，存在著這樣或那樣的問題，見表 4-1：

表 4-1 影像數據接收信息及數據質量評述表

續表

4.3.1.2 DEM 數據情況

覆蓋河南全省的 1∶5 萬數字高程模型（DEM）共計 464 幅。

首先，對 DEM 是否齊全及 DEM 的現勢性等進行了全面檢查；其次，對相鄰分幅 DEM 是否有重疊區域以及重疊區域的高程是否一致、接邊後是否出現裂隙現象等信息進行了檢查；第三，項目組對每幅 DEM 是否有完整的元數據以及對數據的地理基礎、精度、格網尺寸等信息是否齊全等進行了全面檢查。

由於 1∶5 萬 DEM 原始數據是 GRID 標准格式，數學基礎為 1980 年西安坐標系，1985 年國家高程基準，6°分帶。鑒於以上數據格式和項目實施方案要求，項目組對涉及工作區的 464 幅DEM，分別按照 19°帶和 20°帶進行鑲嵌及坐標系轉換，之後再進行拼接、換帶及投影轉換處理，得到覆蓋河南全省的、滿足對項目區影像進行正射校正需求的、中央經線為 114°、1954 北京坐標系、1985 年國家高程基準的河南省 1∶5 萬 DE（M圖 4-4）。

圖 4-4 河南省 1∶5 萬 DEM

經過對拼接好的 DEM 進行全面檢查，本項目使用的 DEM 數據覆蓋河南全省，不存在缺失、黑邊等現象，基本滿足本項目影像數據正射校正的需要。

4.3.2 數據配准

目前影像配准技術大致分為兩大類，基於灰度的方法和基於特徵的方法。大多數基於灰度的方法採用互相關技術或傅立葉變換技術來實現。影像配准採用的是 ERDAS 9.1 中的自動配准模塊（AutoSync）。在自動檢測結束後，將其在參考圖像上尋找出來同樣需要很大的工作量。在不能完全自動實現匹配的情況下，如果能夠大致計算出需要尋找和精確調整標注的區域，同樣能夠減少很大工作量。通過使用多項式粗略計算出兩張影像的對應關系就可以解決這一問題。

根據 ERDAS 系統要求，我們最少需要 3 個點就可以在兩張衛星影像間建立一個粗略的對應關系。使用至少 3 個點建立起正算多項式模型後，便可以將自動檢測出來的控制點迅速對應到參考影像上，只需要在很小的范圍內調整就可以精確標注出其在參考影像上的位置。圖 4-5 左側為原始影像上自動檢測點，右側為參考影像上粗定位點，需要進行調整。

圖 4-5 配准

雖然計算機的引入可以大量節約勞動，但是因為技術所限，並不能解決矯正和配准所有環節的全部問題，從而將測繪工作者徹底解放出來。

本次項目生產過程中，針對 SPOT 5_10 m 多光譜數據重采樣成間隔為 2.5 m，重采樣方法採用雙線性內插法。以景為配准單元，以 SPOT 5_2.5 m 全色數據為配准基礎，將 SPOT 5 多光譜數據與之配准。隨機選擇配准後全色與多光譜數據上的同名點，要求配准誤差平原和丘陵地區不超過 0.5 個像元，山區適當放寬至 1 個像元。配准控制點文件命名使用「景號 + MULTI 和 PAN」，如「287267MULTI」。配准文件命名使用「景號 + MATCH」，如「287267MATCH」。

影像配准採用的是 ERDAS 9.1 中的自動配准模塊（AutoSync）。首先，在單景影像的四角部位手動選取四個配准控制同名點，然後由軟體生成自動配准控制點，剔除其中誤差較大的控制點後，進行自動配准（圖 4-6）。配准完成後，採用軟體提供的「拉窗簾」的方式對整景影像自上而下、自左至右進行配准精度檢查（圖 4-7）。

總結配準的工作，可以看到基本上分為如下幾步：①標注至少 3 個粗匹配控制點；②設置檢測參數；③進行自動檢測；④人工調整和保存控制點；⑤進行配准。其中第 4 步仍然需要人工參與，主要的問題在於兩點：一是精度是否真正是人感官上的特徵點方面存在問題；二是參考圖像上的控制點僅僅是粗略對應標注，人工無法手動調整至精確對應位置，因此，暫時的配准工作僅僅部分減輕了人工工作量，但不可能完全由計算機完成配准工作。

