[发明专利]一种雾天交通监控视频图像的处理方法和系统

权利要求书

1.一种雾天交通监控视频图像的处理方法，包括：

步骤1，检测交通监控场景中的车辆；

步骤2，根据检测的车辆与行人活动区域，建立感兴趣区域，即可行驶区域；

步骤3，估计道路区域深度比例，生成深度图像：根据检测的车辆尺寸、位置与车辆运动的方向，估计道路区域的深度比例，建立交通监控场景模型，自动生成交通监控场景深度图像；

步骤4，建立交通监控场景雾天图像退化模型：利用交通监控场景深度图像，作为雾天图像退化的重要参数，建立该交通监控场景的雾天图像退化模型；

步骤5，求解所述交通监控场景的雾天图像退化模型，恢复图像。

2.根据权利要求1的方法，其中，所述步骤1具体包括如下步骤：

采集交通监控场景中的车辆图像，建立图像库，对车辆图像进行特征提取，通过机器学习方法训练得到交通监控场景中的车辆分类器；

对采集到的交通监控图像背景初始化，对所述交通监控图像进行特征提取；

结合通过所述机器学习方法训练得到的车辆分类器，进行车辆检测和跟踪。

3.根据权利要求2的方法，其中，所述步骤2具体包括：

根据检测到的车辆行驶区域与行人活动区域，利用诸如车道线、交通标志等的交通场景图像的先验信息，在图像中建立交通监控场景的感兴趣区域；并仅对所述感兴趣区域进行去雾处理。

4.权利要求3的方法，其中，所述步骤3具体包括如下步骤：

1）摄像机标定：包括世界坐标系、摄像机坐标系和图像坐标系的定义；

2）获取车辆检测的相关参数：包括获取车辆的行驶方向、车辆尺寸及车辆尺寸的变化比例；

3）计算道路区域深度比例，建立交通监控场景模型，生成深度图像：检测监控场景中所有车体的比例关系，建立整个交通监控场景感的兴趣区域模型，生成深度图像。

5.根据权利要求4的方法，其中，所述步骤4还包括：

根据有雾图像、场景深度图、大气光值，利用所述雾天图像退化模型求取去雾图像，所述雾天图像退化模型为：

I(i,j)=J(i,j)t(i,j)+A(1-t(i,j))  (4-1)

t(i,j)=e^-βd(i，j)            (4-2)

其中，J(i,j)为景物光线的强度，I(i,j)为观测到的图像的强度，A为全局大气光值，d(i,j)是本发明中自动生成交通监控场景深度图像，t(i,j)称作雾天图像传播矩阵，(i,j)为图像像素点的坐标值，其中β是大气散射系数。

6.根据权利要求5的方法，其中，所述步骤5还包括：

将上述式（4-2）代入式（4-1）式，解得:

J(i,j)=I(i,j)-Ae-βd(i,j)+A---(5-1)]]>

其中J(i,j)即是交通监控场景最终的恢复图像。