CN108830803A - 一种交通视频图像去雾优化算法 - Google Patents
一种交通视频图像去雾优化算法 Download PDFInfo
- Publication number
- CN108830803A CN108830803A CN201810471341.5A CN201810471341A CN108830803A CN 108830803 A CN108830803 A CN 108830803A CN 201810471341 A CN201810471341 A CN 201810471341A CN 108830803 A CN108830803 A CN 108830803A
- Authority
- CN
- China
- Prior art keywords
- image
- defogging
- traffic video
- luminous intensity
- vehicle target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000002834 transmittance Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 abstract description 7
- 230000002708 enhancing effect Effects 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 3
- 239000003595 mist Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
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。
Description
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***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,***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***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***准确获取车辆和道路交通信息等等。由此可见,为了提高***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,Ic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。
在视频画面满足需求的前提下,尽可能使间隔M变大。如果获得高质量的视频图像,应缩小间隔M;若获得较快的处理速度,则可取较大的间隔M值。
通过对类像素点的叠加,可以获得更好的去雾效果,并且不会严格要求运动目标像素对齐。本发明叠加前后两帧的目标像素点可以增强目标的去雾效果,同时也有去噪作用,得到更干净的图像。
最后将去雾后的帧图像合成视频,完成图像的去雾处理。
本发明的有益效果是:
(1)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。
(2)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。
(3)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。
附图说明
图1是本发明的视频去雾算法的流程图;
图2是本发明去雾具体处理过程算法的流程图;
图3是本发明去雾并行架构图。
具体实施方式
下面结合附图对本发明作进一步详细的说明。
实施例1:如图1~3所示,本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,Lucas-Kanade算法计算两帧在时间t到t+Δt之间每个像素点位置的移动,即对空间和时间坐标使用偏导数,Lucas-Kanade算法即光流法,检测当前帧的特征点,通过当前帧和下一帧的比较,估计当前帧特征点在下一帧的位置;过滤位置不变的特征点,余下的为目标点。
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。
图像去雾处理时,利用暗原色先验算法,通过选取暗原色亮度最高的0.1%的像素值作为大气光强度的估计值,透射率计算公式为:
(将公式中的各个)所述透射率计算公式为:
其中,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,Ic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。
基于大气散射模型I(x)=J(x)t(x)+A(1-t(x)),得到去雾图像为
其中,x表示图像上像素点位置坐标,I(x)表示带雾图像,J(x)表示要恢复的无雾图像,t0是加入的一个阈值,设置为0.1,防止分母为零。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,形成新的图片。
图片再合成完整视频。
上面结合附图对本发明的具体实施例作了详细说明,但是本发明并不限于上述实施例,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (6)
1.一种交通视频图像去雾优化算法,其特征在于,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。
2.根据权利要求1所述的交通视频图像去雾优化算法,其特征在于:所述步骤(1)中采用Lucas-Kanade算法识别车辆目标。
3.根据权利要求1所述的交通视频图像去雾优化算法,其特征在于: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。
4.根据权利要求3所述的交通视频图像去雾优化算法,其特征在于: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。
5.根据权利要求4所述的交通视频图像去雾优化算法,其特征在于: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。
6.根据权利要求1所述的交通视频图像去雾优化算法,其特征在于: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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810471341.5A CN108830803A (zh) | 2018-05-17 | 2018-05-17 | 一种交通视频图像去雾优化算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810471341.5A CN108830803A (zh) | 2018-05-17 | 2018-05-17 | 一种交通视频图像去雾优化算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108830803A true CN108830803A (zh) | 2018-11-16 |
Family
ID=64147677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810471341.5A Pending CN108830803A (zh) | 2018-05-17 | 2018-05-17 | 一种交通视频图像去雾优化算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108830803A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263706A (zh) * | 2019-06-19 | 2019-09-20 | 南京邮电大学 | 一种雾霾天气车载视频动态目标检测和识别的方法 |
