我國(guó)高速公路發(fā)展迅猛的同時(shí),交通事故及其隱患比例也在逐年增加。給高速公路的安全帶來(lái)巨大威脅的因素主要有兩個(gè):惡劣天氣以及交通異常事件。在我國(guó)大部分地區(qū)引起惡性交通事故的天氣現(xiàn)象中,霧的影響最大,霧天不僅影響交通行車安全,同時(shí)也使得交通視頻監(jiān)控設(shè)備所獲圖像的對(duì)比度和顏色質(zhì)量出現(xiàn)退化,影響圖像的應(yīng)用價(jià)值。車輛逆行與行人闖入也會(huì)給高速公路交通安全帶來(lái)巨大隱患。本文研究重點(diǎn)主要有霧天視頻圖像清晰化處理、高速公路行人檢測(cè)、車輛逆行檢測(cè)。本文結(jié)合江蘇省交通運(yùn)輸廳科研項(xiàng)目《基于三維立體視覺(jué)的高速公路交通異常智能識(shí)別方法及系統(tǒng)構(gòu)成研究》,以NH高速公路K2090+700處設(shè)置的HD-SDI球形攝像機(jī)所拍攝的交通視頻為數(shù)據(jù)源,充分利用已經(jīng)建立的高速公路監(jiān)控硬件系統(tǒng),研究霧天條件下高速公路視頻事件（行人、車輛逆行）檢測(cè)技術(shù)。研究的主要內(nèi)容如下:（1）研究霧天交通視頻圖像清晰化方法。通過(guò)分析不同天氣下圖像的R、G、B三通道及灰度直方圖特性,結(jié)合圖像對(duì)比度提出基于灰度直方圖的霧天等級(jí)檢測(cè)方法,實(shí)現(xiàn)霧天等級(jí)檢測(cè);在HSI彩色空間中采用基于限制對(duì)比度的直方圖均衡化去霧方法對(duì)輕霧天圖像進(jìn)行清晰化處理,并對(duì)去霧結(jié)果進(jìn)... 

【文章來(lái)源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１霧天引發(fā)的交通事故現(xiàn)場(chǎng)??隨著國(guó)內(nèi)高速公路的建設(shè)，以及我國(guó)汽車擁有量的逐年上升，霧天對(duì)交通的影響只??

Ｒ＝３Ｉ－－Ｂ２．２霧天圖像特性分析??２．２．１霧天圖像直方圖特性??灰度直方圖（Ｈｉｓｔｏｇｒａｍ）表示圖像中具有每一種灰度級(jí)的像素的個(gè)數(shù)，反映圖像中??每一種灰度出現(xiàn)的頻率。通�；叶戎狈綀D的橫坐標(biāo)表示灰度級(jí)，縱坐標(biāo)表示灰度級(jí)出現(xiàn)??的頻率。??在圖像離散化形式下，若一幅圖像的像素總數(shù)為Ｎ，灰度級(jí)總數(shù)為Ｌ，式２．７表示??灰度直方圖計(jì)算的公式，??ＰＭ?＝?＾，〇＜ｒｋ＜ｌ?（２．７）??其中，＆表示離散灰度級(jí)，／Ｖｆｃ表示ｒｆｃ級(jí)灰度的像素總數(shù)，用Ｐｌｆ（ｒｆｃ）表示該灰度級(jí)出現(xiàn)的??頻數(shù)。??大小為ＭＸＮ的灰度圖像ｆ（ｘ，ｙ）的灰度直方圖ｌｖ［２５６］計(jì)算算法實(shí)現(xiàn)步驟如下：??（１）初始化ｈＨｋＨ），其中?ｋ＝０、１、２??２５５；??（２）對(duì)于圖像ｆ中的所有像素，ｈ／［ｆ（ｘ，ｙ）］?＋?＋，其中ｘ＝０、１、２?Ｍ－ｌ，ｙ＝０、??１、２、？?？?？、Ｎ－ｌ；??

