本文選題：圖像增強(qiáng) + 霧霾散射模型��； 參考：《沈陽工業(yè)大學(xué)》2017年碩士論文

【摘要】：智能交通系統(tǒng)提高道路的利用率、保證交通的安全性和改善駕駛員的舒適性,已成為城市未來交通運(yùn)輸?shù)陌l(fā)展方向。車輛監(jiān)控系統(tǒng)和交通監(jiān)管系統(tǒng)作為智能交通系統(tǒng)的主要組成部分,要求系統(tǒng)具有較高的安全性和穩(wěn)定性,但室外天氣條件變換復(fù)雜,霧、霾、雨、雪、沙塵等天氣對(duì)智能交通系統(tǒng)中監(jiān)控?cái)z像頭的成像產(chǎn)生影響,限制智能交通監(jiān)控系統(tǒng)的應(yīng)用環(huán)境。智能交通監(jiān)控系統(tǒng)在惡劣天氣條件下拍攝的圖像,直觀上呈現(xiàn)亮度、對(duì)比度下降,客觀參數(shù)上圖像均方差和清晰度降低,嚴(yán)重影響系統(tǒng)在目標(biāo)識(shí)別、交通監(jiān)控等方面的使用。本文的目標(biāo)是對(duì)惡劣天氣下圖像視頻進(jìn)行增強(qiáng)處理,降低惡劣天氣對(duì)智能監(jiān)控系統(tǒng)的成像影響。本文主要針對(duì)霧霾條件的圖像進(jìn)行增強(qiáng)處理。提出了多種霧霾天氣圖像增強(qiáng)方法,分析霧霾天氣的物理特性和霧霾天氣圖像的客觀參數(shù)特性,建立霧霾天氣散射模型。提出的方法包括,以圖像HSL顏色模式理論為基礎(chǔ)的圖像增強(qiáng)方法;基于光線傳播獨(dú)立性理論的圖像增強(qiáng)方法;基于大氣霧霾散射模型和亮度模型圖像理論為基礎(chǔ)的圖像增強(qiáng)方法以及基于快速離散曲波變換的圖像增強(qiáng)方法。對(duì)于雨天條件的數(shù)字圖像,本文提出基于模糊C均值理論的圖像增強(qiáng)方法,分析雨滴的光學(xué)特性,建立雨滴的光學(xué)模型,闡述圖像增強(qiáng)方法步驟。本文提出的多種方法使用Matlab和Visual Studio 2013軟件編程實(shí)現(xiàn),在Visual Studio2013軟件中使用OpenCV計(jì)算機(jī)視覺庫(kù)。通過程序得到增強(qiáng)后的數(shù)字圖像,對(duì)增強(qiáng)后的圖像從主觀和客觀兩個(gè)方面進(jìn)行分析。對(duì)比處理前后圖像的圖像質(zhì)量,評(píng)價(jià)圖像質(zhì)量采用圖像均方差,清晰度和信息熵等客觀參數(shù)。實(shí)驗(yàn)結(jié)果證實(shí)本文提出的四種霧霾圖像增強(qiáng)方法,能明顯提升霧霾天氣下圖像的圖像質(zhì)量;基于模糊C均值理論的雨天圖像增強(qiáng)方法能有效去除圖像中的雨滴,得到的增強(qiáng)圖像保留了較多的圖像信息,圖像清晰程度明顯提升,擴(kuò)展了智能交通監(jiān)控系統(tǒng)的應(yīng)用場(chǎng)景。
[Abstract]:Intelligent Transportation system (its) has become the development direction of urban transportation in the future, which can improve the utilization ratio of roads, ensure the safety of traffic and improve the comfort of drivers.As the main component of intelligent transportation system, vehicle monitoring system and traffic supervision system require high safety and stability, but outdoor weather conditions are complicated, such as fog, haze, rain, snow, etc.The weather, such as dust and dust, has an impact on the imaging of surveillance cameras in intelligent transportation system, which limits the application environment of intelligent traffic monitoring system.The images taken by the intelligent traffic monitoring system under the bad weather condition show the brightness, the contrast drop, the image mean square deviation and the sharpness of the objective parameters decrease, which seriously affect the application of the system in target recognition, traffic monitoring and so on.The aim of this paper is to enhance the image and video in severe weather to reduce the imaging effect of bad weather on intelligent monitoring system.This paper focuses on the image enhancement of haze condition.Several enhancement methods of haze weather images are proposed. The physical characteristics of haze weather and the objective parameter characteristics of haze weather images are analyzed and the haze weather scattering model is established.The proposed methods include image enhancement method based on image HSL color pattern theory, image enhancement method based on ray propagation independence theory, image enhancement method based on image HSL color pattern theory, and image enhancement method based on ray propagation independence theory.Image enhancement method based on atmospheric haze scattering model and brightness model image theory and image enhancement method based on fast discrete Qu Bo transform.For the digital images of rainy days, this paper presents an image enhancement method based on fuzzy C-means theory, analyzes the optical properties of raindrops, establishes the optical model of raindrops, and expounds the steps of image enhancement.The methods proposed in this paper are implemented by Matlab and Visual Studio 2013 software, and OpenCV computer vision library is used in Visual Studio2013 software.The enhanced digital image is obtained by the program, and the enhanced image is analyzed from the subjective and objective aspects.Compared the image quality before and after processing, the image quality was evaluated with objective parameters such as image mean square error, clarity and information entropy.The experimental results show that the four haze image enhancement methods proposed in this paper can significantly improve the image quality in haze weather, and the raindrops can be effectively removed by the method based on fuzzy C-means theory.The enhanced images retain more image information, and the clarity of the images is improved obviously, and the application scene of the intelligent traffic monitoring system is expanded.
【學(xué)位授予單位】：沈陽工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：U495;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓濤;閆成新;;一種基于局部復(fù)雜度的水下圖像增強(qiáng)方法[J];現(xiàn)代制造工程;2009年12期

