雾霾天气下的车牌识别

在雾霾天气下,图像采集设备拍摄的图片存在一系列问题,如饱和度低、细节失真、画质模糊等。文中探索了雾霾天气下的车牌识别算法,按照图像去雾、车牌定位、字符分割与识别等步骤来解决雾霾天气下传统车牌识别系统效率低、鲁棒性差等问题。该算法采用暗通道去雾,经去雾算法处理后,图像对比度、信息梯度和信息熵均得到提升;选择数学形态和边缘检测定位车牌的准确位置;利用仿射变换矫正车牌区域,结合投影法分割字符,最后使用基于支持向量机模式的识别算法来识别字符。经过处理后,车牌识别能达到较高的准确率。     

暗原色先验自适应图像去雾方法

针对传统暗原色先验去雾算法存在的亮区域色彩失真、去雾参 数人工设定等问题,提出了一种基于暗原色先验改进的自适应图像去雾方法。首先,提出快 速OSTU法对雾霾图像亮暗区域进行自适应分割,并分区域获取亮暗区域的暗原色值;其次, 根据亮区域分布情况,对不同区域大气光强进行自适应估计;接着,通过分析雾霾图像直方 图特征,提出采用灰度集中度法自适应计算去雾系数;然后,运用色阶自适应调整方法进行 输出图像的色彩调整;最后,通过开展对比实验,验证了本文算法的优越性。主客观 评价结果表明:本文方法无需人为设定去雾参数,具有较好的 鲁棒性,可适用于多种浓度、 各种场景雾霾图像的去雾处理,获取的图像清晰、色彩自然,对比度高。     

基于改进暗通道先验模型的无人机遥感图像去雾算法

无人机航拍技术因其诸多优势,已被应用在越来越多的场景中.但因空气污染或气候原因使得某些地区雾霾较多,导致拍摄的图像降质明显.针对该问题,同时对于无人机遥感图像较高的去雾速度要求,提出了一种基于改进暗通道先验模型的无人机遥感图像去雾算法.首先使用下采样法和插值算法改进暗原色先验模型的透射率计算,大幅降低了计算复杂度;然后针对图像偏白色区域的去雾处理,采用结合容差机制恢复无雾图像的方法,减少了偏色现象;最后对去雾图像采用自动色阶算法进行图像增强处理,提升了去雾后图像的亮度.实验表明,该算法在图像去雾的精确性和效率上均优于原算法.     

基于饱和度运算单幅图像去雾算法

在雾、霾等恶劣的天气条件下,大气介质中悬浮粒子的散射和吸收作用会严重退化户外拍摄图像,造成图像识别率降低.从单色大气散射模型和暗原色先验规律,提出面向视觉感知的HSI颜色模型的饱和度的新算法,从而实现图像去雾,对于去雾图像最小值像素点采用极大值和极小值进行估计,并对透射率进行修正.该算法能够有效地提高清晰度,能很好地运用于单幅图像去雾.     

一种基于图割的图像去雾方法

暗原色先验去雾方法在户外场景图像去雾方面取得了一定的去雾效果,但该方法在估计近景局部高亮物体透射率时会产生严重误差。本文针对暗原色先验方法的不足首先利用图割理论对粗透射率图进行分块,并使用指导滤波器对细化透射率图进行校正,最后将校正的透射率图带入有雾图像成像模型求得清晰无雾图像。通过将基于暗原色先验的方法、局部对比度最大化的方法和本文中的改进方法进行了实验并对实验结果进行了分析,结果表明本文中的图割分块校正透射率的方法能够更有效地复原因雾霾影响的单幅降质图像。     

基于暗原色先验去雾的改进算法

暗原色先验去雾方法在单幅图像去雾方面效果明显,但该方法算法复杂度高、处理耗时。针对该算法不足之处,在传统的暗原色先验去雾方法基础上,提出一种改进算法。改进算法通过高斯滤波和腐蚀对透射率图进行优化;同时,为避免原算法的冗余计算,采用了一种快速计算初始透射率方法;并且通过Gamma变换和对比度增强方法对去雾后图像进行亮度和对比度增强处理。实验结果显示,改进算法处理效果与原算法基本一致,算法效率得到显著提高,应用在视频增强领域可以达到准实时。     