圖 4-6 影像配准

圖 4-7 影像配准精度「拉窗簾」檢查

4.3.3 數據融合

4.3.3.1 融合前數據的預處理

獲取完整項目區的衛星影像數據時，由於接收時間跨度較大，數據時相差別較大，加上空中雲、霧或霾的干擾以及地面光照不均勻等因素，造成景與景之間的影像光譜和紋理特徵差別較大。為使影像紋理清晰，細節突出，提高目視解譯精度等，在數據融合前必須對數據進行預處理。

SPOT 5 全色波段數據處理的目的是增強局部灰度反差、突出紋理、加強紋理能量和通過濾波來提高紋理細節。

（1）線性變換。經過線性拉伸處理的影像數據，既增強局部灰度反差又保持原始灰度間的相對關系。

圖 4-8 線性變換

設A₁、A₂為輸入影像的嵌位控制值，B₁、B₂為變換後影像最低、最高亮度值（圖4-8），輸入影像的亮度值A₁～A₂被拉伸為B₁～B₂范圍，其中輸入亮度0～A₁及A₂～255分別被變換為B₁、B₂，如果賦值B₁＝0、B₂=255，則拉大了輸入影像的動態范圍，從而反差得到增強，保持了輸入影像灰度間的線性關系。通過線性拉伸將位移A₁變換為0，而將A₂變為255；這樣既沒有改變A₁到A₂之間灰度值的相對關系，又擴展了直方圖的動態范圍，從而增強影像結構的細微突變信息。

（2）紋理增強。紋理能量增強目前主要靠高通濾波來實現，在空域增強中濾波器選擇是關鍵。不同影像地貌、地物選擇的濾波核各異。一般地，在地形高起伏地區，地理單元比較宏觀，採用的濾波器一般較大，能夠反映地理單元的宏觀特點，選擇較小的濾波核會破壞整體的地貌外形。在地理單元分布細碎，地貌細膩，選擇濾波器相對應較小，否則無法表現細碎的紋理結構。在紋理能量增強時應該避免增強過剩，否則影像細節會過於飽和，使紋理喪失，達不到增強細節的目的。以下濾波核是本次用到的邊緣增強濾波運算元，應用效果比較好。如圖4-9所示。

圖 4-9 濾波增強

（3）多光譜數據處理。在融合影像中，多光譜數據的貢獻是其光譜信息。融合前主要以色彩增強為主，調整亮度、色度、飽和度，拉開不同地類之間的色彩反差，對局部的紋理要求不高，有時為了保證光譜色彩，還允許削弱部分紋理信息。

4.3.3.2 影像融合

目前用於多源遙感數據融合的方法很多，從技術層次來分，可以包括像元級融合、特徵級融合和決策級融合三個層次。像元級融合有HIS變換、主分量變換、假彩色合成、小波變換、加權融合等方法；特徵級融合有Bayes、決策法、神經網路法、比值運算、聚類分析等方法；決策級融合有基於知識的融合、神經網路、濾波融合等方法。從融合演算法上分，可分為對圖像直接進行代數運算的方法，如加權融合法、乘積融合法、Brovey變換融合法等；第二種是基於各種空間變換的方法，如HIS變換融合法、PCA變換融合法、Lab變換融合法等；第三種是基於金字塔式分解和重建的融合方法，如拉普拉斯金字塔融合法、小波變換融合法。

本項目所使用數據為SPOT5數據，缺少藍波段多光譜，對數據採用了自然色模擬方法，在土地利用資源調查中，多光譜信息可以突出地反映土地利用類型的要素信息，提高影像的可判讀性，便於從圖形、紋理特徵及光譜特徵進行綜合判別分析。一般遙感衛星多光譜感測器波譜范圍覆蓋整個可見光部分，即藍、綠、紅波段。而SPOT系列遙感衛星其多光譜覆蓋范圍在可見光部分僅從綠到紅波段，缺少藍波段。在利用遙感衛星影像進行土地利用資源調查時，多光譜信息要求必須以人眼可見的自然色表達，而不允許用偽彩色和紅外彩色模擬，以便於非遙感測繪人員的判讀與實地調查。對於通常的SPOT系列遙感衛星的自然色模擬方法，往往僅靠不同波段組合，以人眼目視判別、感知來調整色調。作業人員的先驗知識作色調調整，作業人員經驗欠缺時，色調調校失真較大；二是標准難以定量統一，不同調校時間、人員，不同景影像的拼接，由於感知的差異都難以達到同一或近似的標准。通過分析全省SPOT5數據特徵，本次影像融合處理主要採用了乘積變換融合和Andorre融合。

