FDNR (udu eemaldamine)

Valvekaamerad paigaldatakse tihti välistingimustesse ning eeldatakse, et need töötavad ööpäev läbi ja vähendatakse päikesevalguse, vihma, lume ja udu negatiivseid mõjusid kaamera kujutisele. Ilmastikutingimused mõjutavad valvekaamera salvestatava kujutise kvaliteeti märkimisväärselt. Udune ilm mõjutab salvestatava kujutise kvaliteeti kontrasti vähendamise näol, mis omakorda vähendab kaamera salvestatava kaadri selgust ja teravust. Tootjad kasutavad salvestatava kujutise kvaliteedi parandamiseks paljusid erinevaid funktsioone.

Udu eemaldamise funktsioon Defog, mida nimetatakse ka F-DNR, on üks peamisi algoritme välistingimuste valvesüsteemide funktsioonide hulgas.

Joonis 1. Kujutiste võrdlus väljalülitatud (DEFOG OFF) ja sisselülitatud (DEFOG ON) udu eemaldamise funktsiooniga

Tänu digitehnoloogia arengule on kujutise töötlemise algoritmid muutnud udu eemaldamise funktsiooni üha laiemalt kasutatavaks isegi odavamate kaamerate puhul. Tehnoloogia kohandab kaamera kujutiseandurilt pärineva informatsiooni jaotust ning parandab kujutise kontrasti ja detailsust, et vähendada informatsiooni kaotsiminekut järeltöötlemise käigus.

Olemas on kaks digitaalset udu eemaldamise algoritmi: mudelita kujutise taastamismeetod ja mudelipõhine kujutise taastamismeetod. Mudelita kujutise taastamismeetodi puhul suurendatakse kontrasti, et saavutada kasutaja subjektiivse visuaalse hinnangu alusel rahuldav tulemus. Mudelipõhine kujutise taastamismeetod analüüsib kujutise halvenemise põhjuseid ja pöörab protsessi ringi, et taastada algne kujutise kvaliteet.

Mudelita kujutise taastamismeetodi hulka kuuluvad tüüpiliselt histogrammi ühtlustamine, filtri transformeerimine ja hägusloogikal põhinev teooria. Histogrammi ühtlustamise võib jagada globaalseks histogrammi ühtlustamiseks ja osaliseks histogrammi ühtlustamiseks. Globaalsel histogrammi ühtlustamisel on madal arvutuslik kulu, kuid kujutisel oleva teabe täiustamine ei ole piisav. Osaline histogrammi ühtlustamine toimib paremini, kuid võib põhjustada plokiefekte ja suurendada müra. Filtri transformeerimise algoritm tagab kujutise hea kvaliteedi, kui selle arvutuslik kulu ja ressursside kulu on liiga kõrge, et seda kasutada reaalajas jälgimise puhul. Hägusloogikal põhinevad udu eemaldamise efektid pole tavaliselt piisavad.

Kokkuvõtteks võib öelda, et mudelita kujutise täiustamise meetodid võivad kujutise kvaliteeti teatud määral tõsta, kuid need ei paranda kujutise kvaliteeti tõhusal viisil.

Mudelipõhine kujutise taastamismeetod hõlmab filtreerimismeetodit, maksimaalse entroopia meetodit ning kujutise halvenemise funktsiooni hindamise meetodit. Filtreerimismeetod, näiteks Kalmani filtreerimine nõuab suurt arvutusvõimsust. Maksimaalne entroopia tagab kõrge eraldusvõime, kuid tegemist on väga kompleksse mittelineaarse protsessiga, millel on keeruline arvutusprotsess. Kujutise halvenemise funktsiooni hindamise meetod koostatakse tavaliselt kindla füüsilise mudeli jaoks. Selle algoritmi puhul tuleb teha etalonpilte eri ajahetkedel, et määrata füüsilise mudeli parameetrid ning kuna tegemist pole reaalajalise meetodiga, siis on seda keeruline kasutada valvesüsteemides.

Suuremad valvesüsteemide tootjad on loonud udu eemaldamise funktsiooni reaalajas video jaoks. See tehnoloogia põhineb atmosfäärioptika teoorial. Udu eemaldamise funktsioon võtab arvesse vaatevälja sügavust ja udu tihedust eri piirkondades ning kasutab selge ja loomuliku kujutise saamiseks filtreerimist.

Allpool on toodud näited udu eemaldamise funktsioonist.

Joonis 2. Enne ja pärast kontrasti suurendamist

Joonis 3. Kujutise detailide võrdlus.

Joonis 4. Kaadris oleva teksti võrdlus