雾天条件下高速公路视频事件检测技术研究
发布时间：2020-12-12 19:07
我国高速公路发展迅猛的同时,交通事故及其隐患比例也在逐年增加。给高速公路的安全带来巨大威胁的因素主要有两个:恶劣天气以及交通异常事件。在我国大部分地区引起恶性交通事故的天气现象中,雾的影响最大,雾天不仅影响交通行车安全,同时也使得交通视频监控设备所获图像的对比度和颜色质量出现退化,影响图像的应用价值。车辆逆行与行人闯入也会给高速公路交通安全带来巨大隐患。本文研究重点主要有雾天视频图像清晰化处理、高速公路行人检测、车辆逆行检测。本文结合江苏省交通运输厅科研项目《基于三维立体视觉的高速公路交通异常智能识别方法及系统构成研究》,以NH高速公路K2090+700处设置的HD-SDI球形摄像机所拍摄的交通视频为数据源,充分利用已经建立的高速公路监控硬件系统,研究雾天条件下高速公路视频事件（行人、车辆逆行）检测技术。研究的主要内容如下:（1）研究雾天交通视频图像清晰化方法。通过分析不同天气下图像的R、G、B三通道及灰度直方图特性,结合图像对比度提出基于灰度直方图的雾天等级检测方法,实现雾天等级检测;在HSI彩色空间中采用基于限制对比度的直方图均衡化去雾方法对轻雾天图像进行清晰化处理,并对去雾结果进...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
图１．１雾天引发的交通事故现场??随着国内高速公路的建设，以及我国汽车拥有量的逐年上升，雾天对交通的影响只??
Ｒ＝３Ｉ－－Ｂ２．２雾天图像特性分析??２．２．１雾天图像直方图特性??灰度直方图（Ｈｉｓｔｏｇｒａｍ）表示图像中具有每一种灰度级的像素的个数，反映图像中??每一种灰度出现的频率。通常灰度直方图的横坐标表示灰度级，纵坐标表示灰度级出现??的频率。??在图像离散化形式下，若一幅图像的像素总数为Ｎ，灰度级总数为Ｌ，式２．７表示??灰度直方图计算的公式，??ＰＭ?＝?＾，〇＜ｒｋ＜ｌ?（２．７）??其中，＆表示离散灰度级，／Ｖｆｃ表示ｒｆｃ级灰度的像素总数，用Ｐｌｆ（ｒｆｃ）表示该灰度级出现的??频数。??大小为ＭＸＮ的灰度图像ｆ（ｘ，ｙ）的灰度直方图ｌｖ［２５６］计算算法实现步骤如下：??（１）初始化ｈＨｋＨ），其中?ｋ＝０、１、２??２５５；??（２）对于图像ｆ中的所有像素，ｈ／［ｆ（ｘ，ｙ）］?＋?＋，其中ｘ＝０、１、２?Ｍ－ｌ，ｙ＝０、??１、２、？?？?？、Ｎ－ｌ；??
通过对三种天气条件下高速公路视频图像的Ｒ、Ｇ、Ｂ三通道的直方图对比分析，??可以明显看出与无雾天气相比，雾天所拍摄的图像的直方图分布具有如下特点：??（１）雾天图像的Ｒ、Ｇ、Ｂ三通道的亮度值均分布不均衡，主要集中在灰度级的中??部；??（２）随着雾的浓度的增加，图像直方图越向中间靠拢，亮度值分布范围越窄，且波??动变化越小，图像的颜色信息衰减严重。??２．２．２雾天图像边缘特征??图像的边缘特征是图像中最重要的特征，图像的边缘信息在大大减少所要处理的信??息量的同时有效地保留了图像的信息，边缘信息可以反映图像所包含的信息。与区域灰??度信息相比，边缘等高频信息是相对稳定不变的特征。为了比较雾天图像与无雾图像的??所含边缘的多少，引入边缘密度的概念。??边缘密度是度量图像边缘特征相对原图像分布密集程度的一个参数。边缘密度大则??表示原图像中边缘特征多。本文定义边缘密度为边缘检测后图像每一行的边缘像素数目，??从左至右、从上至下遍历边缘检测图像，得到边缘密度曲线。??利用Ｐｒｅｗｉｔｔ边缘检测算子对不同天气条件下高速公路视频图像进行边缘图像提取，??可以得到各自的边缘密度曲线。??
【参考文献】：
期刊论文
[1]视觉信息损失先验的图像分层去雾方法[J]. 胡子昂,王卫星,陆健强,石颖. 中国图象图形学报. 2016(06)
[2]基于光流法的运动目标检测与跟踪算法[J]. 肖军,朱世鹏,黄杭,谢亚男. 东北大学学报(自然科学版). 2016(06)
[3]基于暗原色先验与小波变换的图像去雾方法[J]. 许杰,杨会成. 计算机技术与发展. 2016(02)
[4]基于感兴趣区域特征融合的行人检测方法研究[J]. 彭宝,孙韶媛,梁炳春,赵海涛. 微型机与应用. 2015(18)
[5]基于反转的限制对比度自适应直方图均衡图像去雾改进算法[J]. 张久鹏,张伟. 物联网技术. 2015(02)
[6]基于统计滤波的自适应双阈值改进canny算子边缘检测算法[J]. 段军,高翔. 激光杂志. 2015(01)
[7]基于视频的车辆检测与跟踪算法综述[J]. 邵承. 现代计算机(专业版). 2014(35)
[8]一种新的基于局部轮廓特征的目标检测方法[J]. 张桂梅,张松,储珺. 自动化学报. 2014(10)
[9]改进的直方图均衡化算法在图像增强中的应用[J]. 姜柏军,钟明霞. 激光与红外. 2014(06)
[10]基于视频的单车道车辆逆行检测方法[J]. 许宏科,秦严严. 交通信息与安全. 2014(03)
博士论文
[1]图像去雾方法和评价及其应用研究[D]. 郭璠.中南大学 2012
硕士论文
[1]基于视频图像的高速公路能见度检测技术研究[D]. 韩明敏.北京交通大学 2016
[2]基于视频的交通事件检测算法研究[D]. 邵士雨.山东大学 2013
[3]基于三帧差法的运动目标检测方法研究[D]. 赵建.西安电子科技大学 2013
[4]基于目标跟踪的交通逆行事件检测算法研究[D]. 郭锋.厦门大学 2008
本文编号：2913117
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
图１．１雾天引发的交通事故现场??随着国内高速公路的建设，以及我国汽车拥有量的逐年上升，雾天对交通的影响只??