Andorre融合採用的是視寶公司提供的Andorre融合方法，具體步驟為：

步驟1 對全色影像先做正態化處理。等價於Wallis濾波及增強局部（紋理增強）與全局對比度。

步驟2 按下面公式融合（P是正態化處理後的全色影像，B₁是綠波段，B₂是紅波段，B₃是近紅外波段）。

ERDAS 中模塊計算公式：

§ 公式一（藍通道）：

§ 公式二（綠通道）：

§ 公式三（紅通道）：

步驟 3 按下面公式完成偽自然色轉換：

ERDAS 中模塊計算公式：

§ 公式一（紅通道）：

§ 公式二（綠通道）：

§ 公式三（藍通道）：

步驟 4 對步驟 3 生成的各個通道執行直方圖拉伸處理。通常，線性直方圖拉伸可以滿足這種彩色影像的調整，需要根據影像目視效果定義閾值。閾值的選擇應該避免在平衡其他顏色造成的像素過飽和。或在 Photoshop 中調整影像色調、亮度及對比度等直至滿足要求。

通過 ERDAS 中 Model 實現其演算法（圖 4-10）。

4.3.3.3 融合影像後處理

後處理主要採用以下 5 種方法：

（1）直方圖調整。對反差較低、亮度偏暗的融合影像，調整輸入輸出范圍，改變反差系數進行線性拉伸，使其各色直方圖達到接近正態分布。輸出范圍一般都定為 0～255，而在輸入范圍的選擇中，對低亮度端的截去應慎重，可以消除部分雜訊。

（2）USM 銳化。通過變化閾值、半徑、銳化程度增強地物邊緣特徵。注意閾值和半徑的設定值不宜過大，銳化程度可根據不同地區影像特點適當選取。通過軟體的預覽功能可以判斷參數選擇得是否合適。城鄉結合部、居民點、道路和耕地邊界是需要重點突出的地物，必須保證清晰可辨，進一步改善總體效果。

（3）彩色平衡。經過融合運算後，影像或多或少會帶有一定程度的偏色，需要通過調整彩色平衡加以改正。

（4）色度飽和度調整。由於 SPOT 5 影像融合後存在大量的洋紅色，與實地顏色不一致的，可以通過改變色度、飽和度、明度等將其轉變為土黃色，使其更接近於真實顏色。

（5）反差增強。通過亮度和對比度調整，可以增強地物間的反差，使不同地類更易區分。

通過融合影像後處理，進一步改善影像的視覺效果，使整景影像色彩真實均勻、明暗程度適中、清晰，增強專題信息，特別是加強紋理信息。

圖 4-10 融合處理演算法

4.3.4 正射校正模型選擇與處理

4.3.4.1 正射糾正的基本模型

一般對推掃式遙感衛星影像的正射糾正有嚴密糾正模型和變換關系糾正模型兩大類。嚴密糾正模型根據衛星軌道參數、感測器攝影特徵以及成像特點，由感測器在獲取影像瞬間的位置、方位等因素，建立起像點與地面之間的共線關系，並由此共線方程解求像點或地面點的糾正。而變換關系糾正模型是一種傳統的幾何糾正方式，不考慮成像的特性，它通過地面控制點與影像同名點計算出不同變換式的變換系數，從而將變形的原始影像擬合到地面坐標中。

嚴密糾正模型有基於多項式的共線方程、基於衛星軌道參數的糾正方法、基於光束法的區域網平差等方法；變換關系糾正模型有多項式糾正、有理函數多項式、有理函數多項式區域網平差等方法。其中，區域網平差是用較少的控制點以多景影像組成區域網進行平差的糾正方法。

（1）基於多項式的共線方程糾正方法。改正原始影像的幾何變形，採用像素坐標變換，使影像坐標符合某種地圖投影和圖形表達方式和像素亮度值重采樣。在攝影瞬間，感測器、影像、地面三者之間，以共線方程反映了成像時地面點和像點之間一一對應的關系。

由於推掃式成像是當前大多數遙感衛星採用的主流成像方式，那麼整景影像為多中心投影，每條掃描線是中心投影。用共線方程表達為

推掃式成像的每一掃描線外方位元素均不同，且y值恆為0。正射糾正時必須求解每一行的外方位元素，利用共線方程得到與地面點相對應的像點坐標，加入DEM後對影像進行糾正。

一般可以認為，在一定時間內，遙感衛星在軌道運行時，空間姿態變化是穩定的，那麼6個外方位元素的變化是時間的函數。由於推掃式影像y坐標和時間之間有固定的對應關系，即每行掃描時間相同，所以可將第i行外方位元素表示為初始外方位元素（φ_i，w_i，k_i）和行數y的函數，而這個函數可以用二次多項式函數來表示，即

