论文部分内容阅读
近些年来,随着智能交通的兴起,数字图像处理系统在城市交通和道路监控中的应用越来越广泛。在智能交通中,前端卡口摄像机在采集图像的过程中,由于各种外部因素的干扰,尤其是夜间光照不足,图像质量较差,严重影响了整个系统的性能。当前,国内外对于夜间图像增强技术的研究仍然处在不断的探索中,虽然取得了一些成功,但是还不够成熟,该领域仍然具有很大的研究价值和发展空间。 图像增强技术的主要方法是针对图像的整体或者局部,有针对性的采用相关技术方法对原始图像处理,突出图像的某些特征,从而恢复原始图像中模糊的场景信息,或者特定区域的局部信息,使处理后的图像不仅具有更好的视觉效果,而且能够满足计算机自动分析图像,挖掘图像信息的需求。 本文主要工作有: (1)本文详细介绍了图像增强相关技术,主要包括灰度变换,直方图均衡,频率域滤波以及Retinex算法等。同时也对常见的彩色模型进行了介绍,主要包括RGB,CMY, HSI彩色模型等,并给出了它们之间的转换关系; (2)本文针对智能交通中的具体应用,提出了一种面向夜间交通场景的快速图像增强算法。改进后的自适应对比度增强算法根据像素点周围像素亮度自适应的调节增益系数,针对不同的亮度区域自动增强图像的同时避免了图像中亮度过强的物体(车灯,路灯等)的干扰,具有较好的增强效果,算法速度较快,在实际应用中能够快速有效的增强图像。 (3)通过分析具体的交通场景夜间图像,本文提出了一种基于亮度区域划分的多尺度Retinex算法。将图像有针对性的划分为不同的亮度区域,分别对不同的区域选择不同的尺度进行增强,最后将增强后的图像按照比例信息融合即得到增强后的图像,这种方法将不同尺度的优点很好的结合起来,增强后的图像具有相对较好的视觉效果,提升了图像的质量,方便图像信息进一步挖掘。