基于视频交通车辆检测系统的图像增强的研究

摘要

在智能交通系统中,如事故管理系统、道路收费系统、停车场管理系统、全球定位系统等,首先需要获得所在路段或卡口的高清摄像,然后进行全部或局部信息识别,实现监控和定位等。但是由于受到设备及天气的限制,有必要进行图像增强处理,以保证图像识别的正确性和最终监管的有效性。
　　 基于这一工程应用背景,本文主要对视频交通车辆检测系统中的原始图像进行一系列的增强处理,然后对图像进行质量评价,使原始图像在经过本文算法的增强后,具有很高的辨识度,在后续图像处理中,有更高的识别性。
　　 首先,本文原始图像进行对比度判别,若为低对比度图像,则通过改进的CLAHE算法对该图像进行增强处理。该算法首先将原始图像由RGB空间变换到HIS空间,在HIS颜色空间,对I空间进行对比度增强,对S进行饱和度的增强,达到对低对比度图像的对比度和色彩饱和度的双增强。
　　 其次,进行小波去噪。小波具有多分辨分析特点,能够将图像信号分解在不同的尺度上,并且还可以将不同频率的混合信号分解成不同频段的几种子信号,实现对图像信号进行分频段处理的功能。
　　 再次,对图像进行边缘锐化,以利于细节信息的识别。本文使用细胞神经网络对图像边缘进行锐化。利用CNN能够提取各方向的边缘。CNN硬件电路结构简单,运行速度比DSP芯片、其它模拟软件快,且可实现图像并行处理。
　　 通过与其他同类算法比较,本算法能够加快增强图像的速度,同时兼顾图像增强的质量,达到图像增强的实时性。