Noise Reduction دوربین مداربسته
دوربین های مداربسته، با توجه به کاربردهای چشم گیری که در خصوص افزایش امنیت و برقراری نظم در محیط دارند، در شرایط مختلفی نصب می شوند که همیشه نمی توان، شرایط مساعد را بر ارائه ی تصاویر مهیا ساخت، بنابراین شرکت های نظارت تصویری، در سری جدید دوربین های خود، قابلیت هایی را ایجاد کرده اند تا در شرایط نوری نامساعد نیز بتوانند تصاویر مناسبی را ارائه کنند. یکی از قابلیت هایی که به ارائه تصاویر مناسب کمک می کنند، قابلیت Noise Reduction دوربین مداربسته است که در ادامه آن را مورد بررسی قرار خواهیم داد.
Noise Reduction دوربین مداربسته چیست؟
Noise Reduction دوربین مداربسته، یکی از قابلیت های کاهش نویز تصاویر است چرا که داده های تصویر و عکس تولید شده به وسیله‌ی سنسور تصویر یا مدار اسکنر دوربین دیجیتال شامل سیگنال و همچنین اطلاعات نویز می باشد چرا که همیشه نویز در تصاویر وجود دارد و هنگامی که نور محیط کم می شود، ابن نویز مشهود خواهد شد. نسبت میزان سیگنال به نویز برای سنجش میزان نویز محیط مورد استفاده قرار می گیرد که نسبت بالا به معنای کیفیت تصویر بهتر است. در حالی که وجود نویز عامل مهمی در کاهش کیفیت تصویر است و اندازه داده ها را برای انتقال و ذخیره سازی به طور قابل توجهی افزایش داده و در نتیجه باعث اتلاف پهنای باند و فضای ذخیره سازی می شود. بر این اساس، کاهش میزان نویز تصاویر، امری ضروری در پردازش تصاویر است که توسط قابلیت Noise Reduction دوربین مداربسته انجام خواهد شد.
تئوری و طبقه بندی فناوری‌های Noise Reduction دوربین مداربسته
از طریق فیلترینگ خطی و غیر خطی می توان باعث کاهش نویز تصویر ( Noise Reduction دوربین مداربسته) شد و بر اساس سیگنال و محتوای نویز از داده‌های تصویری و آنالیز برآورد نویز و الزامات کاهش، می توان روش های کاهش نویز را به شکل زیر طبقه بندی کرد:
- فیلترینگ فضایی (Spatial Filtering)
- فیلترینگ زمان (Temporal Filtering)
- فیلترینگ سازگاری حرکت (Motion Adaptive Filtering)
- فیلترینگ جبران حرکت (Motion Compensation Filtering) و غیره
امروزه تمامی این فناوری ها در اکثر محصولات نظارتی به کار برده می شوند.
مقایسه فناوری های کاهش نویز Noise Reduction دوربین مداربسته
پیچیدگی‌ها و تاثیرات الگوریتم های مختلف فیلتر کاهش نویز یا Noise Reduction دوربین مداربسته، بسیار متفاوت هستند. به طور کلی، فیلترهای فضایی و زمانی دارای الگوریتم هایی با پیچیدگی کمتری هستند. فیلتر فضایی، نویز موجود در تصویر را کاهش می‌دهد، اما به دلیل لبه های فازی، به جزئیات تصویر آسیب می‌زند؛ در حالی که فیلترینگ زمان باعث می‌شود که اجسام در حال حرکت روح مانند نشان داده شوند. بنابراین، به طور معمول این دو نوع فناوری فیلترینگ در محصولات ارزان قیمت استفاده می شوند.
شکل 1 – راست به چپ:
تصویر با فیلترینگ سازگاری حرکت؛ تصویر با فیلترینگ زمانی؛ تصویر با فلیترینگ فضایی حرکت؛ تصویر اصلی
فیلتر سازگاری حرکت آنالیز را با مقایسه دو فریم متوالی انجام می دهد و منطقه متحرک و ساکن را شناسایی می کند. فیلتر سازگار حرکت بر اساس تفاوت بین تصاویر قبلی و بعدی در مورد متحرک یا ثابت بودن تصویر می باشد.
در بحث فيلتر، فيلترینگ زمانی بر روي بخش‌های ثابت تصویر و فیلترینگ فضایی بیشتر بر بخش های متحرک تصویر اعمال می‌شود. در جزئیات ثابت، جزئیات به شکل بهتری باقی می‌مان، و شکل روح مانند کمتری در مورد اجسام متحرک در تصویر وجود خواهد داشت.
شکل 2- جزئیات در تصویر زوم شده، به صورت ساعتگرد:
تصویر اصلی؛ تصویر فیلترینگ فضایی؛ تصویر فیلترینگ زمانی؛ تصویر فیلترینگ سازگاری حرکت
شکل 3 – تئوری فیلترینگ جبران حرکت
لازم به ذکر است که این تاثیر بر روی تصویر (که در شکل بالا نشان داده شده است) نتیجه اتخاذ فناوری های کاهش جریان اصلی نویز فعلی برای عملکرد نویز زدایی می باشد، اما این موضوع به این معنا نیست که تمام فناوری های موجود در بازار می توانند به یک میزان عملیات کاهش نویز را انجام دهند.
در واقع فناوری های مختلف کاهش نویز به طور مداوم در حال به روز رسانی هستند و هر روز قابلیت های جدیدی به منظور کاهش نویز و کاهش فضای ذخیره سازی اعمال می شود و اثر کاهش نویز را در آینده افزایش می دهد. در عین حال، شما در استفاده واقعی از هر نوع فناوری که به کار می گیرید، تاثیر آن هرگز نمی‌تواند کامل باشد اما Noise Reduction دوربین مداربسته تا حد زیادی می تواند نویزهای تصاویر را کاهش دهد و تصاویر مطلوبی ایجاد شود.
وقتی SNR پایین تر از سطحی معین است، شما نمی‌توانید تمام نویز را حذف کنید، جزئیات تصویر به طور ناگزیر تحت تاثیر کاهش نویز قرار می‌گیرد. در این زمان، برای دستیابی به کیفیت قابل قبول تصویر، شما باید تعادلی را بین سطوح نویز در مقابل اثر کاهش نویز انتخاب کنید.
کلام آخر در خصوص Noise Reduction دوربین مداربسته
برخی از شرکت های نظارت تصویری، در ترکیب با الگوریتم برآورد دقیق نویز، عمدتا فناوری‌های فیلترینگ سازگار حرکت و جبران حرکت را به کار می گیرند. Noise Reduction دوربین مداربسته در نور ایده آل جزئیات را با شفافیت کامل ارائه می دهد و برای تولید تصویر با کیفیت بالا در نور کم، نویز را برطرف می کند. در عین حال، ترکیبی کامل از فناوری کاهش نویز و فناوری رمزگذاری پیشرفته، با صرفه جویی بسیار در منابع ذخیره سازی، باعث کاهش فضای ذخیره سازی داده های فشرده و پهنای باند انتقال شبکه می شود.
با استفاده از الگوریتم های فعلی فیلترینگ و کاهش نویز، می توان تصاویر با جزئیات و وضوح بالایی را داشت چرا که تصاویر در محیط های کم نور، نویزی خواهد شد و نویز می تواند باعث کاهش کیفیت تصاویر شود و عدم رضایت از تصاویر شود.
