戶外交通視頻監(jiān)控系統(tǒng)經常會受到很多不良天氣,如霧、霾、雨、煙塵等的影響,這些條件改變甚至退化了視頻圖像的顏色和對比度,使分析和處理視頻圖像信息變得困難。因此,對霧天視頻圖像的實時去霧化處理,無論對提高交通監(jiān)測系統(tǒng)工作的準確率,還是促進智能交通系統(tǒng)的發(fā)展,都具有重要的意義。在目前的去霧研究中,發(fā)展比較成熟的是單張圖像的去霧,研究者們提出了很多算法及改進方法來復原去霧圖像,使之清晰度提高。然而,現有的單幅圖像的去霧算法比較復雜,而對于一個由很多幀圖像組成的視頻來說,如果套用現有的去霧算法復原,計算過程耗時會很長,很難滿足視頻處理的實時性,還可能造成視頻圖像播放不連續(xù)現象。為了提高視頻處理的實時性,需要找到一種更有效的去霧處理方法。針對這些問題,本文的主要工作如下:第一,運動車輛檢測。交通視頻里,圖像可分為背景和前景兩部分。當拍攝鏡頭位置固定時,背景內容就是固定的,霧天的背景完全可以用晴天無霧時的背景來代替。而前景,即運動的車輛,是交通視頻監(jiān)控系統(tǒng)關注的重點,需要著重進行去霧處理,所以本文首先對運動目標進行提取。通過對三種典型的目標跟蹤算法的比較,采用效果較好的RPCA算法,完成運動車輛檢測... 

【文章來源】：昆明理工大學云南省

【文章頁數】：72 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現狀
        1.2.1 圖像去霧增強方法研究現狀
        1.2.2 圖像去霧復原方法研究現狀
        1.2.3 基于視頻圖像的去霧算法
        1.2.4 目前研究存在的問題
    1.3 本文研究內容和章節(jié)安排
        1.3.1 主要研究內容
        1.3.2 論文章節(jié)安排
第二章 圖像去霧方法及評價指標
    2.1 基于圖像增強的去霧方法
    2.2 基于圖像復原的去霧方法
    2.3 圖像增強方法和圖像復原方法實驗對比
    2.4 單幅圖像去霧和視頻圖像去霧的關系
    2.5 圖像去霧評價方法
        2.5.1 主觀評價方法
        2.5.2 客觀評價方法
    2.6 本章內容小結
第三章 目標跟蹤方法
    3.1 目標跟蹤常見方法
        3.1.1 幀差法
        3.1.2 混合高斯背景模型
    3.2 RPCA目標跟蹤
        3.2.1 主成分分析(PCA)
        3.2.2 基于主成分分析的魯棒PCA
    3.3 實驗結果分析與對比
    3.4 小結
第四章 基于暗原色先驗算法的圖像去霧
    4.1 霧天退化模型
    4.2 暗原色先驗提取透射圖
    4.3 引導濾波器細化透射圖
    4.4 小結
第五章 基于多幀圖像的去霧算法
    5.1 超分辨率圖像重構
        5.1.1 插值技術
        5.1.2 運動估計
        5.1.3 圖像重構方法
    5.2 實驗結果及評價
        5.2.1 不同超分辨率算法重構效果
        5.2.2 基于交通視頻圖像的不同去霧算法效果
    5.3 總結
第六章 總結與展望
    6.1 論文主要工作總結
    6.2 論文下步工作展望
致謝
參考文獻
附錄 A(攻讀碩士學位其間發(fā)表論文目錄)



本文編號：3186468