引言：随着经济的发展和提高，人民群众对于社会的安全性保障需求逐年提高，科学高效的视频监控是影响安防效果和质量的关键因素。由于高新技术手段的优化发展，视频监控技术手段也随之迭代革新，多媒体监控视频已经成为当下普遍应用的视频监控系统模式，但在应用过程中仍然存在图像显示真实度不高的问题。如何提高监控视频图像显示的真实性，是技术人员应当深入挖掘和探索的研究热点。
1多媒体监控视频图像显示真实性优化仿真的基本概述
1.1多媒体监控的基本概述
多媒体监控是指以多媒体计算机为核心，将新兴通信技术、传感技术、监控技术、电视技术以及多媒体技术应用到监控视频系统之中，实现系统科学化、综合性、多功能发展。相较于传统监控视频系统而言，多媒体监控对监控视频的图像处理、信息查询储存以及监视控制效果都实现了不同程度的提升，是监控视频领域的技术革命，具有应用便捷、部署方便、灵活直观的技术优势。
1.2视频图像显示真实性概述
视频图像显示的真实性是指在多媒体监控视频中，呈现图像与影像形成时原始状况基本一致，保障格式、压缩率、亮度、对比度、清晰度等参数原始信息。在多媒体监控系统的建设进程中，监控视频图像显示的真实性是影响监控效果和信息检索获取效果的关键因素。但由于外界因素的影响，在多媒体监控过程中，视频图像普遍存在失真、噪点、模糊、偏色、干扰等问题，难以保障监控视频图像信息的有效性、稳定性和可靠性，并不利于社会环境的安全发展。
1.3视频图像处理的基本概述
多媒体监控视频图像显示真实性优化仿真就是针对多媒体监控视频进行的图像处理技术过程。①图像变换：空间域中难以处理计算量极大的图像阵列，需要通过多媒体监控视频图像处理进行图像变换，将空间域处理转化为变换域处理，从而为视频图像显示效果提供技术保障。通常采取傅里叶变换、DCT等间接处理技术手段。②编码压缩：是指在不是真的前提下进行描述图像数据量（比特数）的减少，从而降低存储器占用容量，节省图像传输处理时间的图像处理过程。③增强和复原：是指针对多媒体监控系统获取的图像信息进行技术处理的过程，是实现监控视频图像显示真实性优化的核心途径。④图像分割：是一种特征提取手段，旨在利用技术手段将监控视频图像中的目标区域识别分析提取出来的过程。⑤图像识别：是经过图像初步处理之后进行图像分割，从而进行分类判决的过程。
2多媒体监控视频图像显示真实性优化仿真的处理方向
2.1监控视频图像增强
在多媒体监控系统的实际应用过程中，由于监控环境、外界干扰以及监控目标等多方面因素的影响，多媒体监控视频图像可能存在照度不均、色彩失衡等问题，监控视频图像增强的仿真处理方向，是有效实现图像增强和复原的技术处理过程，能够对图像中的关键部分进行强调、对干扰或不关键部分进行抑制，从而优化图像清晰度、对比度和均衡度的处理过程。监控视频图像增强处理主要分为图像增强和图像还原两大板块，在多媒体监控视频优化仿真中被广泛应用。①图像增强处理方法：主要包括直方图均衡化法、图像平滑法、图像尖锐化法和伪色彩法等等。②图像还原处理方法：一般通过图像滤波实现，主要包括维纳滤波、中值滤波等等。
2.2监控视频去噪处理