通過(guò)對(duì)三種天氣條件下高速公路視頻圖像的Ｒ、Ｇ、Ｂ三通道的直方圖對(duì)比分析，??可以明顯看出與無(wú)霧天氣相比，霧天所拍攝的圖像的直方圖分布具有如下特點(diǎn)：??（１）霧天圖像的Ｒ、Ｇ、Ｂ三通道的亮度值均分布不均衡，主要集中在灰度級(jí)的中??部；??（２）隨著霧的濃度的增加，圖像直方圖越向中間靠攏，亮度值分布范圍越窄，且波??動(dòng)變化越小，圖像的顏色信息衰減嚴(yán)重。??２．２．２霧天圖像邊緣特征??圖像的邊緣特征是圖像中最重要的特征，圖像的邊緣信息在大大減少所要處理的信??息量的同時(shí)有效地保留了圖像的信息，邊緣信息可以反映圖像所包含的信息。與區(qū)域灰??度信息相比，邊緣等高頻信息是相對(duì)穩(wěn)定不變的特征。為了比較霧天圖像與無(wú)霧圖像的??所含邊緣的多少，引入邊緣密度的概念。??邊緣密度是度量圖像邊緣特征相對(duì)原圖像分布密集程度的一個(gè)參數(shù)。邊緣密度大則??表示原圖像中邊緣特征多。本文定義邊緣密度為邊緣檢測(cè)后圖像每一行的邊緣像素?cái)?shù)目，??從左至右、從上至下遍歷邊緣檢測(cè)圖像，得到邊緣密度曲線。??利用Ｐｒｅｗｉｔｔ邊緣檢測(cè)算子對(duì)不同天氣條件下高速公路視頻圖像進(jìn)行邊緣圖像提取，??可以得到各自的邊緣密度曲線。??

【參考文獻(xiàn)】：
期刊論文
[1]視覺(jué)信息損失先驗(yàn)的圖像分層去霧方法[J]. 胡子昂,王衛(wèi)星,陸健強(qiáng),石穎.  中國(guó)圖象圖形學(xué)報(bào). 2016(06)
[2]基于光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法[J]. 肖軍,朱世鵬,黃杭,謝亞男.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(06)
[3]基于暗原色先驗(yàn)與小波變換的圖像去霧方法[J]. 許杰,楊會(huì)成.  計(jì)算機(jī)技術(shù)與發(fā)展. 2016(02)
[4]基于感興趣區(qū)域特征融合的行人檢測(cè)方法研究[J]. 彭寶,孫韶媛,梁炳春,趙海濤.  微型機(jī)與應(yīng)用. 2015(18)
[5]基于反轉(zhuǎn)的限制對(duì)比度自適應(yīng)直方圖均衡圖像去霧改進(jìn)算法[J]. 張久鵬,張偉.  物聯(lián)網(wǎng)技術(shù). 2015(02)
[6]基于統(tǒng)計(jì)濾波的自適應(yīng)雙閾值改進(jìn)canny算子邊緣檢測(cè)算法[J]. 段軍,高翔.  激光雜志. 2015(01)
[7]基于視頻的車輛檢測(cè)與跟蹤算法綜述[J]. 邵承.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2014(35)
[8]一種新的基于局部輪廓特征的目標(biāo)檢測(cè)方法[J]. 張桂梅,張松,儲(chǔ)珺.  自動(dòng)化學(xué)報(bào). 2014(10)
[9]改進(jìn)的直方圖均衡化算法在圖像增強(qiáng)中的應(yīng)用[J]. 姜柏軍,鐘明霞.  激光與紅外. 2014(06)
[10]基于視頻的單車道車輛逆行檢測(cè)方法[J]. 許宏科,秦嚴(yán)嚴(yán).  交通信息與安全. 2014(03)

博士論文
[1]圖像去霧方法和評(píng)價(jià)及其應(yīng)用研究[D]. 郭璠.中南大學(xué) 2012

碩士論文
[1]基于視頻圖像的高速公路能見(jiàn)度檢測(cè)技術(shù)研究[D]. 韓明敏.北京交通大學(xué) 2016
[2]基于視頻的交通事件檢測(cè)算法研究[D]. 邵士雨.山東大學(xué) 2013
[3]基于三幀差法的運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究[D]. 趙建.西安電子科技大學(xué) 2013
[4]基于目標(biāo)跟蹤的交通逆行事件檢測(cè)算法研究[D]. 郭鋒.廈門大學(xué) 2008



本文編號(hào)：2913117