基于分数阶微分的模糊交通视频图像增强

研究了一种基于分数阶微分理论的图像增强算法来提高恶劣天气及复杂场景情况下模糊交通视频图像的清晰度。研究了分数阶微积分Tiansi算子模板的特性,将现有的分数阶微分模板中被忽略的像素点应用到新的分数阶微分处理之中改进和更新了分数阶微分算子。对改进后的算子与近期常用的和公认的5种图像增强算法进行了比较分析,结果显示:改进的分数阶微分算子能够显著增强局部细节信息(如纹理等),而且图像中的噪声不明显。与Tiansi算子相比,新算子在处理彩色图像时,分数阶阶数的增高并不明显地增加图像噪声,而且锐化结果好,颜色更真;处理灰度图像时,在高频信息较多的情况下,增加模板中心像素权值可以抑制图像中的噪声。对试验及算法的分析比较证明:研究的新算法对增强模糊交通视频图像清晰度具有较好的效果,且处理速度也能满足实际应用的要求。

基于速度场的背景估计方法及在交通视频图像处理中的应用

本文提出了一种视频图像处理中基于速度场的背景估计方法。针对简单统计平均方法的不足,提出对包含运动目标区域的估计方法,和在此基础上消除运动目标遮挡影响的背景估计方法,提高了背景估计的准确性和收敛速度。

运用压缩传感理论的交通视频图像处理

目前图像的编解码都是运用传统的香农定理进行的,此定理要求采样频率要大于等于原始信号最高频率的两倍。在进行视频图像处理时,就产生了需要相当大的存储空间来存储获得的数据的问题。鉴于此,提出了运用压缩传感理论进行编解码的方法,它可在相同的压缩率下产生更少的压缩数据,进而可以节约存储空间和传输时间。首先进行了传统的信号获取和处理与压缩传感理论的比较,再对压缩传感理论进行了阐述,最后把压缩传感理论应用于交通视频图像处理中,获得了较好的效果,这也是压缩传感理论的一次尝试性的应用。

基于视频交通图像的潮汐车道自适应控制系统设计

针对城市道路双向交通需求不均衡的潮汐交通问题,设计了一种新的基于视频交通图像的潮汐车道自适应控制系统。通过局域网实现两台工控机间的独立运行,给出系统结构。介绍了控制逻辑,通过视频交通图像获取车辆平均速度、交通流量等数据。以计算交通饱和度,选择道路双向饱和度的加权切换动态控制方式对潮汐车道进行自适应控制。按照车道交通状态中两个方向的饱和度,把潮汐车道交通状态划分成五种情况,通过枚举法对模型进行求解。依据潮汐车道交通特征,把全部车道配置看作解空间,把双向车道交通饱和度与流率看作输入量,实现模型求解。实验结果表明,所设计系统综合延误低,车辆排队长度少,在中高密度交通流下也可有效实现控制。

基于交通视频的雾天检测与去雾方法研究

雾天导致交通视频图像模糊,不利于交通参数的提取。提出一种基于交通视频的雾天天气识别系统及快速去雾方法。首先提取交通视频的当前背景,当前背景与晴天背景相减得到差分图像;然后,提取差分图像的纹理特征,进而识别出当前天气;最后,对检测为雾天的视频图像根据简化的暗原色先验原理做去雾处理。将来源于同一地点、同一场景、不同天气情况下的交通视频图像按照任意顺序拼接以验证算法的有效性,实验结果表明该算法不仅能准确识别出当前天气,而且能实现对雾天交通图像的快速去雾,有效地提高了交通视频的图像质量;同时,克服以往算法复杂运行时间长的缺陷,能够满足视频处理实时性的要求。

混合交通流智能相机系统初探

本文研究了混合交通流智能相机硬件体系,从背景模型、摄像机参数、混合交通前景物体识别分类对智能相机检测软件系统进行了具体研究;利用智能相机原型系统采集交通视频图像,利用本文构建的软件算法对不同交通状况下的混合交通流检测实验,并对实验结果进行了分子与总结。