霧霾天氣下運(yùn)動目標(biāo)檢測技術(shù)研究

婁莉+張艷艷

摘要：霧霾天氣的頻繁出現(xiàn)使運(yùn)動目標(biāo)檢測受到了很大影響。為提高霧霾天氣下運(yùn)動目標(biāo)檢測質(zhì)量，研究了當(dāng)前去霧算法和運(yùn)動目標(biāo)檢測算法。針對霧霾天氣下可見度低、運(yùn)動物體模糊的情況，比較了當(dāng)前的去霧算法，使用性能優(yōu)良的基于暗通道的去霧算法對圖像進(jìn)行去霧，然后對處理過的圖像序列進(jìn)行光流法計算，完成運(yùn)動目標(biāo)檢測。將基于暗通道的去霧算法和光流算法相結(jié)合，應(yīng)用于霧霾天氣下的運(yùn)動目標(biāo)檢測，以提高檢測質(zhì)量。通過Matlab仿真表明，改進(jìn)方法比直接通過光流算法檢測的效果更好。

關(guān)鍵詞關(guān)鍵詞：運(yùn)動目標(biāo)檢測；暗通道去霧算法；HornSchunck光流法；霧霾；Matlab

DOIDOI：10.11907/rjdk.171789

中圖分類號：TP319

文獻(xiàn)標(biāo)識碼：A文章編號文章編號：16727800（2017）011013304

0引言

近年來我國多個城市出現(xiàn)了嚴(yán)重的霧霾天氣。持續(xù)的霧霾天氣不僅影響了人們健康，而且給交通帶來了不便。由于霧霾天氣中含有大量污染物顆粒，導(dǎo)致能見度下降，十字路口的電子眼受到影響，各種違章行為不能及時發(fā)現(xiàn)，導(dǎo)致各種交通事故發(fā)生。霧霾天氣下的運(yùn)動目標(biāo)檢測是后續(xù)目標(biāo)識別、行為分析的基礎(chǔ)[1]。為提高運(yùn)動目標(biāo)在霧霾天氣下的檢測質(zhì)量，提出將基于暗通道的去霧算法和光流法相結(jié)合的算法，實驗結(jié)果表明該方法明顯優(yōu)于直接對采集的圖像進(jìn)行光流法檢測所得結(jié)果。

本文使用基于暗通道的去霧算法對圖像去霧，使圖像中的噪聲減小，再將處理過的圖像通過對其計算光流來檢測運(yùn)動目標(biāo)，使檢測結(jié)果更準(zhǔn)確。

1圖像去霧技術(shù)

1.1去霧算法比較

霧霾圖像處理方法主要分為圖像增強(qiáng)技術(shù)和圖像復(fù)原技術(shù)。圖像增強(qiáng)技術(shù)不考慮圖像降質(zhì)原因，只將圖像中感興趣的特征有選擇地突出，而衰減不需要的特征，對突出部分信息可能會造成一些損失。現(xiàn)有的圖像增強(qiáng)方法有全局直方圖處理、局部直方圖處理和Retinex增強(qiáng)處理[2]，圖1所示為原圖像，圖2為圖像Retinex增強(qiáng)處理結(jié)果[3]。圖像復(fù)原技術(shù)[4]是指根據(jù)圖像降質(zhì)原因建立圖像的退化模型，反演圖像退化過程，據(jù)此補(bǔ)償圖像退化過程造成的圖像失真，從而恢復(fù)圖像最理想的狀態(tài)，使圖像質(zhì)量得到改善。常見的基于物理模型的圖像復(fù)原方法[5]有基于偏微分方程、基于深度關(guān)系、基于先驗信息等。本文主要使用基于暗通道的去霧算法進(jìn)行相關(guān)實驗。圖3為基于暗通道的去霧算法處理結(jié)果，下面詳細(xì)介紹其原理。

3實驗結(jié)果分析

本文使用Matlab2014b仿真實現(xiàn)霧霾天氣下的運(yùn)動目標(biāo)檢測。為了驗證本文所用算法效果，采用冬季霧霾天氣下實際拍攝的汽車視頻圖像序列中的兩幀圖像進(jìn)行相關(guān)實驗，圖像大小均為500×280，圖5為得到的兩幀霧霾圖像，第一幅為第105幀圖像，第二幅為第155幀圖像。通過基于暗通道的去霧算法對其進(jìn)行去霧霾處理，如圖6所示。圖7為未經(jīng)暗通道的圖像去霧方法進(jìn)行去霧的光流算法計算所得光流，圖8為通過暗通道去霧算法后的光流算法計算所得光流。

由圖6的實驗結(jié)果可以看出，經(jīng)過基于暗通道的去霧算法對原始圖像處理后，提高了圖像的清晰度，減小了原圖像的噪聲。圖7、圖8實驗結(jié)果可以看出，本文所用算法比直接通過HornSchunck光流法檢測到的運(yùn)動目標(biāo)更清晰，應(yīng)用到交通監(jiān)測系統(tǒng)，顯示使用本文算法所得運(yùn)動目標(biāo)檢測質(zhì)量更高，更利于交警通過所得檢測效果對路面實況和交通事故作出更準(zhǔn)確的判斷。

4結(jié)語

將暗通道去霧算法和光流法相結(jié)合用于霧霾天氣下的運(yùn)動目標(biāo)檢測，從Matlab仿真實驗結(jié)果可以看出，此方法檢測的霧霾天氣下的運(yùn)動目標(biāo)比只通過光流法檢測得到的目標(biāo)更清楚，圖像質(zhì)量更高。目前霧霾天氣越來越多，所以將去霧算法和光流法相結(jié)合用于霧霾天氣下運(yùn)動目標(biāo)檢測更有實用價值。

參考文獻(xiàn)參考文獻(xiàn)：

[1]吳佳敏.霧霾環(huán)境下的交通視頻圖像處理技術(shù)研究[D].杭州：浙江工業(yè)大學(xué)，2015.

[2]李菊霞，余雪麗.霧天條件下的多尺度Retinex圖像增強(qiáng)算法[J].計算機(jī)科學(xué)，2013（3）：299313.

[3]劉衍琦，詹福宇.MATLAB圖像與視頻處理實用案例詳解[M].北京：電子工業(yè)出版社，2015.

[4]陳功，王唐，周荷琴.基于物理模型的霧天圖像復(fù)原新方法[J].中國圖象圖形學(xué)報，2008（5）：888893.

[5]屠禮芬，彭祺，張凱兵.下雪天氣條件下的運(yùn)動目標(biāo)檢測[J].光電工程，2016（10）：2535.

[6]KAIMING HE，JIAN SUN， XIAOOU TANG. Single image haze removal using dark channel prior[C]. IEEE Trans Pattern Anal Mach Intell，2011.

[7]HAIYANG CHAO ，YU GU ，MARCELLO NAPOLITANO. A survey of optical flow techniques for robotics navigation applications[C]. Intell Robot Syst ，2014.

[8]陳超.運(yùn)動目標(biāo)檢測算法及其應(yīng)用研究[D].武漢：武漢理工大學(xué)，2011.

[9]劉潔.基于光流法的運(yùn)動目標(biāo)檢測和跟蹤算法研究[D].徐州：中國礦業(yè)大學(xué)，2015.

[10]趙小川.MATLAB圖像處理：能力提高與應(yīng)用案例[M].北京：北京航空航天大學(xué)出版社，2014.

責(zé)任編輯（責(zé)任編輯：杜能鋼）endprint