如今，随着经济的发展和人们生活水平的提高，视频监控在生活中应用的范围越来越广，人们对新形势下视频处理技术的应用和发展问题尤为关注。

数字视频和数字图像比传统的图像和视频分辨率要高，处理方便，易于操作和整理。

但由于部分设备性能不足、客观条件限制等因素，在实际的视频监控应用中，仍会出现视频图像模糊不清、关键信息捕捉不到等问题。

而在视频图像处理的过程中，由于操作技术问题或者客观因素等，给视频图像处理技术的应用带来一些负面影响，降低了处理技术的水平和质量。

作为知识系列的第一篇，今天小灵带大家认识下视频图像处理的四大技术。

智能视频分析技术是解决视频监控领域大数据筛选、检索技术问题的重要手段。

目前国内智能分析技术可以分为两大类：

一类是通过前景提取等方法对画面中的物体的移动进行检测，通过设定规则来区分不同的行为，如拌线、物品遗留、周界等；

另一类是利用模式识别技术对画面中所需要监控的物体进行针对性的建模，从而达到对视频中的特定物体进行检测及相关应用，如车辆检测、人流统计、人脸检测等应用。

视频透雾增透技术，一般指将因雾和水气灰尘等导致朦胧不清的图像变得清晰，强调图像当中某些感兴趣的特征，抑制不感兴趣的特征，使得图像的质量改善，信息量更加丰富。

由于雾霾天气以及雨雪、强光、暗光等恶劣条件导致视频监控图像的图像对比度差、分辨率低、图像模糊、特征无法辨识等问题，增透处理后的图像可为图像的下一步应用提供良好的条件。

数字图像处理中宽动态范围是一个基本特征，在图像和视觉恢复中占据了重要的位置，关系着最终图像的成像质量。

其动态的范围主要受保护信号量和平均噪声比值来决定的，其中动态范围可以从光能的角度来定义。

数字的信号处理会受到曝光量中曝光效果、光照度和强度的影响和作用。

动态范围跟图案的深度息息相关，如果图像动态范围宽，则在图像处理时亮度变化较为明显，但如果动态范围较窄，在亮度转化时，亮暗程度的变化并不明显。

目前图像的宽动态范围在视频监控、医疗影像等领域应用较为广泛。

提高图像分辨率最直接的办法就是提高采集设备的传感器密度。

然而高密度的图像传感器的价格相对昂贵，在一般应用中难以承受；另一方面，由于成像系统受其传感器阵列密度的限制，目前已接近极限。

解决这一问题的有效途径是采用基于信号处理的软件方法对图像的空间分辨率进行提高，即超分辨率（SR：Super-Resolution）图像重建，

其核心思想是用时间带宽（获取同一场景的多帧图像序列）换取空间分辨率，实现时间分辨率向空间分辨率的转换，使得重建图像的视觉效果超过任何一帧低分辨率图像。