基于近似点扩展函数估计的交通监控图像去雾.pdfVIP

第 l4卷第 6期 金华职业技术学院学报 VNo1．14No．6 2014年 l1月 OV．2014 基于近似点扩展函数估计的交通监控图像去雾 胡 平 ，徐赛华 (金华职业技术学院，浙江 金华 321007) 摘要 ：针对雾气分布不均匀的交通监控 图像去雾，提 出了一种基于近似点扩展函数估计一APEX 的去雾算法。算法 采用APEX的基本原理，利用暗原色先验求出的有雾图像透射图对APEX参数进行估计，且估计值按整幅图像的雾 气浓度分布 自适应调整 ，再计算 出点扩展函数并逆运算得 出复原的清晰图像。实验结果证 明，该算法实时性高且去雾 效果好 ，特别是对雾气分布不均匀的交通 图像也有去雾效果，能满足智能交通监控 系统的需求。 关键词 ：点扩展 函数 ；APEX：去雾 ；交通监控 图像 ；暗原色先验 中图分类号 ：TP391．41 文献标识码 ：A 文章编号 ：1671—3699(2014)06—0067—04 DO1：10．3969／j．issn．1671—3699．2014．06．017 现有交通监控系统 以光学摄像头为主要的图 1 基于APEX算法的图像去雾 像捕捉设备，雾 、霾和沙尘等能见度低 的恶劣天气 造成监控 图像严重降质，影响智能交通监控系统后 一 般的光学成像系统捕获的图像可以用下面 续的人车识别、跟踪 、违章判定和路桥路况预警等 的公式表示 ： 功能的实现 。因此 ，交通监控图像 的去雾算法一直 g(x，y)= ( )f(x，y)+n(，Y) (1) 是交通和计算机视觉领域的研究热点”【。 g(x，Y)表示最终捕获的图像 ，如果忽略加性噪 目前，图像去雾可分为增强和复原两大类 。增 声n(x,y)，则可认为g(x，Y)就是景物的原始 图像与 强的方法是从图像 自身的特性人手 ．通过调整 图像 点扩散函数 h(，)的卷积。在大多数应用 中，如天 的直方图或进行滤波达到清晰化 的 目的嘲；复原 的 文 、医学或遥感成像时点扩散 函数都作为先验条 方法是从雾造成图像降质的原理出发 ．结合光成像 件 ，此时的问题是典型的复原法图像去模糊 ，可用 的物理模型或先验知识从本质上去雾 。比较有代表 维纳滤波 、约束迭代等方法解卷积。但对于交通监 性 的有 Fattal3(]、Tan4[]、Tarel嘲和 Her61等提 出的算法 。 控系统捕获的有雾图像 ，由于有雾气分布不均或大 特别是 He提出的基于暗原色先验 的方法 ，被公认 气光多次散射等 ．点扩散 函数无法精确计算或测 为去雾效果好 。近几年的单幅图像去雾研究很多都 量 ，此时需进行盲解卷积完成图像的复原。盲解卷 是围绕此算法展开。但 He的方法同许多去雾方法 积的算法大部分需要迭代运算，无法满足交通监控 都在雾气或大气光分布均匀的情况下有效。实际 系统的实时性需求，因此本文提出引入基于快速傅 上，雾的分布往往是不均匀的，大气光 由于捕捉场 里叶变换的直接盲解卷积算法APEX。 景 中的反光物体等也是非均匀分布的．且对于交通 APEX是近似 点扩展 函数估计 (Approximate 监控场景来说，车辆灯光、交通信号灯的光源也会 PointSpreadFunctionExamining)算法的简称 ．此算 造成现有去雾算法的失效。本文将有雾交通监控 图 法 由Carasson在 2001年提出，实时性较高。APEX 像视为一种模糊图像 ，引入非