交通视频图像去雾研究

发布时间：2021-05-14 22:47

　　户外交通视频监控系统经常会受到很多不良天气,如雾、霾、雨、烟尘等的影响,这些条件改变甚至退化了视频图像的颜色和对比度,使分析和处理视频图像信息变得困难。因此,对雾天视频图像的实时去雾化处理,无论对提高交通监测系统工作的准确率,还是促进智能交通系统的发展,都具有重要的意义。在目前的去雾研究中,发展比较成熟的是单张图像的去雾,研究者们提出了很多算法及改进方法来复原去雾图像,使之清晰度提高。然而,现有的单幅图像的去雾算法比较复杂,而对于一个由很多帧图像组成的视频来说,如果套用现有的去雾算法复原,计算过程耗时会很长,很难满足视频处理的实时性,还可能造成视频图像播放不连续现象。为了提高视频处理的实时性,需要找到一种更有效的去雾处理方法。针对这些问题,本文的主要工作如下:第一,运动车辆检测。交通视频里,图像可分为背景和前景两部分。当拍摄镜头位置固定时,背景内容就是固定的,雾天的背景完全可以用晴天无雾时的背景来代替。而前景,即运动的车辆,是交通视频监控系统关注的重点,需要着重进行去雾处理,所以本文首先对运动目标进行提取。通过对三种典型的目标跟踪算法的比较,采用效果较好的RPCA算法,完成运动车辆检测... 

【文章来源】：昆明理工大学云南省

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 图像去雾增强方法研究现状
        1.2.2 图像去雾复原方法研究现状
        1.2.3 基于视频图像的去雾算法
        1.2.4 目前研究存在的问题
    1.3 本文研究内容和章节安排
        1.3.1 主要研究内容
        1.3.2 论文章节安排
第二章 图像去雾方法及评价指标
    2.1 基于图像增强的去雾方法
    2.2 基于图像复原的去雾方法
    2.3 图像增强方法和图像复原方法实验对比
    2.4 单幅图像去雾和视频图像去雾的关系
    2.5 图像去雾评价方法
        2.5.1 主观评价方法
        2.5.2 客观评价方法
    2.6 本章内容小结
第三章 目标跟踪方法
    3.1 目标跟踪常见方法
        3.1.1 帧差法
        3.1.2 混合高斯背景模型
    3.2 RPCA目标跟踪
        3.2.1 主成分分析(PCA)
        3.2.2 基于主成分分析的鲁棒PCA
    3.3 实验结果分析与对比
    3.4 小结
第四章 基于暗原色先验算法的图像去雾
    4.1 雾天退化模型
    4.2 暗原色先验提取透射图
    4.3 引导滤波器细化透射图
    4.4 小结
第五章 基于多帧图像的去雾算法
    5.1 超分辨率图像重构
        5.1.1 插值技术
        5.1.2 运动估计
        5.1.3 图像重构方法
    5.2 实验结果及评价
        5.2.1 不同超分辨率算法重构效果
        5.2.2 基于交通视频图像的不同去雾算法效果
    5.3 总结
第六章 总结与展望
    6.1 论文主要工作总结
    6.2 论文下步工作展望
致谢
参考文献
附录 A(攻读硕士学位其间发表论文目录)



本文编号：3186468