雾水气对监控的影响
一般认为，大气介质主要由空气分子、水汽和气溶胶组成。气溶胶是悬浮在气体中的小粒子构成的弥散系。某些粒子具有高吸湿性，起到水汽凝结中心的作用，其大小与环境相对湿度、水汽供应和由碰撞而发生凝聚的程度有关。由于大气中各种颗粒的大小、类型以及聚集程度的不同产生晴(Clearness)、霾(Haze),雾(Fog)，云(Cloud)、雨(Rain)等各种天气。
在晴朗的天气条件下，从物体表面反射的光线基本不会受大气中各种成分的影响发生散射、吸收、反射等现象，能够直接到达成像设备，获得清晰无雾图像。
在有雾天气下，从物体表面反射的光线在到达成像设备的过程中会受到空气中悬浮颗粒的影响。气溶胶粒子是雾霾形成的主要因素，也是图像质量产生退化的根本原因，其影响主要有以下几个方面:
(1)气溶胶粒子对光线有散射作用，散射损失使“透射光”强度衰减，造成了图像的对比度下降。
(2)由于气溶胶粒子的非均匀性，使球面波畸变成非球面波，导致图像变模糊，边缘和细节降低。
(3)气溶胶粒子的粒径较大，粒子的自身成像不容忽视，可以近似理解成“噪声”。
(4)气溶胶粒子对成像光线的散射部分会因为多次散射的作用，和原有的前向散射部分叠加在一起成像，产生一定的模糊。
实时视频透雾技术与其他透雾技术的比较分析
目前已知的透雾算法大致可以分为两大类:一种是非模型的图像增强方法，通过增强图像的对比度，满足主观视觉的要求来达到清晰化的目的;另一种是基于模型的图像复原方法，它考查图像退化的原因，将退化过程进行建模，采用逆向处理，以最终解决图像的复原问题。
目前通过增强的方式来进行透雾处理典型的方法包括：直方图均衡化、滤波变换方法和基于模糊逻辑的方法。直方图均衡化方法，其中全局化方法运算量小但对细节的增强不够;局部均衡方法效果较好，但可能引入块状效应、计算量大、噪声被放大及算法效果不易控制的问题。滤波变换的透雾算法，通过局部处理能获得相对较好的处理结果，但它们的计算量巨大、资源消耗多、不适于实时性要求较高的设备。基于模糊逻辑的方法透雾的效果不够理想。
基于增强的方法能在一定程度上提高图像对比度，并通过增强感兴趣区域来提升可识别度。但该方法未能从图像退化过程的原因入手来进行补偿，因此它只能改善视觉效果而不能获得很好的透雾效果。
目前基于图像复原的方法主要有以下几类：滤波方法、****熵方法与图像退化函数估计法等。滤波方法如卡曼滤波方法，整体而言计算量较大。****熵法能获得较高的分辨率但是其非线性、计算量大、数值求解困难。 |
