基于车行视程与大气光快速估值的车载视频去雾算法

交通场景中的视频图像去雾处理,是一个实时性极强的不确定反问题,针对雾霾天气下车载视频图像退化严重的现象,分析了交通环境中雾气浓度对车前物景可视度的关系,提出了大气能见度与车行视觉距离之间的关系模型,讨论了降质图像增强的理论与方法,建立了雾霾条件下车行可视距离的线性回归公式和基于大气能见度的透射率快速估值模型。同时,研究了雾霾物像暗通道的基本特征,提出了利用引导滤波对图像实现边缘平滑、细节增强以及利用盒式滤波保持边缘信息,降低时间复杂度;直接利用灰度图像获取大气光像素矩阵的估值方法,建立了基于大气光的快速估计模型,解决了暗原色先验理论方法的"非天空区"假设及其时间复杂度难以适应车载视频图像处理的问题。根据上述提出的透射率估计方法和天空光的估值模型,本文提出了一种鲁棒性好,实时性强的雾霾视频图像去雾的新算法,并完成了基于该方法的视频图像恢复处理流程设计,构造了车载雾霾视频图像恢复处理的综合验证平台,通过信息熵和图像边缘检测的方法,对本文提出的方法与目前已有的几种流行的去雾方法进行了图像恢复质量的比较,结果表明,本文提出的方法在反映图像细节和清晰化等方面都取得了良好的处理效果。

基于无参考图像获取能见度的车载视频自适应去雾算法

为解决雾天环境下车辆环境感知困难的问题,针对车行视程去雾算法无法自动获取能见度、复原图像色彩过饱和、细节丢失严重等情况,克服传统器测法和目测法对能见度获取的非实时性及主观性,提出了一种改进的非线性二分求根算法,利用无参考图像空域质量评价指标(BRISQUE)对能见度进行实时修正,最终实现了能见度的自动估值。作者改进了大气能见度与车行可视距离的关系函数,由改进后的车行可视距离求出的透射率值与实际透射率相比误差减小,降低Halo效应的产生、增加了图像细节信息。实验表明,利用能见度求出的透射率估值在大气光散射模型下能够自适应的处理雾霾视频,复原出的视频图像画质清晰,色彩鲜艳亮丽不失真且能保留大量的图像信息,处理过程视频流畅无卡顿,对于在雾天环境中交通场景不断变化的车载视频也有良好的去雾效果。