2 賈瑩;段玉波;;基于模糊集的圖像增強(qiáng)方法研究[J];科學(xué)技術(shù)與工程;2010年16期

3 柏春嵐;;基于空域圖像增強(qiáng)的研究與分析[J];河南城建學(xué)院學(xué)報(bào);2011年01期

4 林創(chuàng)魯;程韜波;周松斌;黃可嘉;;數(shù)字化X線醫(yī)學(xué)圖像增強(qiáng)處理器研究[J];現(xiàn)代制造工程;2011年04期

5 王冬冬;張煒;楊正偉;田干;;基于獨(dú)立分量分析的熱波檢測(cè)圖像增強(qiáng)[J];科學(xué)技術(shù)與工程;2013年02期

6 孫銳;陳效華;陳軍;;基于虛擬融合的夜視圖像增強(qiáng)與眩光抑制方法[J];電子測(cè)量與儀器學(xué)報(bào);2014年04期

7 段竹;;醫(yī)學(xué)圖像增強(qiáng)算法研究[J];科學(xué)技術(shù)與工程;2009年03期

8 梁亮;呂文閣;;基于競(jìng)選算法優(yōu)化的圖像增強(qiáng)方法[J];機(jī)電工程技術(shù);2009年04期

9 牛全福;劉勇;頡繼珍;;圖像增強(qiáng)在空三加密中的應(yīng)用[J];工程勘察;2010年02期

10 張煒;蔡發(fā)海;馬寶民;張瑞民;胡宇;;基于高頻強(qiáng)調(diào)濾波的紅外探傷圖像增強(qiáng)方法[J];無損檢測(cè);2010年01期

相關(guān)會(huì)議論文 前10條

1 薛麗;王波濤;;基于形態(tài)學(xué)的運(yùn)動(dòng)員號(hào)碼牌圖像增強(qiáng)[A];第十九屆測(cè)控、計(jì)量、儀器儀表學(xué)術(shù)年會(huì)(MCMI'2009)論文集[C];2009年

2 陳鉗生;陳英;李潤(rùn)午;韋禮珍;;基于遺傳優(yōu)化的小波域印章圖像增強(qiáng)研究[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

