户外交通视频监控系统经常会受到很多不良天气,如雾、霾、雨、烟尘等的影响,这些条件改变甚至退化了视频图像的颜色和对比度,使分析和处理视频图像信息变得困难。因此,对雾天视频图像的实时去雾化处理,无论对提高交通监测系统工作的准确率,还是促进智能交通系统的发展,都具有重要的意义。在目前的去雾研究中,发展比较成熟的是单张图像的去雾,研究者们提出了很多算法及改进方法来复原去雾图像,使之清晰度提高。然而,现有的单幅图像的去雾算法比较复杂,而对于一个由很多帧图像组成的视频来说,如果套用现有的去雾算法复原,计算过程耗时会很长,很难满足视频处理的实时性,还可能造成视频图像播放不连续现象。为了提高视频处理的实时性,需要找到一种更有效的去雾处理方法。针对这些问题,本文的主要工作如下:第一,运动车辆检测。交通视频里,图像可分为背景和前景两部分。当拍摄镜头位置固定时,背景内容就是固定的,雾天的背景完全可以用晴天无雾时的背景来代替。而前景,即运动的车辆,是交通视频监控系统关注的重点,需要着重进行去雾处理,所以本文首先对运动目标进行提取。通过对三种典型的目标跟踪算法的比较,采用效果较好的RPCA算法,完成运动车辆检测。第二,运动车辆去雾处理。准确检测出目标区域后,为了使目标更清晰,需要先进行初步的去雾处理。通过对现有的去雾算法的分析和比较,采用了引导滤波器细化透射图的暗原色先验算法对目标区域进行去雾处理。因忽略了大片背景的计算,使得计算量大大减少,有利于提高视频处理的实时性。第三,去雾后的目标清晰化。如果对检测出的目标只进行初步去雾操作,清晰度的提升有限。经过观察发现,交通视频每帧之间变化很小,只有运动的车辆之间有较小的位移。根据这个特点可以利用相邻帧之间的关联信息对目标做重构处理。采用图像超分辨率重建技术,把视频中每帧包含的信息进行融合,可以得到更清晰的图像。图像超分辨率技术中,首先要用插值技术获得重建参考帧,计算出每帧图像和参考帧之间像素运动产生的位移量,然后进行配准,最后使用凸集投影法重建目标图像。经过数据评价,使用此方法有效地提升了图像的质量。实验结果表明,该方法不仅可以提高视频图像的运算效率和实时性,还可以明显增强运动目标的去雾效果和清晰度,也为下一步运动目标信息提取工作奠定基础。