[发明专利]一种模糊视觉条件的图像增强与目标跟踪方法和系统

说明书

本发明的一种模糊视觉条件的图像增强与目标跟踪方法和系统，通过建立智能视觉监控实验演示系统，输入雾天模糊图像视频资源样本；构建自适应调整参数的Retinex雾天视频增强算法，增强对雾天环境视频图像的渲染；构建具有增量学习能力的Adaboost算法，实时检测与跟踪雾天视频中的运动目标；构建基于多示例集成学习的运动目标实时检测与跟踪方法。本发明通过构建一种新型的自适应双边Retinex增强算法，不仅可以对雾天视频图像进行实时有效的清晰化处理，而且对水下视频图像、雨天视频图像、沙尘暴视频图像的增强，以及低照度视频图像、高动态范围图像、医学图像的增强，都具有很好的借鉴作用。

技术领域

本发明涉及计算机图像识别领域，具体涉及一种模糊视觉条件的图像增强与目标跟踪方法和系统。

背景技术

模糊视觉条件是一种常见的恶劣天气，模糊视觉视频图像增强的研究关键问题在于如何根据不同景深处雾的厚薄差异采用相应的增强强度，雾天视频图像跟踪的独特 性在于：经过增强后的雾天视频，其目标特征和背景都会不断地产生变化，现有的 Retinex基本计算框架的对于解决此类问题存在着局限性。

雾天视频的目标跟踪也可以看成是一种特殊遮挡情形下的目标跟踪，目标特征和背景都不断变化情形光照的改变、目标的遮挡、严重的噪音干扰等是目标视觉跟踪研 究领域传统难题。

由此引出Adaboost分类器的增量学习的新问题，而增量学习又引出了跟踪算法雾天 图像增强的独特性在于：雾天图像的退化程度跟场景深度成非线性关系。这种特殊的性质引出了如何自动调整Retinex算法参数，以适应不同景深处雾的厚薄变化问题，由 此展开了对一种新型的自适应双边Retinex计算框架及算法的研究。

发明内容

针对上述现有技术存在的问题，本发明提出一种模糊视觉条件的图像增强与目标跟踪方法和系统来解决这个问题，通过构建一种新型的自适应双边Retinex增强算法， 不仅可以对雾天视频图像进行实时有效的清晰化处理，而且对水下视频图像、雨天视 频图像、沙尘暴视频图像的增强，以及低照度视频图像、高动态范围图像、医学图像 的增强，都具有很好的借鉴作用。

本发明提供的一种模糊视觉条件的图像增强与目标跟踪方法，包括如下步骤：

(1)建立智能视觉监控实验演示系统，输入雾天模糊图像视频资源样本；

(2)构建自适应调整参数的Retinex雾天视频增强算法，增强对雾天环境视频图像的渲染；

(3)构建具有增量学习能力的Adaboost算法模型，实时检测与跟踪雾天视频中 的运动目标；

(4)构建基于多示例集成学习的运动目标实时检测与跟踪方法。

作为上述方案的进一步优化，所述的构建雾天视频图像增强算法，通过建立所述增强算法参数与不同景深图像的变化的联系，完成双边Retinex算法参数的自选；通 过针对获取的图像的局部区域模糊的层次度不同分别采用不同的增强策略，以此来满 足对雾天视频自行应的实时效果增强。

作为上述方案的进一步优化，所述雾天视频图像增强算法的内容为：划分待增强图像为若干块，针对划分后的每个子块分别进行自适应Retinex增强算法处理；本发 明通过引入GPU通过并行计算方式，提高自适应Retinex增强算法的执行效率。

作为上述方案的进一步优化，所述构建具有增量学习能力的Adaboost集成分类器， 混合粒子滤波器，创建具有增量集成学习能力的目标跟踪计算模型和相应的方法。

作为上述方案的进一步优化，所述具有增量学习能力的Adaboost集成学习算法内容为：

(11)将已经过训练的弱分类器分为a组，每个小组包含b个弱分类器，针对在 线新增的训练样本，在线从每组选择最优弱分类器作为该组的亚强分类器；