一种交通视频图像去雾优化算法制造技术

本发明专利技术公开了一种交通视频图像去雾优化算法，属于图像处理技术领域，本发明专利技术首先根据交通视频数据，识别出车辆目标图像；然后对识别出的车辆目标图像进行去雾处理，再对去雾后的每帧图像，采用前后帧叠加的方法增强图像目标，本发明专利技术解决了现有方法复杂程度高、计算量大、运行耗时的问题，本发明专利技术只针对车辆目标进行处理，忽略了其他无关部分，大大提高处理速度，本发明专利技术去雾时每组图像计算一次透射率和大气光强度，并且对目标进行分割并行处理，提高了计算速度，本发明专利技术根据视频图像连续的特点，叠加前后帧像素点突出目标，增强去雾效果同时有去噪作用。

【技术实现步骤摘要】
一种交通视频图像去雾优化算法
本专利技术涉及一种交通视频图像去雾优化算法，属于图像处理

技术介绍
在我国，雾是一种频发的天气现象；同时工业的快速发展也导致了环境的恶化，增大了雾霾天气发生的频率。而户外计算机视觉系统对天气十分敏感，在雾霾天气环境中，受到空气介质的散射作用影响，系统获取的视频图像会出现对比度降低，色彩失真等情况，严重的还会使图像模糊不清。这种退化降质的图像不能反映出清晰、真实的场景内容，人们无法从中准确获取目标的细节特征，这大大降低了户外计算机视觉系统的使用性能，导致后期工作无法有效进行。比如：交警部门不能根据交通监控系统准确获取车辆和道路交通信息等等。由此可见，为了提高系统对各种天气环境的适应性及可靠性，对雾天退化图像采取去雾处理很有必要。图像去雾技术发展至今，虽然不断有优秀的成果出现，但几乎每种方法都在某种程度上存在其局限性。因此，为了获取去雾效果更优秀、计算速度更快、更具鲁棒性的算法，仍需对此课题上进行进一步研究。本研究目的是通过对现有算法的分析，针对相关算法的不足进行改进，应用在交通监控视频的处理中，对图像进行快速去雾并准确检测提取到其中的车辆，便于后一步工作的有效进行。
技术实现思路
本专利技术的目的在于提供一种交通视频图像去雾优化算法，用来解决现有方法复杂程度高、计算量大、运行耗时的问题。本专利技术的技术方案如下：一种交通视频图像去雾优化算法，具体步骤如下：(1)根据交通视频数据，识别出车辆目标图像；(2)对步骤(1)的车辆目标图像进行去雾处理；(3)对步骤(2)去雾后的每帧图像，采用前后帧叠加的方法增强图像目标。所述步骤(1)中采用Lucas-Kanade算法识别车辆目标。所述步骤(2)中对车辆目标图像进行去雾，首先将所有的车辆目标图像分为K组，每组有M帧图像，对每组求其中一帧图像的大气光强度和透射率的值作为该组图像的大气光强度和透射率值，即将每帧图像划分为大小相等的N个子区域，然后对每个子区域计算大气光强度和透射率，并分别计算N个子区域的大气光强度和透射率的平均值，将平均值作为该组图像的大气光强度和透射率值，然后将得到的平均值代入去雾公式进行去雾处理。所述计算大气光强度和透射率结合大气散射模型和暗原色先验算法获得。所述暗原色先验算法选取亮度最高的0.1％的像素值作为大气光强度的估计值。所述步骤(3)中采用前后帧叠加的方法增强图像目标，首先计算出每帧图像的的类像素点，然后将前后帧图像的类像素点叠加。所述透射率计算公式为：其中，x表示图像上像素点位置坐标，t(x)表示透射率，c为R，G，B三通道中的一个颜色通道，Ic表示观测到的有雾图像三原色的一个颜色通道，A表示大气光强度，ω是衰减系数，控制去雾强度，0≤ω≤1，Ω(x)是以x为中心的局部区域，y是该区域中的像素点位置。在视频画面满足需求的前提下，尽可能使间隔M变大。如果获得高质量的视频图像，应缩小间隔M；若获得较快的处理速度，则可取较大的间隔M值。通过对类像素点的叠加，可以获得更好的去雾效果，并且不会严格要求运动目标像素对齐。本专利技术叠加前后两帧的目标像素点可以增强目标的去雾效果，同时也有去噪作用，得到更干净的图像。最后将去雾后的帧图像合成视频，完成图像的去雾处理。本专利技术的有益效果是：(1)本专利技术只针对车辆目标进行处理，忽略了其他无关部分，大大提高处理速度。