本文選題：低能見度　切入點：小波變換　出處：《天津職業(yè)技術師范大學》2016年碩士論文　論文類型：學位論文

【摘要】：隨著信息技術的快速發(fā)展,智能交通成為交通運輸管理發(fā)展的必然。交通監(jiān)控系統(tǒng)是智能交通系統(tǒng)的一個重要手段,已經具有網絡化、智能化、系統(tǒng)化和自動化等優(yōu)點,這使得交通管理人員不必親臨現場或對交通錄像進行逐幀分析,就可以直接找出違規(guī)車輛現場圖像。但在實際應用中,交通視頻監(jiān)控系統(tǒng)大部分是以晴天等正常能見度為前提條件設置的,受霧霾天氣、夜間等低能見度條件影響,監(jiān)控系統(tǒng)難以采集到清晰高質量的視頻圖像,這種情況下采集的圖像難以進行有效處理。為提高低能見度圖像的對比度,使采集到的圖像能夠有效對車輛、道路標志標線的識別,本文對霧霾和夜間兩種低能見度條件下采集的圖像進行了圖像增強研究,分別提出了霧霾圖像增強方法和夜間圖像增強方法,其主要內容如下:1)根據霧霾交通圖像的特點,本文提出了一種基于小波變換和Retinex雙邊濾波的圖像增強算法。首先對HSV模式圖像V圖層進行小波分解,然后對低頻部分進行系數增強和基于雙邊濾波的Retinex算法處理,對高頻部分進行閾值去噪,這樣不僅有利于降低算法復雜度,而且可以在去噪的同時較好的保持圖像的細節(jié)。雙邊濾波在處理相鄰像素值時,同時考慮像素的鄰近關系和亮度相似性,能夠保持圖像邊緣不被模糊、抑制光暈效應的產生。再然后,對重構后的V圖層進行全局對比度增強,進一步提升了圖像的對比度。最后,飽和度增強使圖像顏色更加鮮艷,增強效果更好。通過實驗比較,本文方法與其它增強算法相比,圖像在整體亮度和對比度方面明顯改善,細節(jié)更加豐富,邊緣亮度也有一定的增強,針對交通圖像增強具有非常好的效果。2)夜間交通圖像相對于霧霾交通圖像更加復雜,尤其是缺少光照的交通路口圖像,由于光照嚴重不足,圖像中存在大量的暗連通區(qū)域,為此本文提出了一種針對夜間圖像的增強方法。與霧霾圖像增強算法不同,對V圖層進行小波分解前,先進行全局對比度增強的預處理,以提升圖像的整體亮度,這樣也使夜間圖像的反轉圖像與霧霾圖像特征類似,可以采用霧霾圖像增強的方法進行處理。對小波分解后的低頻部分及低頻部分的反轉圖像分別進行自適應權值的MSR算法處理。自適應權值的MSR算法能更好地調節(jié)亮度。為了在圖像中更好地顯現路面等固定場景,采用白天相同場景下的視頻圖像提取圖像背景,經小波分解后的低頻部分與夜間圖像小波分解后低頻部分加權,這樣不僅能使圖像顯現固定場景,而且由于只對低頻部分進行操作,對夜間圖像細節(jié)影響較小。實驗證明,本文算法能夠有效地提升夜間圖像的亮度、對比度,使圖像色彩自然,并且能夠避免光暈現象的產生。
[Abstract]:With the rapid development of information technology, intelligent transportation has become the inevitable development of transportation management. Traffic monitoring system is an important means of intelligent transportation system, which has the advantages of network, intelligence, systematization and automation. This makes it possible for traffic managers to directly find out the scene images of illegal vehicles without having to visit the scene in person or to analyze traffic videos in frame by frame. But in practical applications, Most of the traffic video surveillance systems are set on the premise of normal visibility such as sunny days. Affected by the low visibility conditions such as haze weather and night, it is difficult for the surveillance system to collect clear and high-quality video images. In order to improve the contrast of the low-visibility images, the collected images can effectively identify the vehicle and road marking lines. In this paper, we study the image enhancement of haze and nocturnal images under low visibility, and propose haze image enhancement method and night image enhancement method, respectively. The main contents are as follows: 1) according to the characteristics of haze traffic image, In this paper, an image enhancement algorithm based on wavelet transform and Retinex bilateral filtering is proposed. Firstly, the V layer of HSV mode image is decomposed by wavelet transform, then the low frequency part is enhanced by coefficients and the Retinex algorithm based on bilateral filtering is processed. The threshold denoising of the high frequency part is not only helpful to reduce the complexity of the algorithm, but also to keep the details of the image at the same time. Considering the pixel proximity and brightness similarity, the edge of the image can be kept unblurred, and the halo effect can be suppressed. Then, the global contrast of the reconstructed V layer is enhanced. Finally, saturation enhancement makes the image color brighter and the enhancement effect better. Compared with other enhancement algorithms, the method in this paper improves the overall brightness and contrast of the image obviously. The details are more abundant, the edge brightness is also enhanced, the traffic image enhancement has a very good effect. 2) the night traffic image is more complex than the haze traffic image, especially the traffic intersection image with lack of light. There are a lot of dark connected regions in the image because of the serious lack of illumination. In this paper, an enhancement method for night image is proposed. Different from the haze image enhancement algorithm, before the wavelet decomposition of V layer, In order to improve the overall brightness of the image, the inversion image of the night image is similar to that of the haze image, so that the whole image is enhanced by the preprocessing of the global contrast enhancement. We can use the method of haze image enhancement to process the low frequency image and the inversion image of the low frequency part after wavelet decomposition. The MSR algorithm of adaptive weight can be used to adjust the low frequency part and the inversion image of low frequency part. The MSR algorithm of adaptive weight can be adjusted better. Brightness. In order to better display the road surface and other fixed scenes in the image, The video image of the same scene during the day is used to extract the background of the image. The low-frequency part of the image is weighted by wavelet decomposition and the low-frequency part of the night image is decomposed by wavelet, which can not only make the image appear fixed scene. The experiments show that the algorithm can effectively improve the brightness and contrast of the night image, make the image color natural, and avoid halo phenomenon.
【學位授予單位】：天津職業(yè)技術師范大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前2條

