[发明专利]一种基于暗原色先验的交通视频实时去雾的方法

说明书

本发明涉及一种基于暗原色先验的交通视频实时去雾的方法，分为三个阶段：第一阶段是对YUV数据直接降采样成RGB图像，计算出降采样后的大气光值和透射率；第二阶段是对原图YUV数据使用上一阶段得到的透射率直接重构成去雾后的YUV数据；第三阶段是对上一阶段去雾之后的YUV数据进行对比度拉伸。本发明对交通视频，能够到达较好的去雾效果，且对1080P的YUV视频，能够达到实时处理；对处理结果进行对比度拉伸，进一步改善视觉效果，对驾驶员的安全驾驶、交通监控系统等领域有重大意义，并且有着重要的商业价值。

技术领域

本发明涉及一种基于暗原色先验的交通视频实时去雾的方法，属于数字图像处理、智能交通技术领域。

背景技术

随着社会的发展，工业生产对环境造成了严重的污染。尤其近两年来，空气污染十分严重，据相关部门的统计，京津冀、“长三角”、“珠三角”区域和直辖市、省会城市及计划单列市共74个城市空气质量状况全年空气达标的天数不足四成。而空气污染主要是PM2.5超标引起的，使得整个环境笼罩严重的雾霾。这种雾霾污染一方面对人类的身体危害非常大，另一方面对交通影响也是不容小觑。在雾天天气下驾驶，能见度降低，驾驶员的视线受到影响，发生事故的几率大大提高，尤其在高速公路上，更是容易发生严重的连环交通事故。如果存在一个嵌入式监控系统，可以实时的把高清头采集的有雾图像进行去雾处理，将去雾之后的图像数据输送到显示模块，一方面可以辅助驾驶员观察到周围清晰的交通情况，减少交通事故的发生；另一方面对交管部门分析交通监控视频情况也很有帮助。

现有的图像去雾处理方法有很多，总体上可以分为两大类：基于图像增强的方法和基于物理模型的方法。

第一类是基于图像增强的方法，这类方法是对被降质的图像进行增强，改善图像的质量。文章【1】提出了全局的直方图均衡化的增强方法，该方法较简单，但是处理效果不理想，可能会造成图像部分信息的损失,以致图像失真.。文章【2】中提出了局部的直方图均衡化，有不错的处理效果，但是会造成严重的块效应。文章【3】中使用同态滤波抑制图像中的低频部分，增强高频部分，以此来达到视觉上的去雾效果。但是该方法效果有限，并且对细节部分不能很好的处理。

第二类是基于物理模型的方法，这种方法通过研究大气悬浮颗粒对光的散射作用，建立大气散射模型，了解图像退化的物理机理，并反演复原出无雾图像。文章【4】通过对大量无雾图像统计特征观察，发现了被命名为暗原色先验的先验规律。该方法在处理效果上有非常好的表现，开辟了图像去雾的一个新领域。但是文中采用软抠图来细化透射率图，复杂度非常高，后来文章作者又使用导向滤波代替软抠图的方式，去雾效果相当，处理速度却提高100倍左右。但是即使使用导向滤波针对高清视频进行去雾，想要实现实时处理，还有很大的差距。文章【5】中，提出了一种快速去雾的方法，使用双中值滤波代替【4】中的最小值滤波和导向滤波，大大简化了处理过程，提高效率。但是中值滤波并不是好的边缘保持滤波算法，局部区域景深突变会产生光晕效应。并且算法中的参数较多，无法实现自适应调整，需要人工进行测试调整，在实际应用中受到了限制。文章【6】提出了一种针对YUV视频数据进行快速去雾的方法，但是该方法每帧之间存在亮度差异，处理后的结果会存在闪烁问题。

【1】Gonzalez R C,Woods R E.Digital Image Processing.Reading,MA:Addison-Wesley,1992.

【2】Kim T K,Paik J K,Kang B S.Contrast enhancement system usingspatially adaptive histogram equalization with temporal filtering.IEEETransactions on Consumer Electronics,1998,44(1):82-87.