论文部分内容阅读
随着科技的发展,计算机视觉在人们生活中发挥着越来越重要的作用,而道路监控图像处理更是与人们的生活息息相关。在道路监控这一应用中,往往会出现能见度低、雾霾天气等因素导致图像严重退化从而影响原有的车辆信息检索的现象,这对处理图像信息的计算机视觉系统造成了很大的影响。所以在环境日益恶化,雾霾频发的背景下,图像去雾技术的研究意义不言而喻。本文主要针对道路监控图像进行图像去雾研究。首先,对原有主流算法进行了分析;然后,在此基础上提出了改进的自适应图像去雾算法,并对其进行了仿真实验。本文具体研究内容主要包括:(1)从大气散射模型出发分析了雾霾对物体成像的影响,得到了雾霾天气下拍摄图像降质的根本原因;针对图像处理前需要人工干预对图像进行雾霾判别这一弊端,提出了一种基于SVM分类器的雾霾图像判别方法,从实验结果可以看出,本文算法可以自动化地对图像进行雾霾判别,在时耗和准确度方面取得了较好的效果。(2)分析了基于物理模型的图像去雾算法,主要研究了基于暗原色先验的单幅图像去雾算法,从理论基础的角度分析了该算法存在的主要问题,并从实验结果和运行速率方面对基于模型的去雾算法中的部分算法进行了对比分析。(3)针对暗原色先验去雾算法存在的耗时、失真、复原图像较暗这一系列问题,本文提出了一种改进的暗原色去雾算法:利用小波变换对原始雾霾图像进行处理,使用自适应分块的方法求取低频分量的暗通道图像,小波逆变换后获取雾霾图像粗略的透射率分布图;然后通过快速双边滤波对粗略透射率图像进行细化处理;利用对暗原色失效区域透射率的修改解决失真问题;最后通过对比度增强算法在不改变图像色调的前提下增加复原图像亮度。实验结果表明,本文所提出的改进的快速暗原色先验去雾算法在时耗和去雾效果方面较之原有的算法均有较大的改进。最后借助于matlab仿真工具,对本文中提出的算法与原有算法进行了多次仿真实验。实验结果表明,本文算法与典型去雾算法相比,在主观评价和客观评价上均有较好的效果。该算法为后续的道路监控车辆信息检索与识别、车辆行车记录仪等方面提供了预处理;在城市道路车况实时监控方面,有助于雾霾等恶劣天气下的行车安全,减少交通事故的发生。