1 郝靜濤;陳先橋;初秀民;;低能見度駕駛員視覺主動增強系統(tǒng)設計[J];交通與計算機;2006年05期

2 ;[J];;年期

相關會議論文 前10條

1 焦建麗;周志剛;王軍;;鄭州市低能見度的統(tǒng)計分析[A];中國氣象學會2008年年會城市氣象與城市可持續(xù)發(fā)展分會場論文集[C];2008年

2 付桂琴;張迎新;張慶紅;張南;;河北省低能見度事件特征分析[A];S18 大氣物理學與大氣環(huán)境[C];2012年

3 徐虹;沈姣姣;馬磊;楊新;;陜西省低能見度事件變化特征和突變分析[A];創(chuàng)新驅動發(fā)展 提高氣象災害防御能力——S9大氣成分與天氣氣候變化[C];2013年

4 李青春;張小玲;李林;;北京城市化對霧霾天氣條件下低能見度時空分布的影響分析[A];創(chuàng)新驅動發(fā)展 提高氣象災害防御能力——S16第二屆城市氣象論壇——災害·環(huán)境·影響·應對[C];2013年

5 邱東曉;;寧波櫟社機場低能見度的預報[A];第三屆長三角氣象科技論壇論文集[C];2006年

6 王強;;杭州蕭山機場低能見度特征淺析[A];第五屆長三角氣象科技論壇論文集[C];2008年

7 陳靜;趙春生;;武清夏季極端低能見度現象的控制因子研究[A];第28屆中國氣象學會年會——S9大氣物理學與大氣環(huán)境[C];2011年

8 陳寧;金龍;張忠義;趙成志;;寧滬高速公路低能見度臨近模糊遞推預報系統(tǒng)[A];城市氣象服務科學討論會學術論文集[C];2001年

9 胡迪;;武漢天河機場低能見度現象的氣候特征分析[A];2006年湖北省氣象學會學術年會暨湖北省第一屆防雷論壇學術論文詳細文摘匯集[C];2006年

10 黃興春;張劍;黃偉偉;;潰變理論在低能見度預報中的應用[A];中國氣象學會2007年年會天氣預報預警和影響評估技術分會場論文集[C];2007年

相關重要報紙文章 前3條

1 通訊員 劉開宇;貴州空管局舉行低云、低能見度及飛機積冰研討會[N];中國氣象報;2009年

2 王素琴　整理;亞運期間高影響天氣解讀[N];中國氣象報;2010年

3 本報記者 曹穎;霧中點亮一盞燈[N];中國氣象報;2008年

相關博士學位論文 前1條

1 嚴明良;滬寧高速公路低能見度濃霧特征及其數值模擬研究[D];南京信息工程大學;2011年

相關碩士學位論文 前6條

1 祁妙;長江三角洲地區(qū)低能見度事件的氣象條件分析[D];南京信息工程大學;2015年

2 倪江波;華北區(qū)域性低能見度客觀自動識別及預報方法研究[D];蘭州大學;2015年

3 李長領;低能見度條件下的交通圖像增強技術研究[D];天津職業(yè)技術師范大學;2016年

4 袁成松;低能見度交通氣象信息服務系統(tǒng)的研究與應用[D];南京農業(yè)大學;2007年

5 周群;低能見度下主動發(fā)光誘導設施設置研究[D];長安大學;2014年

6 劉炳杰;環(huán)渤海低能見度分析及短期預報方法研究[D];蘭州大學;2010年

，

本文編號：1605778