В статье рассмотривается реализация экспериментальной системы видеонаблюдения на основе IP-камер, предназначенной для изучения алгоритмов при организации видеонаблюдения на открытой местности. Наиболее значимыми факторами, оказывающими негативное влияние на восприятие видеоинформации, являются неравномерность освещения наблюдаемой сцены, погодные условия и дрожание камеры. Предлагаемая система предусматривает возможность улучшения качества видеопотока при помощи временных и пространственных методов. Для осуществления компенсации дрожания кадра предложен метод стабилизации видеопоследовательности, основанный на методе соответствия блоков с учетом пространственно-временной постобработки. В методе предусмотрен выбор предустановленных зон изображения, что позволяет повысить эффективность алгоритма при отсутствии движения камеры. Для оповещения оператора о происходящих в зоне наблюдения событиях предложен метод разделения движения на три уровня. Авторами предлагается нелинейное улучшение изображений с сохранением локального контраста в плохо и ярко освещенных областях. Применение нелинейной коррекции изображения позволяет повысить качество наблюдаемой сцены в вечернее время суток и при плохих погодных условиях. Представлены результаты экспериментов для детектора движения. Приведены данные об эффективности стабилизации и о повышении визуального качества изображений, полученных в сложных условиях освещения.

При организации современных систем видеонаблюдения все чаще используются цифровые устройства захвата изображений, работающие не только в видимом диапазоне. Широкое распространение получают инфракрасные (IR – infrared) камеры, позволяющие частично решить проблему плохой видимости наблюдаемого объекта из-за погодных условий (туман, дымка, пыль и т.д.) или недостаточного освещения (ночь, отсутствие искусственного освещения). В статье рассматриваются методы
повышения визуального качества изображений, полученных в сложных условиях освещенности на основе слияния данных инфракрасного (IR) и визуального (RGB) изображений. Методы слияния условно делятся на три основные категории в зависимости от уровня, на котором происходит анализ изображения: попиксельное слияние, слияние на основе ключевых особенностей и слияние на основе распознавания объектов. В основу разрабатываемого алгоритма взят подход попиксельного объединения изображений, поскольку он обеспечивает высокую скорость обработки данных, которая важна при организации системы видеонаблюдения.

Разработанный алгоритм включает два этапа: подготовка и обработка. В ходе подготовительного этапа формируются данные, необходимые для выполнения слияния, и карты хроматических компонентов цветовой модели YUV. Для повышения визуального качества выполняется корректировка инфракрасного изображения в зависимости от его типа (NIR, SWIR или LWIR) и значения средней яркости. Для определения коэффициента коррекции используются данные гистограмм и таблиц перекодировки, которые позволяют значительно сократить вычислительную сложность алгоритма.

На этапе обработки происходит формирование улучшенного визуального изображения с адаптивной подстройкой коэффициентов, задействованных в алгоритме попиксельного слияния. При этом учитываются такие параметры, как значения яркости пикселей визуального и скорректированного инфракрасного изображений, а также сведения о насыщенности цвета.

Проведенные экспериментальные исследования с NIR- и LWIR-изображениями при различных условиях освещения и наличии на изображениях тумана показали целесообразность использования предлагаемого алгоритма.