遥感影像暗原色统计先验分析

遥感影像的成像过程容易受到雾霾的影响,同时雾霾天气日益增多,使得遥感影像去雾工作成为遥感影像数据预处理的重要组成部分。基于暗原色统计先验的暗通道去雾方法已经在自然图像去雾方面得到了广泛应用,而该方法对于遥感影像的适用性还有待评估。以“高分一号”卫星遥感影像为例,讨论了遥感影像的暗原色值特性。结果表明,基于暗原色统计先验的暗通道去雾方法可以应用到遥感影像的雾霾去除工作上。     

基于Wiener滤波的快速视频去雾算法

雾霾环境会极大的降低视频中事物的能见度。针对于目前去雾算法存在运算复杂度大、处理时间长的缺点,提出一种基于Wiener滤波的快速去雾算法,首先获取暗原色模型,通过Wiener滤波自适应获取透射率分布图并进行初级及深度去雾,最后通过自适应对数变换进行亮度调整,得到去雾后图像。实验证明,相比现有的先进方法,本文的算法具有处理速度快和去雾效果好的优点。     

基于自适应指数加权移动平均滤波的快速去雾算法

经典的暗原色先验去雾算法易丢失图像细节信息,基于保边滤波的去雾算法虽可以有效保护图像细节,却耗时较长。针对以上问题,提出一种能够很好地保护图像边缘细节且耗时较短的自适应指数加权移动平均滤波算法,并与改进的暗通道结合,实现快速去雾。首先,对暗通道加以改进并求得透射率粗分布;再利用自适应指数加权移动平均滤波算法对透射率进行优化;之后修复明亮区域透射率,避免颜色失真;最后通过变换大气散射模型求解得到去雾图像。实验结果表明:本文算法具有很快的执行速度,且经本文算法处理后的去雾图像质量较高,在有效边缘强度、色彩还原能力、结构信息这三个无参考客观评价指标下均表现不错。     

基于图像去雾功能的车牌识别算法研究

智能交通系统是将各项高新技术用在城市交通监管上,从而使车辆行驶更加安全。车牌识别是智能交通系统的重要组成部分之一,通过对采集到的车辆图像进行处理从而获得车辆有效信息—车牌。在雾霾天气下拍摄取像时,由于大气散射作用,使得成像设备接收到的光产生了变化,导致图像对比度低、失真等问题,无法准确提取车牌信息,这对智能交通和社会安全都产生了极大地影响。本项目目标是基于matlab软件设计一款能够在雾霾天,或者能见度不高的环境下进行车牌的识别的装置,该装置具有以下功能：能够读取图片,进行图像预处理并进行去雾及增强;最后将其转化为字符串的形式并提取出来。     

Single Image Dehazing Based on Combining Dark Channel Prior and Scene Radiance Constraint

Images captured in foggy or hazy weather conditions often suffer from poor visibility.The dark channel prior method has well solved the single image dehazing problem in nature,but it is invalid when the scene objects are inherently similar to the atmospheric light and no shadow is cast on them.We propose an efficient regularization method by adding a scene radiance constraint and combing the dark channel prior to remove hazes from a sin-gle input image.The experiments show that this improved algorithm can deal with various levels of foggy weather conditions,as well as greatly enhance the image's visibility and details.In addition,the recovered haze-free image has little or no halo artifacts.     

天空区域分割的暗原色先验去雾视觉优化技术

暗原色先验规律在天空区域的不适用,将会导致去雾后图像中的天空区域产生明显的噪声放大和色彩失真,为此提出基于天空区域分割的改进暗原色先验去雾算法.首先,采用将K均值聚类与增强边缘提取相结合的方法来进行天空区域分割,之后对有雾图像中天空区域的透射率进行修正,以得到改进的去雾后图像.该方法在天空区域分割的准确性上较好,去雾后图像不仅天空区域失真与噪声等显著减弱,还保证了远景清晰度.实验表明,该方法明显改善了去雾后图像天空区域的视觉效果并保留了远景清晰度,使去雾后图像显得清晰的同时表现得更加自然.     

