[发明专利]一种智能交通监控图像的穿雾识别方法

说明书

本发明公开了一种智能交通监控图像的穿雾识别方法。主要包括：A.获取交通监控图像，构造视频图像信号小波系数，根据系数阈值的设定，对图像进行去噪处理；B.构造雾天图像退化模型，根据暗通道先验思想初步估计图像的透射率，采用快速导向滤波方法，获得更清晰的去雾图像；C.基于位相型分布及其相关随机模型的特点构造一种新型滤波器，根据滤波器的逼近性，构造一致逼近方法，增强滤波器对图像信号的响应；D.根据新型滤波器的一致逼近，选择边缘检测最优准则进行图像的边缘检测及分割，最终识别图像，完成交通监控的图像识别。该方法具有较好的实时性和植入性，并可根据图像去噪处理、暗通道去雾处理以及边缘检测方法处理监控图像，有效完成交通监控图像的穿雾识别任务。

技术领域

本发明涉及一种智能交通监控系统的图像处理方法，属于计算机和模式识别领域。

背景技术

智能交通监控系统就是通过监控系统将监视区域内的现场图像传回指挥中心，使交通管理人员直接掌握车辆排队、堵塞、信号灯等交通情况。在大雾天气下，已存在的监控系统的监控设施、手段和功能都相对落后，一些肇事逃逸的交通事故中，无法通过监控视频中的图像准确地辨别车辆的颜色、号码、类型等信息。

针对上述问题，本发明采用图像去噪处理、去雾处理及边缘检测的方法，实现智能交通监控系统图像的穿雾识别任务。

发明内容

为解决上述问题，本发明的目的在于提供一种有效完成交通监控图像的穿雾识别任务的方法。

本发明解决其问题所采用的的技术方案，包括以下步骤：

A.获取交通监控图像，构造视频图像信号小波系数，根据系数阈值的设定，对图像进行去噪处理；

B.构造雾天图像退化模型，根据暗通道先验思想初步估计图像的透射率，采用快速导向滤波方法，获得更清晰的去雾图像；

C.基于位相型分布及其相关随机模型的特点构造一种新型滤波器，根据滤波器的逼近性，构造一致逼近方法，增强滤波器对图像信号的响应；

D.根据新型滤波器的一致逼近，选择边缘检测最优准则进行图像的边缘检测及分割，最终识别图像，完成交通监控的图像识别。

本发明的有益效果是：

该方法具有较好的实时性和植入性，并可根据图像去噪处理、暗通道去雾处理以及边缘检测方法处理监控图像，有效完成交通监控图像的穿雾识别任务。

附图说明

图1一种智能交通监控图像的穿雾识别方法的整体流程图。

图2交通监控视频图像边缘检测流程。

具体实施方式

参照图1与图2，本发明所述的方法包括以下步骤：

A.获取交通监控视频，构造视频图像信号小波系数，根据系数阈值的选择与设定，确定图像噪声信号，对图像进行去噪处理；

(1)交通监控系统对所获取到的视频信息，进行图像变换处理，构造图像信号的小波系数；在图像中实际图像信号的小波系数比较大，而噪声的小波系数则比较小；

(2)根据小波系数明显的划分特点，选择合适的阈值，根据系数与阈值的比较，完成图像的去噪与重建；

①采用小波变换对监控视频图像进行多尺度分解，获得图像噪声均方差；

②采用全局阈值的方法，对分解后的图像各层所有的小波系数选用同一个阈值进行判定，全局阈值的计算表达式为

μ＝(σ²·2log(K×G))^1\2

其中，σ表示图像噪声均方差，K,G表示图像信号的尺度；