【摘要】：對霧天車輛超分辨視頻圖像清晰度進行識別,能夠更好的解決模糊車輛圖像失真問題。對超分辨率視頻圖像的識別,需要先獲取圖像邊緣細(xì)節(jié),進而調(diào)整低通子帶系數(shù),完成圖像的清晰度識別。傳統(tǒng)方法先檢測圖像模糊邊緣,獲得各個不同區(qū)域中像素點權(quán)值,但忽略了調(diào)整低通子帶系數(shù),導(dǎo)致圖像識別精度偏低。提出基于分?jǐn)?shù)階的霧天車輛超分辨率圖像清晰度識別方法。該方法先對霧天車輛超分辨率圖像中的各個像素點進行分?jǐn)?shù)階積分運算來處理噪聲,獲得不同強度紋理點相應(yīng)的微分階次,通過對圖像的Contourlet分解處理,進行圖像邊緣細(xì)節(jié)識別,低通子帶系數(shù)則根據(jù)灰度級變換和局部均值的增益函數(shù)進行調(diào)整,由此完成霧天車輛超分辨率圖像清晰度識別。實驗結(jié)果表明,所提方法能夠有效提升霧天車輛超分辨率圖像的視覺效果,且能保留較多的圖像邊緣細(xì)節(jié)信息。
【圖文】：

圖1不同方法超分辨率圖像峰值信噪比對比行霧天車輛分辨率圖像邊緣清晰度(%)對比，對比結(jié)果用圖2進行表示。圖2不同方法圖像邊緣清晰度對比分析圖2可知，利用自適應(yīng)分?jǐn)?shù)階方法進行霧天車輛超分辨率圖像清晰度識別獲得的清晰度要優(yōu)于雙向直方圖均衡方法，這主要是因為利用自適應(yīng)分?jǐn)?shù)階方法在霧天車輛超分辨率圖像清晰度識別過程中，采用非線性增益函數(shù)對方向帶通子帶進行圖像邊緣細(xì)節(jié)識別，低通子帶系數(shù)則根據(jù)灰度級變換和局部均值的增益函數(shù)進行調(diào)整，由此完成霧天車輛超分辨率圖像清晰度識別，使得利用自適應(yīng)分?jǐn)?shù)階方法進行霧天車輛超分辨率圖像清晰度識別獲得的清晰度較優(yōu)。分別利用自適應(yīng)分?jǐn)?shù)階方法和雙向直方圖均衡方法進行霧天車輛超分辨率圖像清晰度識別實驗。選取標(biāo)準(zhǔn)差衡量2種不同方法進行霧天車輛分辨率圖像清晰度識別效果的優(yōu)劣，對比結(jié)果用表1進行表示，利用式(16)定義標(biāo)準(zhǔn)差σf=1M×N∑M－1x=1∑N－1y=1f(i，j)－s薣]f[]21/2(16)式中，s薴代表霧天車輛超分辨率圖像的灰度均值，M×N代表霧天車輛超分辨率圖像的像素點總數(shù)，當(dāng)標(biāo)準(zhǔn)差較大時，霧天車輛超分辨率圖像灰度級分布分散，圖像的反差大，說明霧天車輛超分辨率圖像中包含的邊緣細(xì)節(jié)信息較多，標(biāo)準(zhǔn)差為常數(shù)。如表1所示，給出了在不同方法下圖像的識別標(biāo)準(zhǔn)差的比較，表中的A代表雙向直方圖均衡方法，B代表自適應(yīng)分?jǐn)?shù)階方法表1不同方法圖像識別的標(biāo)準(zhǔn)差比較實驗次數(shù)原圖AB561.48784.25895.2541065.24786.32596.2541569.25484.25497.1452072.21185.35297.2582575.14785.35498.547分析表1可知，在不同實驗次數(shù)下，利用自適應(yīng)分?jǐn)?shù)階方法進行霧天車輛超分辨率圖像清晰度識別的標(biāo)準(zhǔn)差要高于雙向直方圖均衡方法，雙向直方圖均衡?

