论文部分内容阅读
计算机视觉系统越来越广泛地应用于智能交通、工业生产、目标识别等领域,但是恶劣天气严重影响到户外监控系统的识别,跟踪等性能。所以对视频图像进行预处理,消除各种天气因素的影响,对于一个全天候的户外视觉系统来说是必不可少的。而雨是最频繁的恶劣天气,视频图像受雨滴影响会严重退化,因此检测和去除视频图像中的雨滴是一项非常艰巨的任务。本文主要对视频图像中雨滴的去除进行了研究,将视频中雨景分成静态场景和动态场景两种类型,针对不同情况分别研究了各自的解决方法。静态场景下雨滴的去除。针对目前已有静态算法不能同时保证雨滴去除效果和实时性的问题,本文提出一种基于样本模型的背景减法来分类检测雨滴。采用了视频序列的第一帧为模板来快速初始化背景模型,能快速实时地进行背景减法,对像素进行分类从而检测出雨滴。此外,使用了一个快速简单的方法来随机选取像素的八邻域值,从而准确建立与更新样本模型。在雨滴去除时,不再考虑相邻帧的像素信息,而是用其样本模型的均值来代替被雨滴所覆盖像素的亮度值。实验证明了该算法在具有较好的实时性的同时,也能有效的实现雨滴去除的目的。动态场景下雨滴的去除。针对运动目标会对雨滴的去除造成严重干扰的问题,深入学习研究了目前动态场景下雨滴去除的几种方法,并分析它们的优缺点。本文在雨滴时域统计特性的基础上,实现了一种动态场景下雨滴的检测算法。与以往的雨滴检测方法有所不同,该方法不再利用雨滴的物理、色度特性以及相机的参数,而是根据雨滴在帧间亮度值变化差异相对较小的特性来区别雨滴与运动目标,使算法具有更好的鲁棒性。另外在传统的雨滴去除方法的基础上引入了帧内邻域像素的信息,由于空间相邻的像素有着非常相似的背景,使该方法能在场景复杂的情况下能有效地实现雨滴的去除的目的。