视频图像雪花检测和去除方法研究

摘要

下雪时，天气往往是多变的。在许多情况下，各种天气交替出现，例如伴有雾的雪，这就增加了在雪花背景下分割视频图像的难度。这些情况可能对交通部门产生显著的负面影响，特别是在高纬度的大部分地区，或者冬季有冰雪天气。这在一定程度上影响了人们的旅行和交通。尤其是，突然的雪灾对铁路运输造成严重干扰，对运输安全造成重大影响。因此，从背景中分割和提取雪对提高列车驾驶员的视线，防止铁路运输上的潜在事故以及开发冰雪的实时监测预报和警告技术具有重要意义。从视频/图像去除雪是非常具有挑战性和复杂的事情。通常，雪花仅影响图像上非常小的区域，因此，需要确定应该研究的区域。在这项研究中，一个新的技术已经实施，有效地使用L0梯度最小化方法来删除雪的像素。最小化技术可以全局地控制在图像中产生多少非零梯度。该方法独立于局部特征，而是全局地定位重要边缘。这些突出边缘被保留并且低幅度和不显着的细节将被扣除。以这种方式去除雪的像素。实验结果表明，所提出的除雪方法是高效的提取雪，即使在大雪条件下仍然保留图像的细节。
　　本研究的主要工作如下:
　　(1)通过使用梯度最小化技术来从视频中检测雪。
　　(2)通过使用称为平滑的操作来从视频图像中去除雪。平滑操作通过以全局方式限制非零梯度的数量来识别显着区域，即最高对比度边缘。

目录

声明

ACKNOWLEDGEMENTS

ABSTRACT

摘要

Table of Contents

List of Figures

1 General Introduction

1．1 Baekground

1．2 Related Works

1．3 Research challenges

1．4 Prime work and structure

1．4．1 The main work

1．4．2 The structure

2 Gradient Minimization method

2．1．Introduction

2．2 Edge-preserving image smoothing

2．2．1 Anisotropic diffusion

2．2．2 Robust anisotropie diffusion

2．2．3 Bilateral filtering

2．2．4 Edge-preserving smoothing as robust statistical estimation

2．3 Feature-preserving surface smoothing

2．4 L0 gradient minimization

3 Segmentation technology of snow video images

3．1 Introduction

3．2 Image preprocessing

3．2．1 Smoothing and enhancement analysis of the image

3．3 Snow segrnentation from Video Image using Sobel filtering

3．3．1 Introduction

3．3．2 The principle of edge detection

3．3．3 An edge detection model based on sobel operator

3．3．4 Snow segmentation using Sobel filtering method

3．3．5 Segmentation results

3．4 Segmentation results analysis

4 Snow removal from video image using the L0 gradient minimization method

4．1 Introduction

4．2 Smoothing operation for snow removal

4．2．1 Smoothing Operation

4．2．2 Smoothing in 1D

4．2．3 Smoothing in 2D

4．2．4 Contrast Enhancement

4．3 Snow removal results

4．4 Snow removal results analysis and comparison

5 Conclusion and Recommendation

5．1 Conclusion

5．2 Recommendation

References

Appendix

Curriculum Vitae

Thesis Data Form