[发明专利]一种交通视频图像去雾优化算法

说明书

本发明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。

技术领域

本发明涉及一种交通视频图像去雾优化算法，属于图像处理技术领域。

背景技术

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。

发明内容

本发明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。

本发明的技术方案如下：

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，I_c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。