[发明专利]一种雾天交通监控视频图像的处理方法和系统

说明书

技术领域

本发明涉及智能交通领域，具体地涉及一种雾天交通监控视频图像的处理方法和系统，对雾天情况下的交通监控视频进行去雾处理。

背景技术

智能交通对图像信息的采集和处理的质量要求很高。但是现今智能交通领域的视频监控仍不甚完善。因而即使拥有最为先进的图像采集设备，也可能由于拍摄过程中的各种环境因素的干扰而无法真正发挥效用，雾天情况下的图像识别难题便是其中之一。在雾天情况下的交通视频监控出现的问题主要包括：(1)雾天情况下，模糊的图像信息不利于监控人员对所需交通信息的识别，由于图像内容敏感度降低，同时也对交通控制及交通违章、事故等的取证也会极为不利。(2)使用计算机监控进行监控时，可能由于对比度降低导致监控对象无法智能识别，或者由于图像质量的降低导致识别错误。

然而，雾天情况在我国大部分地区都极为常见，对交通安全和交通监控会产生很大的影响。以北京地区为例，较明显的雾天天气就占到了全年的17%，这些天气的存在，对北京市的交通安全带来了极大的隐患。因此，针对智能交通视频监控系统，开发高效的去雾图像恢复系统，对保障道路交通安全，提高交通控制、交通执法等的效率具有重要的意义和广阔的应用前景。

雾天图像的对比度随深度呈现非线性关系是雾天降质图像的一个重要特征，因此，利用大气模型实现降质图复原效果的好坏关键取决于对图像上各点深度信息的求取是否较为准确。

现有的去雾方法主要是基于深度信息估计的方法。在场景几何结构已知的假设下，Oakley等人基于散射定律，考虑随机因素对成像过程的影响，构造出多参数统计的图像退化模型，利用图像数据对参数进行估计。对于这种方法的介绍，可以参考论文《Enhancement of Color Image inPoor Visibility Conditions（低能见度条件下的彩色图像增强）》(载于IEEEInternational Conference on Image Processing(ICIP),2000年）。

此外，Narasimhan和R.Tan等人从图像辅助信息角度出发，探讨大气散射现象对不同深度场景对比度的影响规律，提出了利用大气散射现象对场景深度进行估计的方法。这类方法代表性的论文可参见《ContrastRestoration of Weather Degraded Images（天气退化图像的对比度恢复）》（载于IEEE Transactions on Pattern Analysis and MachineIntelligence(TPAMI),2003年）以及《Visibility in Bad Weather from aSingle Image（恶劣天气下单一图像的能见度）》（载于IEEE Conference onComputer Vision and Pattern Recognition(CVPR),2008年）。这类方法为解决雾天降质图像的复原问题提供了新的思路。

技术问题

但是，现有的去雾技术存在诸多不足之处。基于深度信息估计的复原方法通常仅仅利用了图像的灰度信息或颜色信息，对深度信息的准确估计可能缺失可靠性，不能根据交通场景的特点自动生成交通监控场景深度图像，无法为雾天图像退化模型提供精确的参数，影响去雾精度。甚至需要利用价格昂贵的雷达或距离传感器等硬件设备获取精确的场景深度信息，限制了这类方法在解决实际问题中的广泛应用。

发明内容

针对上述问题，本文从交通视频监控的特点出发，利用基于视频的自动车辆检测和跟踪，建立交通监控场景模型，自动生成交通监控场景深度图。本发明在利用图像灰度信息和颜色信息的基础上，充分利用自动车辆检测和跟踪的信息，获得更为精确的交通监控场景深度图像，为雾天图像退化模型提供精确的深度信息参数，能够更好地实现雾天图像的清晰化复原。

如图1所示，其本发明的主要原理为：（1）针对交通视频监控场景、感兴趣区域较为固定的特点，利用自动车辆检测与跟踪信息，自动生成交通监控场景深度图像。（2）结合交通监控场景深度图像，建立雾天交通监控视频图像退化模型，对雾天情况下的交通监控视频进行去雾处理，形成雾天交通监控视频系统的图像复原技术方案。