霧天交通場景中退化圖像的增強方法研究.pdf

1、霧是常見的一種自然現象，即使是晴朗的夏天，由于地面水氣的蒸發(fā)，也會有薄霧的產生。霧又是一種災害性天氣，被國際上列為十大災害天氣之一，它對城鄉(xiāng)公路運輸、航空航海、電力系統(tǒng)、工農業(yè)生產以及人們的日常生活乃至身體健康均有不同程度影響。霧對道路交通運輸的影響最為嚴重，它在道路交通運輸中形成嚴重的視程障礙，是造成交通事故的重要原因之一。因此，研究如何提高霧天等惡劣天氣條件下道路環(huán)境系統(tǒng)的可視性、預防低能見度天氣條件下惡性道路交通事故的發(fā)生一直是交

2、通與信息領域的一個研究熱點。 國內外科技工作者已對該領域從不同的角度進行了廣泛的研究，并且取得了許多階段性的研究成果。但由于霧天退化圖像的致因復雜，采集的信息嚴重不足，現有的算法和退化模型都不能充分準確地描述圖像退化的根本原因，視覺改善的效果與實際需要還有很大的距離。 因此，研究如何對霧等惡劣天氣條件下獲得的退化圖像進行有效的處理具有非常重要的理論和實際意義。 本文對霧天條件下影響駕駛行為的相關對象從各方面分析了

3、其特性，研究并改進了有關的增強算法或復原模型。具體完成的主要工作如下： （1）分析了霧天交通場景中相關對象的色彩、頻譜等特性，提取了其色彩、紋理的各種統(tǒng)計特征。在提取顏色特征的過程中，根據各對象在H、S、L子空間的直方圖分布特性，選取了色彩均值和標準差特征。在提取紋理特征過程中，根據各相關對象的頻譜分布、能量分布、抽象維數變化特性，提取了包括中心低頻能量、水平方向低頻能量、垂直方向低頻能量比、不同尺度下各子空間的能量均值和標準差

4、、分形維數等紋量特征。 （2）提出了基于RETINEX理論和天空區(qū)域自動分離的霧天交通場景圖像復原方法。在天空區(qū)域自動分離處理中，將帶霧圖像劃分為子塊，將問題轉化為每一塊歸屬為天空區(qū)域和非天空區(qū)域的不確定性分類問題，并引入EM方法實現天空區(qū)域的自動分離。針對EM方法要求已知各類內服從某種分布，其應用受到一定限制的特點，討論了將FCM方法改進并移植到天空區(qū)域的自動分離之中。針對不同特征分量的組合比較了以上兩種方法的分離效果，并將P

5、CA方法引入選取主要特征分量得到近似最優(yōu)的分類效果。在成功實現天空區(qū)域的自動分離后，研究了利用天空區(qū)域逼近光照圖像的方法，實現利用RETINEX理論改善霧天交通場景中降質圖像的視覺效果。 （3）在利用大氣退化模型實現帶霧圖像的增強過程中，提出了兩種改進的模型參數估計方法。在利用單幅圖像估計大氣退化模型參數過程中，利用簡單方法初步估計出模型中參數的近似值，并將其代入大氣退化模型中，得到景物圖像I的初步估計值。然后，再利用I的初步估

6、計值和原始圖像E優(yōu)化參數，多次迭代實現較好的復原效果；在利用同一場景不同霧濃度下的多圖像估計模型參數處理中，通過提取等深線常量特征和定義類內類間距離，改進并引入FCM方法實現等深線的自動分類。然后通過兩個不同霧濃度圖像的比較在不需要明確估計出景物點深度的情況下實現利用大氣退化模型增強處理霧天交通場景中的降質圖像。 （4）在利用變分模型實現帶霧圖像增強過程中，提出了兩種基于大氣退化型或已知景深分布情況下的變分模型。第一種模型是以反

7、映對比度變化的全變分極小化模型為基礎，增加大氣退化模型的約束條件，建立了基于對比度拉伸和大氣退化方程約束的增強模型。第二種模型是以全變分模型對噪聲的抑制和對比度場變分對紋理的增強，增加一個相似性要求，保證輸出圖像與大氣退化模型復原圖像的一致性相結合作為變分模型，共同建立一個變分求解問題。 （5）提出了若干霧天圖像增強中的快速算法。第一，在分析了使用較廣泛的傳統(tǒng)直方圖均衡化方法，提出了改進的直方圖均衡化方法?；舅悸肥窃谔炜諈^(qū)域增

8、強幅度壓縮。估計圖像中各景物點的景深，在景物點處的拉伸幅度與景深距離近似成正比關系。第二，考慮景深距離補償的快速圖像增強算法。在設計霧天交通場景圖像增強算法時，既保留了直方圖均衡化方法對局部信息量集中處對比度拉伸的優(yōu)點，同時又考慮了天空區(qū)域的獨特性和景物點隨景深增加而衰減的規(guī)律。第三，對SSR算法進行了簡化，提出了一種改進的SSR快速算法。傳統(tǒng)的SSR算法，利用尺度函數構造圖像的照度函數實現霧天圖像的增強。但在應用尺度函數構造照度函數的