Ｒ＝３Ｉ－－Ｂ２．２雾天图像特性分析??２．２．１雾天图像直方图特性??灰度直方图（Ｈｉｓｔｏｇｒａｍ）表示图像中具有每一种灰度级的像素的个数，反映图像中??每一种灰度出现的频率。通常灰度直方图的横坐标表示灰度级，纵坐标表示灰度级出现??的频率。??在图像离散化形式下，若一幅图像的像素总数为Ｎ，灰度级总数为Ｌ，式２．７表示??灰度直方图计算的公式，??ＰＭ?＝?＾，〇＜ｒｋ＜ｌ?（２．７）??其中，＆表示离散灰度级，／Ｖｆｃ表示ｒｆｃ级灰度的像素总数，用Ｐｌｆ（ｒｆｃ）表示该灰度级出现的??频数。??大小为ＭＸＮ的灰度图像ｆ（ｘ，ｙ）的灰度直方图ｌｖ［２５６］计算算法实现步骤如下：??（１）初始化ｈＨｋＨ），其中?ｋ＝０、１、２??２５５；??（２）对于图像ｆ中的所有像素，ｈ／［ｆ（ｘ，ｙ）］?＋?＋，其中ｘ＝０、１、２?Ｍ－ｌ，ｙ＝０、??１、２、？?？?？、Ｎ－ｌ；??
通过对三种天气条件下高速公路视频图像的Ｒ、Ｇ、Ｂ三通道的直方图对比分析，??可以明显看出与无雾天气相比，雾天所拍摄的图像的直方图分布具有如下特点：??（１）雾天图像的Ｒ、Ｇ、Ｂ三通道的亮度值均分布不均衡，主要集中在灰度级的中??部；??（２）随着雾的浓度的增加，图像直方图越向中间靠拢，亮度值分布范围越窄，且波??动变化越小，图像的颜色信息衰减严重。??２．２．２雾天图像边缘特征??图像的边缘特征是图像中最重要的特征，图像的边缘信息在大大减少所要处理的信??息量的同时有效地保留了图像的信息，边缘信息可以反映图像所包含的信息。与区域灰??度信息相比，边缘等高频信息是相对稳定不变的特征。为了比较雾天图像与无雾图像的??所含边缘的多少，引入边缘密度的概念。??边缘密度是度量图像边缘特征相对原图像分布密集程度的一个参数。边缘密度大则??表示原图像中边缘特征多。本文定义边缘密度为边缘检测后图像每一行的边缘像素数目，??从左至右、从上至下遍历边缘检测图像，得到边缘密度曲线。??利用Ｐｒｅｗｉｔｔ边缘检测算子对不同天气条件下高速公路视频图像进行边缘图像提取，??可以得到各自的边缘密度曲线。??
【参考文献】：
期刊论文
[1]视觉信息损失先验的图像分层去雾方法[J]. 胡子昂,王卫星,陆健强,石颖. 中国图象图形学报. 2016(06)
[2]基于光流法的运动目标检测与跟踪算法[J]. 肖军,朱世鹏,黄杭,谢亚男. 东北大学学报(自然科学版). 2016(06)
[3]基于暗原色先验与小波变换的图像去雾方法[J]. 许杰,杨会成. 计算机技术与发展. 2016(02)
[4]基于感兴趣区域特征融合的行人检测方法研究[J]. 彭宝,孙韶媛,梁炳春,赵海涛. 微型机与应用. 2015(18)
[5]基于反转的限制对比度自适应直方图均衡图像去雾改进算法[J]. 张久鹏,张伟. 物联网技术. 2015(02)
[6]基于统计滤波的自适应双阈值改进canny算子边缘检测算法[J]. 段军,高翔. 激光杂志. 2015(01)
[7]基于视频的车辆检测与跟踪算法综述[J]. 邵承. 现代计算机(专业版). 2014(35)
[8]一种新的基于局部轮廓特征的目标检测方法[J]. 张桂梅,张松,储珺. 自动化学报. 2014(10)
[9]改进的直方图均衡化算法在图像增强中的应用[J]. 姜柏军,钟明霞. 激光与红外. 2014(06)
[10]基于视频的单车道车辆逆行检测方法[J]. 许宏科,秦严严. 交通信息与安全. 2014(03)
博士论文
[1]图像去雾方法和评价及其应用研究[D]. 郭璠.中南大学 2012
硕士论文
[1]基于视频图像的高速公路能见度检测技术研究[D]. 韩明敏.北京交通大学 2016
[2]基于视频的交通事件检测算法研究[D]. 邵士雨.山东大学 2013
[3]基于三帧差法的运动目标检测方法研究[D]. 赵建.西安电子科技大学 2013
[4]基于目标跟踪的交通逆行事件检测算法研究[D]. 郭锋.厦门大学 2008
本文编号：2913117
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2913117.html