該方法需獲得初始外方位元素可從星歷文件中得到，如SPOTS影像星歷，在DIM，CAP格式文件中。

（2）多項式糾正方法。多項式糾正方法是一種傳統的變換關系糾正方法。多項式用二維的地面控制點計算出與像點的變換關系，設定任意像元在原始影像中坐標和對應地面點坐標分別為（x，y）和（X，Y），以x=F_x（x，y），y=F_y（x，y）數學表達式表達，如果該數學表達式採用多項式函數來表達，則像點坐標（x，y）與地面點坐標（X，Y）建立的多項式函數為

式中（：a₀，a₁，a₂，a₃，……，a_n）（，b₀，b₁，b₂，b₃，……，b_n）——變換系數。

一般多項式階數是1階到5階的，式中表達的為3階。所需控制點數N與多項式階數n的關系為：N（=n+1）（n+2）/2，即1階需3個控制點，2階需6個控制點，3階需10個控制點。

多項式糾正考慮二維平面間的關系差，因此，對於地形起伏高差較大的區域，並不能改正由地形起伏引起的投影誤差，糾正後的精度就不高。另外考慮入射角的影響，多項式糾正對於地形起伏較大地區並不適宜。

（3）有理函數糾正方法。有理函數糾正方法是一種變換關系的幾何糾正模型，以有理函數系數（Rational Function Coefficient）將地面點P（L_a，L_b，H_c）與影像上的點（pI_i，S_a）聯系起來。對於地面點P，其影像坐標（pI_i，S_a）的計算始於經緯度的正則化，即

正則化的影像坐標（x，y）為

求得的影像坐標為

有理函數糾正不僅以較高的精度進行物方和像方的空間變換，相對於多項式糾正方法考慮了地面高程，相對於基於共線方程模型使復雜的實際感測器模型得以簡化，便於實現。

（4）區域網平差糾正方法。區域網平差，首先將三維空間模型經過相似變換縮小到影像空間，再將其以平行光投影至過原始影像中心的一個水平面上，最後將其變換至原始傾斜影像，從而進行以仿射變換建立誤差方程，包括每景影像的參數和地面影像坐標的改正，組成法方程，進行平差計算改正。基於模型的區域網平差，是通過影像之間的約束關系補償有理函數模型的系統誤差。區域網平差要合理布設控制點，在景間需有一定數量的連接點，所需控制點數量較少。

4.3.4.2 正射糾正

本次遙感影像正射糾正採用專業遙感影像處理軟體ERDAS提供的LPS正射模塊進行的，糾正過程如圖4-11所示。

圖 4-11 正射糾正流程

為了與以往的縣級土地利用資料庫相銜接，平面坐標系統仍然採用 1954 北京坐標系，高程系統採用 1985 國家高程基準，投影方式採用高斯－克呂格投影，分帶方式為 3°分帶。

本項目涉及 79 景連片且同源影像數據，因此採用整體區域糾正，以工作區為糾正單元，利用具有區域網糾正功能的 ERDAS 中 LPS 模塊進行區域網平差，根據影像分布情況建立一個區域網文件，快速生成無縫正射鑲嵌精確的正射影像，如圖 4-12 所示。因本工作區涉及 37°、38°、39°三個 3°分帶，考慮到全省數據鑲嵌等問題，整個工程採用 38°帶，其中央經線為 114°。

本次糾正中採用 SPOT 5 物理模型，控制點均勻分布於整景影像，控制點個數 25 個，相鄰景影像重疊區有 2 個以上共用控制點。

工作區控制點分布如圖 4-13 所示。

影像正射糾正以實測控制點和 1∶5 萬 DEM 為糾正基礎，以工作區為糾正單元，采樣間隔為 2.5 m。

對控制點和連接點超過限差的要進行檢查、剔除，發現誤差超限的點位，應先通過設置其為檢查點方式重新解算，如解算通過，則通過平差解算；如果糾正精度超限，查找超限原因，則應考慮在誤差較大的點位附近換點或增補點加以解決，並進行必要的返工，直至滿足要求為止。控制點採集如圖 4-14 所示。

對整景利用 DEM 數據在 LPS 中選取 SPOT 5 Orbital Pushbroom 感測器模型，投影選取 Gauss Kruger，橢球體採用 Krasovsky，進行正射糾正，糾正精度滿足 SPOT 5_2.5 m 數字正射影像圖糾正精度要求，糾正後的圖面點位中誤差見表 4-2。