多媒体监控视频去噪处理是针对图像噪点问题的处理方向，旨在减少数字图形中噪声干扰的过程。图像噪点是多媒体监控视频图像显示中较为常见的真实性影响因素，是一种由于扫描仪或传感器和电路引起的电子噪声，使得图像信息中的亮度或颜色出现的随机变化，造成错误图像信息影响。图像噪点的产生原因主要包括感光元件的热稳定性影响、长时间曝光影响、模糊过滤影响等等，常见的去噪处理方法包括五种手段。①均值滤波器：是一种利用邻域平均法的滤波器建造方法，可以对扫描获取的图像颗粒噪点进行去除，但存在模糊影响问题，容易丢失监控视频图像的细节。②维纳滤波器：是一种以最小平方为最优准则的线性滤波器，旨在利用图像局部方差进行滤波器输出调整，方差越大、平滑作用越强，在图像白噪声的处理中效果更佳。③中值滤波器：一种非线性平滑滤波器，主要功能是将图像中像素灰度值相差较大的像素改取为周围像素相近值，从而实现消除孤立噪点的目的，对斑点噪声、椒盐噪声具有显著作用。④形态学噪声滤除器：是一种由数学形态学根本运算未构成的滤波器，旨在获取物体拓扑和结构信息，通过物体和结果元素相互作用的运算过程获得物体本质形态，从而实现滤波器图像处理效果的优化提高。⑤小波去噪：是一种利用短波进行噪点消除的处理过程，主要包括图像型号小波分解、高频系数阈值量化以及二维小波图像信号重构三个步骤。
2.3视频边缘增强处理
多媒体监控视频边缘增强处理时间图像相邻像元的亮度值（色调）相差较大的边缘处进行突出强调的处理过程，能够凸显出物体不同类型或现象的边界，具有增强图像显示清晰度的作用。边缘增强处理一般借助相关掩膜基础进行图像处理。掩膜是指用于覆盖特定图像或物体的模板，包括胶片、滤光片等等，在数字图形处理中，掩膜主要指二维矩阵数组和多值图像，主要通过遮挡方法进行图像处理区域或过程的控制，能够有效提取图像处理感兴趣区和结构特征，起到区域屏蔽作用。主要处理方法是将原图像（影响）进行正、负膜片拷制作，膜片精准重叠后会进行正负抵消，但边缘区域会出现明显分割边界线，从而起到边缘增强的突出显示效果，在多媒体监控视频的边缘争抢处理中可以利用计算机技术进行处理实现。
2.4压缩传输补偿优化
一般情况下，为了提高多媒体监控的数据传输效率，多媒体监控视频图像的传输处理都是有损压缩，会在一定限度的失真前提下对图像数据进行极大程度的压缩处理。因此，在传输过程中往往会存在图像失真、信息丢失的问题，难以保留原始视频图像，对多媒体监控视频显示的真实性发展造成影响。多媒体监控视频图像的压缩补偿优化过程，是对压缩失真的图像进行补偿优化的真实性优化仿真处理方向。首先需要对目标图像进行帧内压缩，结合实际带宽进行压缩质量因子的调整，再进行分组传输后，于接收端进行监控视频图像数据包的重组解码，有效保障多媒体监控视频图像传输性能的优化提高。
3多媒体监控视频图像显示真实性优化仿真的技术分析
3.1灰度值标注法
灰度值是数字图像处理进程中影响图像清晰度和图像识别效果的关键数值，以白色与黑色之间的对数关系等级，范围是由黑色0到白色255的跨度区间，在多媒体监控视频中起到重要作用。在多媒体监控视频凸显显示真实性优化仿真技术中，灰度值标注法主要由r(红色)、g(绿色)、b(黑色)三个参量进行控制，依托于r=g=b的制约性关系，针对每个像素点进行一个字节量的标注处理，从而进行图像灰度值信息的存放，有效实现监控视频图像显示清晰度的调整控制[1]。计算公式如下：
式中，e1为上限标准权限，e0为下限标准权限，w是灰度值标注后监控视频图像清晰度数值，w是原有监控视频图像清晰度数值，y代表综合性标注指标。灰度值标注主要是对图像插值的控制，促使原图像的像素进行重新分布，从而改像素数量，填补空白像素空间，保障图像显示平滑程度和清晰程度的方法。
3.2DT-CWT小波变换法
