目前,我国高速路网日趋形成,其重点已由传统通信、收费、监控三大系统的基础构建转向信息智能化建设。随着综合智能交通系统ITS的发展,反映路网信息的应用系统不断问世。视频资源因其直观、有效、信息丰富等特点,受到了密切关注。然而,路网视频资源管理和调用尚有不少亟待解决的问题:先后构建的应用系统异构,互不兼容,信息交互与共享困难;应用系统"各自为政",分别自底层获取视频资源加工处理,图像解析数据量大,重复复杂的计算,既耗费带宽,又效率低下;交通专网日趋复杂,网络传输拥塞波动,加之高清摄像、移动视频采集,以及外场气象条件的变化无常,视频质量参差不齐,单靠人工观看的主观感觉,无法有效地给出资源性能状态的实时统计;路网中各断面的视频源具有关联性,如能见度、交通流态势等呈现动态的区域分布等,若不能了解区域分布及产生原因,很难作出路网的信息发布、调控应对措施。因此,有必要从两个方面专题研究:高速路网视频信息支撑系统、所涉及视频信息处理系列算法。论文分析了国内外交通视频信息系统的概况,阐述了具有自主知识产权的信息汇聚立体网络架构LDM~3的分层模型及数据流程,并基于此构建高速路网视频信息支撑系统。该系统:改进传统TCP/IP架构,新增信息汇聚层,且与应用层并列为顶层,便于以居该层的视频信息支撑系统为媒介,进行信息交互,同时又便于兼容现有系统;摒弃应用系统自底层取图像数据进行一系列处理的过程,而改由视频支撑系统汇聚图像源数据、经细化加工为各应用系统所需的信息后,主动或自动专题推送;将视频处理像素层面的初加工(共性)和信息层面的精加工(个性)分离,统一进行运算复杂、耗时的初加工预处理,减少了云终端计算,提高了应用系统的运行效率;实现了对视频资源有效的智能化管理,可实时了解系统中视频质量的统计情况,及时采取相应处理措施,确保系统正常、高效运行。此外,论文对对路网视频信息支撑系统涉及的视频处理系列算法展开研究:图像质量的客观评价方面,提出了人眼视觉模型HVS与四元数理论相结合的彩色图像质量评价优化算法。仿真实验表明:所提算法获得了与主观评价更加一致的结果;针对路网视频系统中存在参考图像无法获取的情况,论文研究了基于变分的无参考图像质量评价算法,推导了总有界变分值与图像清晰度间的关系,实验表明:该方法较传统PSNR、MSE等客观评价方法更符合人眼感知效果。图像恢复增强方面,针对因高速公路PTZ摄像机散焦、抖动以及相对运动造成的图像模糊,采用带有空间自适应全变分正则化的图像半盲去卷积算法,有效降低平坦区域噪声的同时,又能保持边缘信息;针对路网中因雾霾造成的视频图像降质,在相关性更低的透射率三通道中进行暗原色先验去雾,将LIP模型扩展至彩色对数图像处理模型,进行自适应增强,明显提高了图像的可视性。视频图像信息挖掘方面,论文运用机器学习与模式识别技术,研究了视频图像车辆特征提取与分类的优化方法,详细描述了基于混合高斯模型的背景建模以及稀疏编码的特征提取。通过对实际获取的路侧监控视频图像的实验表明,该方法的识别准确性较之前的算法有了很大的提高。该算法在低分辨率视频图像,或者是车辆遮挡、视角变化等情况下,也能获得较好的识别效果。视频图像挖掘所得信息的路况展现方面,论文在基于地图界面宏观交通态势系统的基础上,构建了重点路段微观交通路况"虚拟现实"系统,将入口视频检测获取的车型、车速等数据,建立优化元胞自动机的微观交通流预测模型,通过虚拟现实技术予以展现,为监控盲区提供预测数据,通过视角变换,从而解决隧道、大桥等处的视角受限问题。综上,论文的专题研究,为《省域智能交通运输信息云服务平台示范工程》、《基于公路交通传感网信息检测·挖掘·汇聚、发布与辅助决策系统示范》等多个省部级项目的实施作出了贡献,为"宁淮高速信息化示范工程"的实现奠定了基础。论文的主要特点创新在于:●提出了 "基于LDM~3的高速路网视频信息支撑系统",丰富了信息汇聚层内涵,规范了大数据接口;提出了 "像素级初加工与信息级精加工分离"、"将视频数据源被动调用,变为专题信息主动推送"方式。除异构系统兼容、资源共享外,均衡中心服务器与云端负载,减少重复复杂运算,提高了各应用系统的运行效率和实时性。●优化了客观图像质量评价算法,综合HVS与四元素理论,避免割裂人眼特性间的相关性,提升了算法评价效果与主观感受的一致性,实现了对视频资源有效的实时在线管理。●优化了车型识别分类算法,引入深度学习及稀疏的思想,有效提高了车辆遮挡、图像质量较差时车型识别的准确率,进而提升了后续交通流参数检测的抗干扰性和精度。●给出了重点路段微观虚拟现实与路网宏观态势相结合的系统呈现方式,为公众服务和道路管控提供了多层次、多尺度、多方位的展现平台。