低照度场景智慧公路监测快速去雾方法、装置和电子设备制造方法及图纸

本发明专利技术公开了低照度场景智慧公路监测快速去雾方法、装置和电子设备，其中，所述方法包括：S1、利用HSI颜色空间设计基于光强、颜色浓度的暗原色调整模型，校准暗原色；S2、引入场景的局部光通量比例，计算局部环境光；S3、依据S1和S2，计算监测场景透射率；S4、结合透射率和局部环境光，设计并行计算，复原公路交通监测场景。该方法通过校准暗原色，提升了透射率的准确性；通过引入光通量比例，约束监测场景环境光，提升了复原场景的亮度。此外，由于本发明专利技术所述方法计算复杂度低、并行化程度高，可实现监测场景高效、快速去雾。从而为低照度雾天环境下，智慧公路监测系统获取实时路况，实施智慧监测提供一种技术保障。监测提供一种技术保障。监测提供一种技术保障。

【技术实现步骤摘要】
低照度场景智慧公路监测快速去雾方法、装置和电子设备


[0001]本专利技术涉及图像处理
，尤其涉及低照度监测场景智慧公路监测快速去雾方法、装置和电子设备。

技术介绍

[0002]路面监控是“智慧公路”系统获取实时图像数据，预判交通风险，排解交通隐患，确保车辆安全、路面畅通的可视化窗口。然而，当监测场景处在雾、霾、烟、尘环境时，系统难以准确捕捉数据，若遇交通险患，极易引发交通事故。因而，去除雾、霾、烟、尘干扰，复原真实监测场景在“智慧公路”系统中具有重要价值。现有图像去雾技术，包括，基于图像增强的去雾算法，基于大气光散射成像模型的去雾算法、基于学习策略的去雾算法。其中，基于图像增强的去雾方法，去雾性能差，复原场景多有明显的雾汽残留；基于散射成像模型的去雾方法，可有效去雾，但容易造成明显的光强损失，去雾结果偏暗；学习策略去雾所需数据量大，训练时间长，且大多以散射成像模型和先验为基础，去雾结果也常伴随亮度损失。考虑到现有去雾方法，易导致复原场景变暗，应对低照度环境下的雾、霾、烟、尘场景，难以准确复原监测场景，提供清晰监测画面。
专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.低照度场景智慧公路监测快速去雾方法，其特征在于，包括以下步骤：步骤1：以观测图像的亮度和颜色浓度在HSI颜色空间重新表达暗原色；步骤2，依据像素亮度和颜色浓度校准暗原色；步骤3，依据校准的暗原色，计算图像的透射率；步骤4，构建光通量比例计算模型；步骤5：引入光通量比例，修改大气散射成像模型；步骤6，利用光通量比例，计算局部环境光；步骤7，结合透射率和局部环境光，复原原始监测场景。2.根据权利要求1所述的方法，其特征在于，步骤1包括：采用如下公式计算监测到的雾天图像的暗原色天图像的暗原色其中和分别是暗原色的亮度和颜色浓度，和分别对应原始无雾像素x
i
暗原色的光强和颜色浓度，真实场景的暗原色为：为：3.根据权利要求2所述的方法，其特征在于，步骤2中，采用如下公式计算雾天图像y在位置i的像素y
i
的亮度I
i
：其中，分别表示雾天图像y在位置i的像素y
i
的红、绿、蓝通道强度值，定义S
i
是像素y
i
的饱和度，计算如下：其中min是求极小值的运算，将饱和度和亮度的乘积S
i
I
i
定义为像素y
i
的颜色浓度，用于构造暗原色补充项。4.根据权利要求3所述的方法，其特征在于，步骤2包括：采用如下公式计算校准后的暗原色原色上式中，以暗原色像素的亮度和颜色浓度构造出暗原色补充项，用于对暗原色校准；∈
i
是像素y
i
的局部背景光通量比例，t
i
是像素y
i
的透射率。5.根据权利要求4所述的方法，其特征在于，步骤3包括：构造如下关于透射率的方程：解得透射率为：
式中，中间参数中间参数σ是调整参数。6.根据权利要求5所述的方法，其特征在于，步骤4包括：根据监测场景存在背光和面光两种区域，背光区域环境光强小，面光区域环境光强大，将监测场景局部区域环境光强的衰减方向定义为光通量方向，即光通量方向由面光区域指向背光区域，反应在图像上即为局部图像块的光强梯度方向，由于图像透射率与景深d存在：t
i
＝e
‑
βd
式中，β是衰减因子，得到方向角，β是衰减因子，得到方向角式中，分别是原始场景图像中以像素x
i
为中心的卷积窗口Ω
i
在水平和垂直方向上的光强变化，分别是监测图像中以像素y
i
为中心的卷积窗口Ω
i
在水平和垂直方向上的光强变化；依据将卷积窗口Ω
i
中所有像素分为面光和背光两类，面光像素占卷积窗口Ω
i
中像素总数的比例定义为光通量比例∈
i
：式中，N是卷积窗口Ω
i
中像素总数，max({sum(N
k
)})是面光像素个数。7.根据权利要求6所述的方法，其特征在于，步骤5包括：大气散射成像模型如下：y
i
＝t
i
x
i
+(1
‑
t
i
)
·
A式中，t
i
是雾天像素y
i
的透射率，A是监测场景的整体环境光；y
i
是雾天图像y在位置i的像素值；采用如下公式修改大气散射成像模型：y
i
＝A
·
∈
i
·
t
i
x
i
+(1
‑
t
i
)
·
A。8.根据权利要求7所述的方法，其特征在于，步骤6包括：在监测图像中，取图像透射率最小的一定比例的像素的均值得到环境光[A
R
，A
G
，A
B
]，则：其中，A
R
，A
G
，A
B
分别是环境光的红、绿、蓝通道的灰度值；如果则像素的光通量比例确定为∈
i
＝1；步骤7包括：在修改的大气散射成像模型中，引入透射率t
i
，光通量比例∈
i
，整体环境光强[A
R
，A
G
，A
B
]，复原原始监测场景：式中，是无雾像素在颜色通道c中的强度，A
c
是环境光在颜色通道c中的强度，是雾天像素在颜色通道c中的强度，c∈{R，G，B}，R，G，B分别表示红、绿、蓝颜色通道的强度。9.低照度场景智慧公路监测快速去雾装置，其特征在于，包括监测图像预处理模块、模
型构建与修正模块、去雾复原图像模块；所述监测图像预处理模块用于，以观测图像的亮度和颜色浓度在HSI颜色空间...

【专利技术属性】
技术研发人员：朱柱，谢凡，
申请(专利权)人：金陵科技学院，
类型：发明
国别省市：