圖 4-12 整體區域糾正控制點選取示意圖

圖 4-13 區域網平差糾正工程圖

圖 4-14 控制點採集

表 4-2 正射糾正控制點中誤差

續表

4.3.5 鑲嵌

以項目區為單位，對相鄰景正射影像的接邊精度進行檢查。經檢查接邊精度合格後，以項目區為單位，對正射影像進行鑲嵌。

由於項目區採用的是 ERDAS 提供的 LPS 正射模塊區域網平差糾正，相鄰兩幅影像，均採集了兩個以上的共用控制點，相應提高了影像鑲嵌精度。

在項目區相鄰景影像的重疊區域中，平原、丘陵與山區分別隨機選取了 30 對均勻分布的檢查點，檢查影像的接邊精度。根據檢查點的點位坐標，計算檢查點點位中誤差。見表 4-3。

表 4-3 影像鑲嵌誤差

本項目影像鑲嵌以工作區為單元，在景與景之間鑲嵌線盡量選取線狀地物或地塊邊界等明顯分界處，以便使鑲嵌影像中的拼接縫盡可能地消除，盡量避開雲、霧及其他質量相對較差的區域，使鑲嵌處無裂縫、模糊和重影現象，使鑲嵌處影像色彩過渡自然，使不同時相影像鑲嵌時保證同一地塊內紋理特徵一致，方便地類判讀和界線勾繪。影像鑲嵌圖如圖 4-15 所示。