3 張瑩;王太勇;冷永剛;鄧輝;;調(diào)參雙穩(wěn)系統(tǒng)圖像增強(qiáng)應(yīng)用初探[A];2008年全國(guó)振動(dòng)工程及應(yīng)用學(xué)術(shù)會(huì)議暨第十一屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2008年

4 李孟歆;金風(fēng);張穎;;一種新的圖像增強(qiáng)混合方法研究[A];創(chuàng)新沈陽文集（A）[C];2009年

5 謝云;余江;裴以建;白寶丹;;基于小生境遺傳算法的圖像增強(qiáng)[A];2007'儀表，，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（一）[C];2007年

6 盧漢明;高德俊;;基于多尺度變換相結(jié)合的圖像增強(qiáng)算法[A];第二屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

7 張鐵棟;秦再白;朱煒;;基于模糊算法的水聲圖像增強(qiáng)[A];第十二屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

8 劉毅;高旭輝;;一種改進(jìn)的夜視圖像增強(qiáng)處理算法[A];2006年全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專題）[C];2006年

9 劉海華;高智勇;陳心浩;舒振宇;;基于形態(tài)學(xué)操作的圖像增強(qiáng)方法(英文)[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議(HHME2006)——第15屆中國(guó)多媒體學(xué)術(shù)會(huì)議(NCMT'06)論文集[C];2006年

10 趙建;;基于偏微分方程的非線性圖像增強(qiáng)方法[A];第九屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅱ[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 陳燕;工業(yè)X射線圖像增強(qiáng)算法研究[D];中北大學(xué);2016年

2 趙文達(dá);基于變分法和偏微分方程的圖像增強(qiáng)和融合方法研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2016年

3 云海姣;針對(duì)靶場(chǎng)圖像增強(qiáng)算法的研究與實(shí)現(xiàn)[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2016年

4 侯國(guó)家;水下圖像增強(qiáng)與目標(biāo)識(shí)別算法研究[D];中國(guó)海洋大學(xué);2015年

5 趙凡;基于偏微分方程的圖像增強(qiáng)和分割方法研究[D];中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所;2016年

6 許欣;圖像增強(qiáng)若干理論方法與應(yīng)用研究[D];南京理工大學(xué);2010年

7 李艷梅;圖像增強(qiáng)的相關(guān)技術(shù)及應(yīng)用研究[D];電子科技大學(xué);2013年

8 陳一平;圖像增強(qiáng)及其在視覺跟蹤中的應(yīng)用[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

9 王彥臣;基于多尺度數(shù)字X光圖像增強(qiáng)方法的研究[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2005年

10 孫飛飛;水下圖像增強(qiáng)和復(fù)原方法研究[D];中國(guó)海洋大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 許文君;灰度圖像多尺度對(duì)比度增強(qiáng)電路設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2015年

2 陳萌;多重虛擬曝光夜視圖像對(duì)比度增強(qiáng)算法研究[D];西南科技大學(xué);2015年

3 孔壯;霧天圖像增強(qiáng)方法研究及FPGA實(shí)現(xiàn)[D];電子科技大學(xué);2015年

4 趙雨;基于加權(quán)紅—黑小波變換的DR圖像增強(qiáng)方法研究[D];南方醫(yī)科大學(xué);2015年

5 阿依古力·吾布力;基于剪切波和NSST變換的圖像增強(qiáng)算法研究[D];新疆大學(xué);2015年

6 樓彬彬;基于模式分解的醫(yī)學(xué)圖像增強(qiáng)方法的研究與實(shí)現(xiàn)[D];東北大學(xué);2013年

7 王沖;基于視網(wǎng)膜機(jī)制的圖像增強(qiáng)算法研究[D];電子科技大學(xué);2015年

8 魏生峰;基于模糊數(shù)學(xué)理論的醫(yī)學(xué)影像增強(qiáng)應(yīng)用研究[D];電子科技大學(xué);2014年

9 石鑫;運(yùn)動(dòng)模糊霧霾圖像增強(qiáng)算法研究[D];東北大學(xué);2013年

10 錢晟;基于Retinex理論的圖像增強(qiáng)算法的應(yīng)用研究[D];北京工業(yè)大學(xué);2015年

本文編號(hào)：1771902