圖1不同方法超分辨率圖像峰值信噪比對比行霧天車輛分辨率圖像邊緣清晰度(%)對比，對比結(jié)果用圖2進行表示。圖2不同方法圖像邊緣清晰度對比分析圖2可知，利用自適應(yīng)分?jǐn)?shù)階方法進行霧天車輛超分辨率圖像清晰度識別獲得的清晰度要優(yōu)于雙向直方圖均衡方法，這主要是因為利用自適應(yīng)分?jǐn)?shù)階方法在霧天車輛超分辨率圖像清晰度識別過程中，采用非線性增益函數(shù)對方向帶通子帶進行圖像邊緣細(xì)節(jié)識別，低通子帶系數(shù)則根據(jù)灰度級變換和局部均值的增益函數(shù)進行調(diào)整，，由此完成霧天車輛超分辨率圖像清晰度識別，使得利用自適應(yīng)分?jǐn)?shù)階方法進行霧天車輛超分辨率圖像清晰度識別獲得的清晰度較優(yōu)。分別利用自適應(yīng)分?jǐn)?shù)階方法和雙向直方圖均衡方法進行霧天車輛超分辨率圖像清晰度識別實驗。選取標(biāo)準(zhǔn)差衡量2種不同方法進行霧天車輛分辨率圖像清晰度識別效果的優(yōu)劣，對比結(jié)果用表1進行表示，利用式(16)定義標(biāo)準(zhǔn)差σf=1M×N∑M－1x=1∑N－1y=1f(i，j)－s薣]f[]21/2(16)式中，s薴代表霧天車輛超分辨率圖像的灰度均值，M×N代表霧天車輛超分辨率圖像的像素點總數(shù)，當(dāng)標(biāo)準(zhǔn)差較大時，霧天車輛超分辨率圖像灰度級分布分散，圖像的反差大，說明霧天車輛超分辨率圖像中包含的邊緣細(xì)節(jié)信息較多，標(biāo)準(zhǔn)差為常數(shù)。如表1所示，給出了在不同方法下圖像的識別標(biāo)準(zhǔn)差的比較，表中的A代表雙向直方圖均衡方法，B代表自適應(yīng)分?jǐn)?shù)階方法表1不同方法圖像識別的標(biāo)準(zhǔn)差比較實驗次數(shù)原圖AB561.48784.25895.2541065.24786.32596.2541569.25484.25497.1452072.21185.35297.2582575.14785.35498.547分析表1可知，在不同實驗次數(shù)下，利用自適應(yīng)分?jǐn)?shù)階方法進行霧天車輛超分辨率圖像清晰度識別的標(biāo)準(zhǔn)差要高于雙向直方圖均衡方法，雙向直方圖均衡?

【相似文獻】

相關(guān)期刊論文 前10條

1 王忠;高速公路霧天交通安全措施探討[J];中南汽車運輸;1997年02期

2 周宗成;霧天出行話安全[J];現(xiàn)代交通管理;1999年02期

3 陳新,劉英舜,曹從詠;中美高速公路霧天通行管理分析[J];交通科技;2003年04期

4 朱找金;霧天雪地行車要注意[J];現(xiàn)代交通管理;1995年01期

5 叢曉麗;;霧天條件下黑龍江省高速公路交通安全管理方案研究[J];黑龍江交通科技;2013年01期

6 唐紅偉;陳孟潔;;霧天高速公路安全處置研究[J];中國交通信息化;2013年08期

7 高靜如;;基于高速公路交通影響的霧天預(yù)測優(yōu)勢比模型[J];河南科技;2013年17期

8 袁杏孫;;“蝴蝶效應(yīng)”帶給高速公路霧天暢通管理的思考[J];道路交通管理;2009年05期

9 朱毅;張志剛;;雨霧氣候下車輛肇事原因及對策[J];汽車與駕駛維修;1995年01期

10 齊瑩菲;柳本民;郭忠印;;高速公路霧天安全管理系統(tǒng)[J];同濟大學(xué)學(xué)報(自然科學(xué)版);2007年01期

相關(guān)會議論文 前1條

1 張明捷;關(guān)永濤;王惠芳;劉曉燕;范紅霞;齊瑞英;;霧天交通安全指數(shù)預(yù)報[A];濮陽市首屆學(xué)術(shù)年會論文選編[C];2006年

相關(guān)重要報紙文章 前2條

1 江成;霧天可望不封高速公路[N];中國安全生產(chǎn)報;2006年

2 記者 曹穎　通訊員 袁成松;推進高速公路霧天交通應(yīng)急管理[N];中國氣象報;2012年

相關(guān)碩士學(xué)位論文 前9條

1 姚文靜;霧天高速公路限速控制與仿真評價[D];長沙理工大學(xué);2014年

2 周葵;霧天高速公路預(yù)警措施有效性評估[D];長沙理工大學(xué);2015年

3 周軼凡;霧天條件下高速公路視頻事件檢測技術(shù)研究[D];東南大學(xué);2017年

4 李楊;高速公路在霧天條件下安全保障系統(tǒng)研究[D];長安大學(xué);2010年

5 李春;霧天環(huán)境下高速公路交通安全評估及預(yù)警研究[D];長安大學(xué);2012年

6 臺德清;霧天高速公路交通管制方法及對策研究[D];西南交通大學(xué);2011年

7 黃身森;霧天環(huán)境下高速公路行車安全與預(yù)警技術(shù)研究[D];長安大學(xué);2013年

8 任軍華;高速公路霧天通行解決方案[D];重慶大學(xué);2008年

9 王磊;基于交通流狀態(tài)和85%位車速的霧天高速公路限速值研究[D];北京交通大學(xué);2015年

本文編號：2599501