Flir Systems: Digital Detail Enhancement für hohe Dynamik-Bereiche

Flir Systems: Digital Detail Enhancement für hohe Dynamik-Bereiche. Die Leistung eines Wärmebildsystems wird häufig anhand seiner Erfassungsreichweite klassifiziert. Bei Sicherheits- und Überwachungssystemen ist dies natürlich sehr sinnvoll, da der Anwender wissen möchte, wie weit er denn „sehen“ oder ein Objekt wie einen Menschen oder ein Fahrzeug erkennen kann. In der Praxis kann es jedoch äußerst schwierig sein, Ziele zu entdecken, sogar wenn sie noch innerhalb der theoretischen Grenzen des Systems liegen.

Ein oft vernachlässigter Faktor ist das Problem, das durch eine Szenerie mit hohem Dynamikbereich entsteht. Ein hoher Dynamikbereich bedeutet, dass große Temperaturunterschiede im Bild dargestellt werden müssen – z. B. Personen neben einem Lagerfeuer order heiße Motorenteile und Details der kalten Umgebung.

Sogar wenn das System das Ziel auflösen kann, wird es dem Anwender bedingt durch den limitierten Dynamikbereich von Monitoren (8 Bit = 256 Graustufen) möglicherweise nicht angezeigt, außer wenn er exakt weiß, in welchem Teil des Signalbereichs das Ziel sich versteckt. Dadurch steigt die für eine Erkennung notwendige Zeit deutlich an oder noch schlimmer: bestimmte Ereignisse bleiben unerkannt.

Was ist DDE?

Flir Systems hat einen leistungsstarken Algorithmus entwickelt, mit dem der Anwender das Problem der Erkennung von Zielen mit niedrigem Kontrast in Szenen mit hohem Dynamikbereich überwinden kann. Dieser Algorithmus trägt die Bezeichnung Digital Detail Enhancement (DDE).

DDE ist ein hoch entwickelter nichtlinearer Bildverarbeitungsalgorithmus, der Details in Bildern mit hohem Dynamikbereich bewahrt. Dieses detaillierte Bild wird verbessert, so dass es zu dem gesamten Dynamikbereich des Originalbildes passt, und dadurch werden Details sogar in Szenen mit extremer Temperaturdynamik für den Bediener sichtbar.

Warum stellt ein hoher Dynamikbereich ein Problem dar?

Die Antwort liegt in den Grenzen des menschlichen Sehvermögens und typischer Videoschnittstellen begründet. Ein menschlicher Beobachter kann nur etwa 128 Graustufen (7 Bit) in einem Bild unterscheiden. Die Herausforderung für jede Infrarotkamera besteht in der Abbildung der in einem 14-Bit-Signal (über 15.000 Graustufen) versteckten Informationen auf ein 7-Bit-Signal, dessen Graustufen ein Beobachter unterscheiden kann.

Außerdem erfordern viele analoge und digitale Videoschnittstellen 8-Bit-Werte, und dies begrenzt effektiv den Dynamikbereich auf 256 Graustufen, selbst wenn der Endanwender kein Mensch ist (z. B. Target tracker).

Ist DDE nicht dasselbe wie Histogramm- Angleichung?

Nein. Die Histogramm-Angleichung (HE) und die vielen Varianten dieses Verfahrens arbeiten nach dem Paradigma „Mehr Dynamikbereich (Kontrast) für den vorherrschenden Temperaturbereich und weniger Dynamikbereich für Bildanteile im nicht vorherrschenden Temperaturbereich.“ DDE jedoch verbessert einfach alle Details gleichmäßig, unabhängig vom Temperaturbereich, in dem sie sich befinden.

Dies bedeutet, dass ein kleiner heißer Gegenstand vor einem kalten Hintergrund ebenso klare Details hat wie der Hintergrund, der den vorherrschenden Temperaturbereich darstellt. Herkömmliche AGC-Algorithmen entfernen extreme Werte und bilden den Dynamikbereich linear auf einen 8-Bit-Bereich ab. Dies stellt bei Videosignalen mit hohem Dynamikbereich nur eine geringe Verbesserung dar. Der Histogramm- Ausgleich verstärkt den Kontrast im vorherrschenden Temperatur-/Strahlungsbereich.

Was aber, wenn sich das Ziel nicht in diesem vorherrschenden Bereich befindet? DDE weist den Details einen vorab festgelegten Anteil des verfüg-baren Kontrasts zu. Die Wahrscheinlichkeit der Erkennung von Objekten mit niedrigem Kontrast ist über das gesamte Bild konstant.

Ein Beispiel aus der Praxis

Wie können wir Ziele mit niedrigem Kontrast in einem Bild mit hohem Dynamikbereich entdecken? Die Videosequenz der Abbildungen 1 bis 4 zeigt eine Szene mit ziemlich hohem Kontrast.

Die Verstärkung (Gain) und der Pegel (Level) wurden in Abbildung 2 und 3 manuell eingestellt, um spezielle Ziele mit niedrigem Kontrast hervorzuheben.

Abbildung 1 zeigt das Videosignal, nachdem ein standardmäßiger AGC-Algorithmus angewendet wurde. Dieser Algorithmus beschneidet das Signal, indem extreme Pixelwerte weggelassen werden. Dadurch erhält der mittlere Teil des Histogramms mehr Kontrast. Ein bewegliches Ziel kann problemlos beobachtet werden.

Abbildung 2 zeigt das untere Ende des Signalbereichs, und wir können jetzt einen Hubschrauber entdecken, der in der oberen linken Bildecke schwebt. Dies könnte das potentielle Ziel sein. Beachten Sie, dass der Hubschrauber auf Abbildung 1 nicht sichtbar ist.

Abbildung 3 zeigt jetzt einen schmalen Bereich in der Mitte des Dynamikbereichs. Wir können jetzt Ziele in Pixelgröße im Waldgebiet jenseits der Wasserfläche sehen. Was wäre, wenn diese Leute hier die Ziele darstellen würden?

Abbildung 4 zeigt schließlich die mit dem DDE-Algorithmus von FLIR gefilterte Bildfolge. Jetzt lassen sich alle drei Ziele gleichzeitig beobachten. Wie Sie sehen, sind nur sehr wenige Artefakte im Bild vorhanden.

Ein robustes Instrument für wechselnde Bedingungen

Anders als viele andere Verfahren zur besseren Darstellung von Details ist DDE bei sich verändernden Bedingungen extrem robust. In der Praxis liefert die Kamera bei Verwendung von DDE fast perfekte Videobilder bei allen denkbaren Bedingungen, und der Anwender kann sich auf das Bild und nicht auf die Einstellungen konzentrieren.

Dank an Nicholas Högasten und Rene Lindner für ihre Mitarbeit bei diesem Artikel.

Kontakt

Bertrand Völckers
Flir CVS (Commercial Vision Systems), Berlin
Tel.: 030/37303972
flir@flir.com
www.flir.com