利用透射率与场景深度实现带雾图像能见度检测

能见度检测是计算机视觉与交通视频图像处理的热点问题。针对传统检测方法存在硬件成本高、适用范围小、检测效率低等不足,给出一种利用透射率和场景深度获取单幅图像能见度的检测方法。首先根据Koschmieder定律和ICAO推荐的对比阈值推导出能见度检测公式,然后根据大气衰减模型得到消光系数,利用暗通道先验理论获取透射率值,结合SFS(从阴影恢复形状)和双目模型获取场景深度值,最后通过求解消光系数反演图像的能见度。实验结果验证了该方法的有效性,精确度和检测效率有较大提高,且不需要相机内部参数,也不需要拍摄同一场景的多幅图像,操作简单、适用范围较广。

一种基于带雾模糊图像的退化模型

大雾天气条件下获取图像时,由于大气的吸收和散射以及在成像过程中系统发生振颤等,会得到退化的带雾模糊图像。而目前存在双重退化因素图像的研究比较缺乏,因此提出了一种新的用于描述带雾模糊图像的退化过程的数学模型。该模型在传统的大气散射模型和模糊退化模型的基础上,以带雾模糊图像的实际生成过程作为依据进行推导,可以描述双重退化因素导致的图像退化过程。使用该模型可以复原序列带雾模糊图像,实验结果表明复原效果良好。

雾天交通场景图像中相关对象特征分析

在雾等恶劣天气条件下,道路交通场景中视线变差,严重影响道路交通安全。因此,如何实现雾天道路交通场景的视觉增强一直是中外相关领域的研究热点。通过对一典型雾天交通场景图像进行分析,采用HSL色彩空间直方图方法、FFT频谱分析方法、小波多尺度子空间能量分布分析等方法,分析并比较了原图、天空区域子图、交通标志子图的特性。提取了反映雾天照明强度和交通标志的有效特征,为天空区域和交通标志的自动分离、雾天交通图像的照明强度的自动估计及雾天交通场景图像的视觉增强和恢复奠定了坚实的基础。