5. 光學+演算法，透霧技術還能走多遠

作為安防行業的排頭兵，視頻監控的首要問題就是要突破「看得見」的瓶頸，達到「看得清」的境界。面對霧霾這一棘手問題，安防人始終在不斷努力和探索中。目前主要有兩種方式來解決霧霾、霧氣環境下的透霧應用，一是通過演算法的方式，提升圖像的清晰度、色彩飽和度;二是通過光學透霧方式，實現霧霾、霧氣的穿透。兩種方式實現的原理是不一樣的，前者的本質是圖像的二次處理，是一種演算法矯正;後者是通過物理的方式，通過光學成像的原理提升畫面清晰度。
在數字透霧興起之前，邊防、海防、森林高空監控、城市高空瞭望等場合的應用，只能通過光學鏡頭吸收紅外線的方式來增強圖像的清晰度，從而滿足這些容易出現水汽、霧氣、霧霾場合的監控使用。但是，光學透霧鏡頭價格昂貴，綜合造價成本高不說，效果也不一定能切實滿足使用需求。
高清成像，還需層層抽絲剝繭
在數字透霧興起之前，邊防、海防、森林高空監控、城市高空瞭望等場合的應用，只能通過光學鏡頭吸收紅外線的方式來增強圖像的清晰度，從而滿足這些容易出現水汽、霧氣、霧霾場合的監控使用。但是，光學透霧鏡頭價格昂貴，綜合造價成本高不說，效果也不一定能切實滿足使用需求。
作為安防行業的排頭兵，視頻監控的首要問題就是要突破「看得見」的瓶頸，達到「看得清」的境界。面對霧霾這一棘手問題，安防人始終在不斷努力和探索中。目前主要有兩種方式來解決霧霾、霧氣環境下的透霧應用，一是通過演算法的方式，提升圖像的清晰度、色彩飽和度;二是通過光學透霧方式，實現霧霾、霧氣的穿透。兩種方式實現的原理是不一樣的，前者的本質是圖像的二次處理，是一種演算法矯正;後者是通過物理的方式，通過光學成像的原理提升畫面清晰度。
由於兩者本質的不同，因此，在測試中，雖然兩者均為安防監控攝像機的透霧技術，但測試重點還是不一樣的。
對於採用數字透霧技術的攝像機，主要是通過模擬霧霾場景來檢測，即讓圖像變得模糊即可，然後觀察開啟與關閉透霧功能時，觀察攝像機的表現如何，透霧效果是否顯現出來。其次是模擬模擬霧霾環境進行測試，這就不得利用一切條件創造煙霧、水汽環境，然後觀察透霧效果的表現。由於數字透霧技術是演算法智能化之一，因此還要觀察攝像機在無霧條件下，開啟「透霧」功能後，攝像機是否繼續「除霧」，以檢驗其智能化效果。而針對光學透霧攝像機，則主要是通過模擬霧霾、水汽、煙霧環境進行模擬測試，以觀察攝像機的紅外接收能力和圖像處理除霧效果如何，是否達到了良好的透霧使用表現。光學透霧是採用物理方式的透霧技術，因此不進行圖像模糊方式進行檢驗。
針對光學透霧技術，還需要檢驗是否支持彩色除霧應用。當然，除了透霧功能外，本次也會就攝像機的畫質、網路控制等功能進行檢測，以給讀者一個全面的設備性能展現。
透霧技術方法論
關於透霧攝像機，a&s已經做過不少檢測，也在不斷接觸、評測中，見證了透霧攝像機的發展。以目前的行業發展水平，透霧技術無外乎三種：
·圖像演算法透霧處理;
·鏡頭光學透霧;
·濾波片光學透霧。
關於演算法透霧技術，最早是在國際品牌產品中出現，如三星的百萬高清攝像機，隨著2012年海康威視推出了130萬明星級SMART攝像機後，支持演算法透霧技術的攝像機如雨後春筍般涌現，而且演算法透霧效果也是越來越好。
但數字透霧技術有很大的局限性。由於數字透霧(也叫除霧功能，與工程實際應用中的設備加熱除霧氣是兩個不同概念)是通過演算法的智能化處理，當圖像出現朦朧化效果時，自動調節銳度、圖像對比度、色度等方式，將朦朧畫面調節至更為適於觀看的效果。數字透霧的優勢是保住了圖像的彩色細節，並增強了可看度，但實際上，圖像的清晰度是沒有提升的。而這也是成本最低、最為普及的一種透霧應用方式，目前主流監控設備商所開發的中高端監控產品，幾乎都支持了數字透霧處理功能。
已知的透霧演算法大致可以分為兩大類：一種是非模型的圖像增強方法，通過增強圖像的對比度，滿足主觀視覺的要求來達到清晰化的目的;另一種是基於模型的圖像復原方法，它考查圖像退化的原因，將退化過程進行建模，採用逆向處理，以最終解決圖像的復原問題。
為了得到更好的處理效果，攝像機廠家會增設專門的圖像處理晶元，可自動偵測圖像的密度，最大限度地保持圖像信號的細節，實現彩色增強、反差增強、邊緣增強、對比度增強和亮度增強，並進行密度分割、去模糊等運算，使不同場景下的攝像畫質得到明顯提高，達到透霧的目的。而根據廠家的能力與研發選擇，會分別選擇在DSP或FPGA等不同晶元上進行相應處理。
晶元會實時讀取視頻流信息，通過對比參數判定是否需要開啟透霧模式，也就是可以達到自動偵測霧氣，甚至可以通過設定的預置模式判定出霧氣濃淡，選擇進入相應的透霧模式。不過，從目前的應用效果看，能夠支持到自動判斷圖像是否有「霧」、濃度多少的攝像機不多，大部分都還是依靠手動開啟、關閉的方式。