基于快速引导滤波改进的暗原色先验去雾算法

针对目前单幅雾霾降质图像存在大面积天空域,导致暗原色失效复原图像失真以及去雾时间复杂度高的问题.提出一种基于暗原色先验和快速引导滤波的去雾方法,针对存在高亮天空域图像多尺度滤波采用自适应阈值分割得到天空域,在天空域求取精确大气光值,再将天空域和非天空域透射率有效归一化,最后采用暗通道图作为引导图快速引导滤波精细化透射率,最大限度保留边缘细节的同时有效降低时间复杂度.实验结果表明,该方法可以有效处理天空域,保持色彩和细节信息,在算法实时性上有明显优势.     

融合暗通道滤波和空间金字塔的图像去雾算法

针对红外摄像机在有雾天气下红外图像降质的问题,本文提出一种融合暗通道滤波和空间金字塔的图像去雾算法（Dark channel filtering and spatial pyramid algorithm,后文简称DCF-SP）用于海上红外图像的去雾。首先,对海上红外图像进行自适应的海天分割,再将天空区域均分为四个子空间,定位灰度均值最大的子空间,重复迭代上述过程,将三级分割后的最亮子块中邻域像素亮度最大的值视为大气光估计值。接着,对清晰和带雾红外图像进行最小值滤波,得到清晰红外图像暗通道值趋于零的先验知识,最后估计出暗通道透射率,实现红外图像去雾。实验结果表明,对比现有去雾算法,DCF-SP算法鲁棒性更高运行时间更短,且更能保留图像目标的边缘信息,EPI和SSIM指标分别达到0.95和0.9425。      

基于多尺度小波边缘检测的车牌定位研究

车辆牌照的准确定位是车牌识别系统中的关键步骤,利用车牌区域丰富的边缘和纹理信息以及车牌自身的特征,提出一种基于多尺度小波边缘检测的车牌定位方法.该方法能够更好地解决在复杂背景和复杂光照下的车牌定位.首先用图像增强和多尺度小波算子提取出车牌图像的边缘,然后利用数学形态学和连通区域标记的方法对车牌进行初步特征提取去除伪车牌区域,最后采用水平垂直投影法进行车牌的精确定位.实验结果表明,该方法能够实现车牌的快速准确定位,对复杂背景下的车牌具有很好的鲁棒性和实时性.     

基于多光源模型的夜晚雾天图像去雾算法

依据夜间多光源导致强光处能见度低的现象,在传统大气散射模型中定义发光因子项,构建了一个专门针对夜晚雾天图像的去雾模型,在此基础上提出了一种夜晚雾天图像去雾算法.该算法将原输入图像分解为新雾天图像层和发光图像层,然后对此分解得到的新雾天图像层进行色偏纠正和引导滤波操作以得到最终的去雾结果.与暗原色原理方法、快速中值滤波方法、图像颜色迁移方法、夜晚成像模型方法等已有方法的对比实验证实了本文算法的有效性.该算法可应用于汽车防碰撞系统、道路监控系统,以及其他识别系统.     

基于天空约束暗通道先验的图像去雾

针对现有暗通道图像去雾算法存在的天空色彩失真,景物边缘光晕效应等问题,本文提出了基于暗通道理论的改进去雾算法.由于暗原色先验理论不适用于天空区域,本文将引导滤波用于天空区域的细化分割,准确估计包含天空区域图像的大气光照强度,解决了天空色彩失真问题;其次,利用中值滤波得到详细边缘信息,进而得到更为清晰的透射率,有效抑制了景物边缘光晕问题;最后针对去雾后图像偏暗的问题,在HSV空间对亮度分量V通道进行增强处理.实验结果表明,针对带雾图像,本文算法能够有效地去雾,改善天空区域色彩失真以及景物边缘光晕问题.     

结合K均值聚类的暗通道去雾改进算法

针对暗通道先验去雾算法在处理单幅图像去雾时计算复杂度高且对于天空等高亮区域有局限性而易产生失真的问题,从暗通道模型出发,提出首先利用双暗通道拟合进行透射图估计,然后采用K均值聚类算法对有雾图像进行区域分类之后再针对天空区域估计出大气光强度的算法.该算法增强了图像的细节信息,并大大降低了计算复杂度,且提升了大气光强度估计值的准确性,有效抑制了高亮区域的失真.主观和客观评价表明,该算法能够取得比传统算法更好的去雾效果.