CN110458029A (zh) * | 2019-07-15 | 2019-11-15 | 佛山科学技术学院 | 一种雾天环境中的车辆检测方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102685397A (zh) * | 2011-04-14 | 2012-09-19 | 天脉聚源(北京)传媒科技有限公司 | 一种在视频中叠加图片的方法 |
CN103021177A (zh) * | 2012-11-05 | 2013-04-03 | 北京理工大学 | 一种雾天交通监控视频图像的处理方法和*** |
CN103747213A (zh) * | 2014-01-15 | 2014-04-23 | 北京工业大学 | 一种基于运动目标的交通监控视频实时去雾方法 |
WO2014185479A1 (en) * | 2013-05-15 | 2014-11-20 | Ricoh Company, Limited | Image processing system |
CN105046666A (zh) * | 2015-07-24 | 2015-11-11 | 中国科学技术大学 | 一种基于暗原色先验的交通视频实时去雾的方法 |
CN105550999A (zh) * | 2015-12-09 | 2016-05-04 | 西安邮电大学 | 一种基于背景复用的视频图像增强处理方法 |
CN107360344A (zh) * | 2017-06-27 | 2017-11-17 | 西安电子科技大学 | 监控视频快速去雾方法 |
CN107730906A (zh) * | 2017-07-11 | 2018-02-23 | 银江股份有限公司 | 斑马线车辆不礼让行人行为的视觉检测*** |
-
2018
- 2018-05-17 CN CN201810471341.5A patent/CN108830803A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102685397A (zh) * | 2011-04-14 | 2012-09-19 | 天脉聚源(北京)传媒科技有限公司 | 一种在视频中叠加图片的方法 |
CN103021177A (zh) * | 2012-11-05 | 2013-04-03 | 北京理工大学 | 一种雾天交通监控视频图像的处理方法和*** |
WO2014185479A1 (en) * | 2013-05-15 | 2014-11-20 | Ricoh Company, Limited | Image processing system |
CN103747213A (zh) * | 2014-01-15 | 2014-04-23 | 北京工业大学 | 一种基于运动目标的交通监控视频实时去雾方法 |
CN105046666A (zh) * | 2015-07-24 | 2015-11-11 | 中国科学技术大学 | 一种基于暗原色先验的交通视频实时去雾的方法 |
CN105550999A (zh) * | 2015-12-09 | 2016-05-04 | 西安邮电大学 | 一种基于背景复用的视频图像增强处理方法 |
CN107360344A (zh) * | 2017-06-27 | 2017-11-17 | 西安电子科技大学 | 监控视频快速去雾方法 |
CN107730906A (zh) * | 2017-07-11 | 2018-02-23 | 银江股份有限公司 | 斑马线车辆不礼让行人行为的视觉检测*** |
Non-Patent Citations (3)
Title |
---|
JIAWANG ZHANG 等: "Video dehazing with spatial and temporal coherence", 《VIS COMPUT》 * |
成名 等: "基于视觉显著性的航拍车辆检测", 《工业控制计算机》 * |
涂志刚: "变分光流法在序列图像运动分析中的研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263706A (zh) * | 2019-06-19 | 2019-09-20 | 南京邮电大学 | 一种雾霾天气车载视频动态目标检测和识别的方法 |
CN110458029A (zh) * | 2019-07-15 | 2019-11-15 | 佛山科学技术学院 | 一种雾天环境中的车辆检测方法及装置 |
CN110458029B (zh) * | 2019-07-15 | 2022-12-20 | 佛山科学技术学院 | 一种雾天环境中的车辆检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110232666B (zh) | 基于暗原色先验的地下管道图像快速去雾方法 | |
CN107301623B (zh) | 一种基于暗通道和图像分割的交通图像去雾方法及*** | |
US20180218485A1 (en) | Method and apparatus for fusing plurality of depth images | |
CN107767354A (zh) | 一种基于暗原色先验的图像去雾算法 | |
CN105631831B (zh) | 一种雾霾条件下视频图像增强方法 | |
CN102831591B (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
CN106846359A (zh) | 基于视频序列的运动目标快速检测方法 | |
CN104299192B (zh) | 一种基于大气光散射物理模型的单幅图像去雾方法 | |
CN103198459B (zh) | 雾霾图像快速去雾方法 | |
CN103186887B (zh) | 图像除雾装置和图像除雾方法 | |
CN106548461B (zh) | 图像去雾方法 | |
CN105787904B (zh) | 针对明亮区域的自适应全局暗原色先验的图像去雾方法 | |
CN112991369B (zh) | 基于双目视觉的行驶车辆外廓尺寸检测方法 | |
CN107301624A (zh) | 基于区域划分及浓雾预处理的卷积神经网络去雾算法 | |
CN106780380A (zh) | 一种图像去雾方法及*** | |
CN106023108A (zh) | 基于边界约束和上下文正则化的图像去雾算法 | |
CN105701783A (zh) | 一种基于环境光模型的单幅图像去雾方法及装置 | |
CN104272347A (zh) | 去除包含在静止图像中的雾的图像处理装置及其方法 | |
CN104331867B (zh) | 图像去雾的方法、装置及移动终端 | |
CN111598814B (zh) | 基于极端散射通道的单图像去雾方法 | |
CN108830803A (zh) | 一种交通视频图像去雾优化算法 | |
CN111563852A (zh) | 一种基于低复杂度mf的暗通道先验去雾方法 | |
CN103226809B (zh) | 图像除雾装置和图像除雾方法 | |
US20160035107A1 (en) | Moving object detection | |
CN106504216B (zh) | 基于变分模型的单幅图像去雾方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181116 |