而數字透霧技術，由於採用的是演算法處理技術，也不再僅僅限於攝像機，目前已經延伸到後端，如透霧顯示器/監視器、透霧DVR、透霧NVR等，讓透霧應用變得更為廣泛，也滿足了目前透霧產品線不全或原有設備不支持透霧技術的後端升級應用。
接著說光學透霧。光學透霧利用的是光的不同波段有不同的特性這個特點原理來實現的，自然光由不同波長的光波組合而成，波長從長到短分別是紅橙黃綠青藍紫七種顏色，其中波長小於390nm的叫做紫外線，波長大於780nm的叫做紅外線。紅外線波長較長，在傳播時受氣溶膠的影響較小，可穿透一定濃度的霧靄煙塵，實現准確聚焦，這就是光學透霧的依據。
採用鏡頭的方式，就是在鏡頭處增加了IR感知能力，讓更多的紅外線傳達到感測器上。該技術是不分時段、不分場合的「開啟」透霧模式，且無論是彩色模式還是夜間模式，都能較非透霧鏡頭獲得更多的有效光線，從而輔助攝像機實現更為優良的清晰度效果。當然，透霧鏡頭還需要解決一個問題，那就是可見光與紅外非可見光在任意光照環境下，均可准確的聚焦到同一個點上，只有這樣，才能確保成像的高清，否則將會出現虛焦，這也是透霧鏡頭的一個必要的技術難點。
由於採用鏡頭作為光學透霧方式的成本較高，難以在很多場合中普及，因此不少監控設備商一直都在尋求新的解決方案。2013年下半年，宇視科技率先突破了這一技術瓶頸，通過採用濾光片的方式來實現光學的透霧應用，這是安防的一個創新方案。其實現的原理為，當將攝像機切換到光學透霧模式時，攝像機將自動切換透霧濾光片，讓攝像機過濾並吸收紅外線，從而實現清晰度的大幅提升。此類光學透霧技術，對鏡頭的要求則下降了許多，只要是滿足攝像機正常監控使用的鏡頭都可適用。當然，對鏡頭要求支持IR紅外矯正功能是必不可少的，而目前的高清鏡頭，幾乎清一色地支持IR矯正功能，由此可以說，採用濾波片的光學透霧攝像機，基本可以排除對鏡頭的特殊依賴性。
透霧技術再升級
經過了數年的發展，透霧技術也隨著監控技術的發展而不斷得到優化和提升，首先是數字透霧技術的優化;其次是光學透霧方案的創新。下面我們就來介紹一下a&s安防自動化於7月測試的兩款分別代表了當前數字透霧和光學透霧的產品為例進行介紹。
數字透霧效果明顯優化
大華DH-IPC-HFW8331D-Z系列300萬像素超寬動態紅外透霧型攝像機採用的即是數字透霧的方式。大華自從在攝像機中引入數字透霧技術後，一直保持著自己的特色，其產品支持自動和手動可調的方式來處理圖像的模糊情況。而在手動模式下，分別可對透霧強度、大氣模式可調，以增強「除霧」效果。
大華DH-IPC-HFW8331D-Z系列300萬像素超寬動態紅外透霧型攝像機採用的即是數字透霧的方式。大華自從在攝像機中引入數字透霧技術後，一直保持著自己的特色，其產品支持自動和手動可調的方式來處理圖像的模糊情況。而在手動模式下，分別可對透霧強度、大氣模式可調，以增強「除霧」效果。
大華DH-IPC-HFW8331D-Z系列300萬像素超寬動態紅外透霧型攝像機採用的即是數字透霧的方式。大華自從在攝像機中引入數字透霧技術後，一直保持著自己的特色，其產品支持自動和手動可調的方式來處理圖像的模糊情況。而在手動模式下，分別可對透霧強度、大氣模式可調，以增強「除霧」效果。
從實測效果看，該機在自動模式下，即能將透霧效果處理得跟手動模式下的最佳效果一致，自動處理演算法還是比較靠譜、智能化的。但這還不是該機的亮點，其優勢是，雖然為數字透霧處理，但畫面的「去霧」效果明顯，在保持彩色畫面不變的情況下，可將除霧的效果較之前有了很好地提升，經處理後，朦朧的畫面上，「霧」的存在感很低，取而代之的是清爽、通透的畫面。這也看出，該機不僅僅是簡單的圖像增強，更是在透霧演算法方面的智能化提升。
光學透霧技術再突破
過去，國內品牌中，唯有宇視一家提供有非鏡頭的光學透霧技術方案產品;海康威視過去則是清一色的數字透霧產品。此次檢測的海康威視DS-2CD4026FWD/D星光級200萬超寬動態專業透霧型槍型網路攝像機，則是海康威視光學透霧監控攝像機的首次亮相。該機採用了濾波片的方式來吸收紅外光線，從而獲得更為清晰的圖像效果。
該設備支持雙透霧模式，即數字透霧和光學透霧，該機採用了全智能處理方式，一鍵開啟或關閉，不提供透霧等級調節功能。在實測中，該機的數字透霧有著不錯的表現，除了能保持彩色的畫面效果外，畫面的清晰度、色彩都有不錯的提升。但最佳的效果在於透霧技術，根據設計要求，該機的光學透霧需在夜間模式下才能獲得最佳的效果;但實測中，在白天模式下開啟光學透霧功能，其效果要較數字透霧模式下所得的畫面更為清晰;而在開啟夜間模式時，畫面則干凈、整潔，很難察覺到畫面有「霧氣」存在。可以這么說，該機可實現的透霧方式有：數字透霧、彩色模式下的光學透霧、黑白模式下的光學透霧，所得到的透霧效果，也是層層遞進，並以黑白模式下的光學透霧表現最佳。作為一款主打光學透霧的攝像機，該機除了採用物理方式增強清晰度外，也提供了演算法輔助，從而讓光學透霧技術得以更大程度的發揮和展示。