DT-CWT小波变换法，又称为双树复小波变换方法（Dual-Tree Complex Wavelet Transform，DT-CWT），是一种依据两对滤波器组共同作用在失真模糊监控图像输入数据上进行仿真优化的方法[2]。可以对多媒体监控视频图像进行数据统一采集，利用量子态叠加测量坍缩方法进行双树复小波系数方差的测定，通过小波系数进行图像精细化处理，从而实现监控视频图像去噪的优化仿真过程。双树复小波的表达式为：
式中，ψr(t）代表模糊监控图像复小波的实部，为实函数；ψi(t）代表模糊监控图像复小波的虚部，也为实函数。需要注意的是，DT-CWT小波变换法普遍应用维纳滤波器，两个滤波器长度应当保持一个奇数和一个偶数，从而进行小波系数实部虚部的分解。一般情况下，利用以下公式模型通过小波变化系数去噪。
式中，Y(i，j）代表带有噪声的小波系数，X(i，j）代表不带有噪声的小波系数，N(i，j）代表噪声小波系数。
3.3K-L变换动态特征识别法
K-L(Karhuncn－Loeve）变换动态特征识别法是一种利用评价特征之间的四相似度进行动态识别的图形处理方法，旨在立足于统计特性的基础上进行转换，通过对传入向量Γ进行正向交换，促使传出向量解除数据相关性的过程[3]。动态识别是多媒体监控视频图像处理中不可或缺的版块之一，只有多媒体监控视频显示图形进行真实性仿真优化，才能具备动态特征识别条件，对视频图像中的关键信息进行保障。K-L变换动态特征识别法是利用矩阵和样本统计进行处理，有效实现图像本身复杂程度和维度的降低。假设，f1表示N*M维矩阵，Γ表示L*1的样本统计，Γ={Γ1，Γ2，Γ3…ΓL}，NM*1表示维向量，Γ平均值由μ由L个几何样本值计算获取，公式如下。
可以利用变换矩阵的方式将向量Γi转换为m排的向量Ωi。公式如下，从而达到预期的降维效果。
3.4DCT变换图像处理法
DCT变换，又称为离散余弦变换（DCT for Discrete Cosine Transform)，是一种只使用实数，且长度两倍大于离散傅里叶变换的变换运算处理[4]。DCT变换图像处理法在多媒体监控视频图像显示真实性优化仿真中具有显著的应用价值，能够在尽可能保障关键图像信息的前提下进行信号和图像的有损数据压缩，保障视觉帧频和图像强度的高度统一，有利于多媒体监控视频图像仿真效果的优化。在应用过程中，技术人员可以对监控视频图像进行两个DCT节点的选择，利用三角函数进行DCT变换三角的构建，联立公式如下。
式中，E是指DCT域组织的最大节点承载条件，q是指显著性实值的准确标准权限，λ是指集中检测系数，u是指监控图像所承载的视觉显示条件。
结束语：综上所述，多媒体时代背景下，监控工作应当注重多媒体技术对图像显示真实程度的优化提高，积极引入多维度图像处理方法进行监控效果的发展提高。多媒体监控视频图像显示真实性优化仿真可以应用灰度值标注法、DT-CWT小波变换法、K-L变换动态特征识别法以及DCT变换图像处理法，有效减少外界因素对监控视频图像显示效果的影响，助力显示清晰度和稳定性的提升。
参考文献：
[1]井荣枝.云计算下模糊监控图像变换尺度精准去噪仿真[J].计算机仿真,2020,37(12):349-352.
[2]唐姊茜.多媒体网络视频监控前端数据动态集成仿真[J].计算机仿真,2020,37(04):155-158+465.
[3]马文学,单亚飞.智能视频监控系统中视频图像分析的关键技术研究[J].通信电源技术,2019,36(09):128-129.
[4]张慧,梁银双.多媒体监控视频图像显示真实性优化仿真[J].计算机仿真,2018,35(09):199-202+257.
