The invention discloses a method for removing fog from traffic image based on non-downsampling contour wave and Markov random field. Firstly, the foggy image is transformed from RGB color space to HSV color space, and then non-downsampling contour transform is carried out. Secondly, the high-frequency contour coefficients are non-linear transformed to enhance the detail information, and the foggy image with enhanced edge is obtained. Thirdly, the atmospheric light is estimated by the low-frequency contour coefficients, and the low-frequency contour is transformed. The Markov random field model is established on the wavelet subband, based on the graph cut.
【技术实现步骤摘要】
基于非下采样轮廓波和马尔可夫随机场的交通图像去雾方法
本专利技术涉及智能交通视频处理领域，尤其是一种保边能力强、鲁棒性好、对比度和清晰度高的基于非下采样轮廓波和马尔可夫随机场的交通图像去雾方法。
技术介绍
虽然智能交通管理系统能够借助大量的视频传感器获取车辆信息（如提取车辆型号、车牌号和车身颜色等），可是在复杂场景（如恶劣天气）中准确捕获交通视频图像中的异常信息仍被视为目前的应用难题之一。众所周知，由于汽车尾气、煤油燃烧等诸多复杂因素导致我国大部分地区近几年频繁出现雾霾天气，尤其是南方人口密集的发达城市更为明显。雾霾中有很多颗粒物质以及液滴，会对光线有一定的散射作用，加之大雾天气的光照条件往往不够充分，会使交通监控图像出现对比度和清晰度降低、颜色饱和度下降、视觉亮度动态范围缩小、视频图像质量大幅度退化、图像细节信息不明显等现象，于是车辆的细节信息凸显不出来，信息的可辨别度明显不足，从而导致监控设备无法捕获清晰图像，不可避免地影响到智能交通系统工作的可靠性和稳定性。因此，对交通监控视频图像进行去雾处理，减弱雾霾颗粒等杂质的影响，并尽可能多地保留图像细节信息是改善交通...
【技术保护点】
1.一种基于非下采样轮廓波和马尔可夫随机场的交通图像去雾方法，其特征在于按照如下步骤进行：步骤1. 将输入图像I的颜色空间从RGB转换为HSV；步骤2. 对HSV颜色空间的3个通道分别进行2级非下采样轮廓波变换；步骤3. 对3个通道的高频NSCT系数分别进行增强；步骤3.1 计算第
【技术特征摘要】
1.一种基于非下采样轮廓波和马尔可夫随机场的交通图像去雾方法，其特征在于按照如下步骤进行：步骤1.将输入图像I的颜色空间从RGB转换为HSV；步骤2.对HSV颜色空间的3个通道分别进行2级非下采样轮廓波变换；步骤3.对3个通道的高频NSCT系数分别进行增强；步骤3.1计算第级所有方向子带系数的标准差，所述；步骤3.2计算第级各个方向子带中，对应相同位置的高频系数的均值和最大值，令第级各个方向子带的宽度和高度分别为、，则所述，；步骤3.3对于第级各个方向子带的每个系数，令该系数位于所在子带的位置为，令该系数的值为，则利用公式(1)定义的非线性映射函数进行增强：(1)所述表示增强后的系数值，表示非线性放缩系数，表示比例因子，表示取最大值的函数；步骤4.利用低频NSCT系数估计大气光值；步骤4.1对低频系数做公式(2)~公式(4)定义的最大值滤波，将得到3个通道的系数最大值、和作为大气光值的3个通道值：(2)(3)(4)所述，表示通道的某个NSCT低频系数的值，表示以系数为中心、大小为像素的窗口内的系数集合；步骤5.利用低频NSCT系数计算透射率；步骤5.1重新开辟一片内存，将HSV3个通道的NSCT变换系数复制到该片内存；步骤5.2将所有的高频系数清0，仅保持低频系数不变，然后进行2级非下采...
【专利技术属性】
技术研发人员：宋传鸣，王相海，刘美瑶，刘爽，黄腾，
申请(专利权)人：辽宁师范大学，
类型：发明
国别省市：辽宁,21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。