(2)本专利技术去雾时每组图像计算一次透射率和大气光强度，并且对目标进行分割并行处理，提高了计算速度。(3)本专利技术根据视频图像连续的特点，叠加前后帧像素点突出目标，增强去雾效果同时有去噪作用。附图说明图1是本专利技术的视频去雾算法的流程图；图2是本专利技术去雾具体处理过程算法的流程图；图3是本专利技术去雾并行架构图。具体实施方式下面结合附图对本专利技术作进一步详细的说明。实施例1：如图1～3所示，本交通视频图像去雾优化算法，具体步骤如下：(1)根据交通视频数据，识别出车辆目标图像；(2)对步骤(1)的车辆目标图像进行去雾处理；(3)对步骤(2)去雾后的每帧图像，采用前后帧叠加的方法增强图像目标。所述步骤(1)中采用Lucas-Kanade算法识别车辆目标，Lucas-Kanade算法计算两帧在时间t到t+Δt之间每个像素点位置的移动，即对空间和时间坐标使用偏导数，Lucas-Kanade算法即光流法，检测当前帧的特征点，通过当前帧和下一帧的比较，估计当前帧特征点在下一帧的位置；过滤位置不变的特征点，余下的为目标点。所述步骤(2)中对车辆目标图像进行去雾，首先将所有的车辆目标图像分为K组，每组有M帧图像，对每组求其中一帧图像的大气光强度和透射率的值作为该组图像的大气光强度和透射率值，即将每帧图像划分为大小相等的N个子区域，然后对每个子区域计算大气光强度和透射率，并分别计算N个子区域的大气光强度和透射率的平均值，将平均值作为该组图像的大气光强度和透射率值，然后将得到的平均值代入去雾公式进行去雾处理。图像去雾处理时，利用暗原色先验算法，通过选取暗原色亮度最高的0.1％的像素值作为大气光强度的估计值，透射率计算公式为：(将公式中的各个)所述透射率计算公式为：其中，其中，x表示图像上像素点位置坐标，t(x)表示透射率，c为R，G，B三通道中的一个颜色通道，Ic表示观测到的有雾图像三原色的一个颜色通道，A表示大气光强度，ω是衰减系数，控制去雾强度，0≤ω≤1，Ω(x)是以x为中心的局部区域，y是该区域中的像素点位置。基于大气散射模型I(x)＝J(x)t(x)+A(1-t(x))，得到去雾图像为其中，x表示图像上像素点位置坐标，I(x)表示带雾图像，J(x)表示要恢复的无雾图像，t0是加入的一个阈值，设置为0.1，防止分母为零。所述计算大气光强度和透射率结合大气散射模型和暗原色先验算法获得。所述步骤(3)中采用前后帧叠加的方法增强图像目标，首先计算出每帧图像的的类像素点，然后将前后帧图像的类像素点叠加，形成新的图片。图片再合成完整视频。上面结合附图对本专利技术的具体实施例作了详细说明，但是本专利技术并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本专利技术宗旨的前提下作出各种变化。本文档来自技高网...

【技术保护点】
1.一种交通视频图像去雾优化算法，其特征在于，具体步骤如下：(1)根据交通视频数据，识别出车辆目标图像；(2)对步骤(1)的车辆目标图像进行去雾处理；(3)对步骤(2)去雾后的每帧图像，采用前后帧叠加的方法增强图像目标。

【技术特征摘要】
1.一种交通视频图像去雾优化算法，其特征在于，具体步骤如下：(1)根据交通视频数据，识别出车辆目标图像；(2)对步骤(1)的车辆目标图像进行去雾处理；(3)对步骤(2)去雾后的每帧图像，采用前后帧叠加的方法增强图像目标。2.根据权利要求1所述的交通视频图像去雾优化算法，其特征在于：所述步骤(1)中采用Lucas-Kanade算法识别车辆目标。3.根据权利要求1所述的交通视频图像去雾优化算法，其特征在于：所述步骤(2)中对车辆目标图像进行去雾，首先将所有的车辆目标图像分为K组，每组有M帧图像，对每组求其中一帧图像的大气光强度和透射率的值作为该组图像的大气光强度和透射率值，即将每帧图像划分为大小相等的N个子区域...

【专利技术属性】
技术研发人员：王一璇，黎英，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南,53