海康威視攝像機可實現的透霧方式有：數字透霧、彩色模式下的光學透霧、黑白模式下的光學透霧，所得到的透霧效果，也是層層遞進，並以黑白模式下的光學透霧表現最佳。作為一款主打光學透霧的攝像機，該機除了採用物理方式增強清晰度外，也提供了演算法輔助，從而讓光學透霧技術得以更大程度的發揮和展示。
海康威視攝像機可實現的透霧方式有：數字透霧、彩色模式下的光學透霧、黑白模式下的光學透霧，所得到的透霧效果，也是層層遞進，並以黑白模式下的光學透霧表現最佳。作為一款主打光學透霧的攝像機，該機除了採用物理方式增強清晰度外，也提供了演算法輔助，從而讓光學透霧技術得以更大程度的發揮和展示。
透霧攝像機的結構設計及散熱性
首先看數字透霧攝像機的結構設計。由於採用的是演算法處理方式，勢必要對晶元造成一定壓力;處理需求的增多，也會相應地提升設備的運行溫度。不過，目前的攝像機都已經比較成熟，在零配件選用上，也是得心應手，什麼樣的功能搭配什麼樣的硬體，都有成熟的方案，因此，單就數字透霧技術來說，此類攝像機的散熱性並不高，以本次的數字透霧攝像機大華DH-IPC-HFW8331D-Z為例，這是一款成熟的筒型槍式攝像機，在整個測試過程中，設備的溫度上升並不明顯。
而光學透霧攝像機，在雖然有演算法的處理，但透霧對攝像機的整體圖像處理功能來說，所能增加的壓力也不多。從之前我們測試過的相關光學透霧型攝像機來看，透霧演算法對攝像機的溫度的提升也不是很明顯的。而本次測試的海康威視DS-2CD4026FWD/D星光級200萬超寬動態專業透霧型槍型網路攝像機，則在測試過程中，在26℃左右的室內環境下，機身溫度竟然達到了50℃以上，這是頗為少見的，為了降低散熱，該機在結構上較海康威視的第一代SMART攝像機來說，增加了易於散熱的片翅設計。而實際上，本次測評的DS-2CD4026FWD/D是一款SMART 2.0智能網路攝像機，內部植入了各種智能分析演算法，同時，對低照度、寬動態、數字降噪等功能也進行了演算法提升，在功能的不斷增加下，該機的處理散熱量會比較大;同時，該設備作為一款新品，軟體版本的演算法優化還在不斷提升當中，由於測試時，版本比較低，散熱量大必不可少;事後，我們對攝像機進行了軟體版本的升級，此時攝像機的工作溫度降到了40℃左右。
再看安裝性。兩個設備均支持PoE供電功能，測試中，只需給攝像機接入一根帶PoE供電的網線，即完成了設備的聯網和使用;同時，設備提供有BNC前端調試圖像輸出功能，對調試也是很便利的;而大華的設備還支持後端變焦、聚焦功能，更省去了前端調試的麻煩。
透霧攝像機畫質及功能表現
我們首先看畫質功能。海康威視的光學透霧攝像機採用的是主流的H.264壓縮演算法;大華採用的是最新的H.265壓縮演算法。前者在4Mbps下可保持良好的1080P畫質效果;後者由於演算法的低壓縮速率，在3Mbps下就可正常運行300萬高清畫質，由於演算法的不一樣，兩者在帶寬處理上不具備典型可比性。不過可以肯定的是，這兩款分別作為各自的最新產品之一，都良好地延續了技術實力，保證了圖像畫質的高清表現，其中海康威視的水平和垂直清晰度接近1100TVL，邊緣清晰度為1000TVL;大華為水平清晰度1300TVL，垂直達到1200TVL;色彩還原、灰階等方面都有良好的還原表現。
再看功能方面，寬動態、背光補償、強光抑制等功能均是支持，而在低照度方面，這兩款攝像機延續了海康威視和大華兩家的星光級優勢，實現0.001Lux的星光級效果是沒有問題的。而在智能分析方面，這兩款設備支持的功能非常豐富：
·大華DH-IPC-HFW8331D-Z：支持虛焦偵測、區域入侵、拌線入侵、物品遺留/消失、場景變更、徘徊檢測、人員聚集、快速移動、非法停車、音頻異常偵測、人臉偵測、外部報警、客流量統計、熱度圖等;
·海康威視DS-2CD4026FWD/D：支持越界偵測、區域入侵偵測、進入/離開區域偵測、徘徊偵測、人員聚集偵測、快速運動偵測、停車偵測、物品遺留/拿取偵測、場景變更偵測、音頻陡升/陡降偵測、音頻有無偵測、虛焦偵測、車輛檢測(支持車牌識別，車型/車標/車身顏色/車牌顏色識別)、混行檢測(檢測正向或逆向行駛的車輛以及行人和非機動車，自動對車輛牌照進行識別，可以抓怕無車牌的車輛圖片)等。
由於兩者可支持的智能分析演算法眾多，尤其是海康威視的DS-2CD4026FWD/D，設備商還提供了定製化服務，可根據客戶的不同需求，針對性地植入所需智能分析功能。