《融合視覺特性的交通視頻霧霾去除方法研究》是依託湖南大學，由凌志剛擔任項目負責人的面上項目。
基本介紹
- 中文名：融合視覺特性的交通視頻霧霾去除方法研究
- 項目類別：面上項目
- 項目負責人：凌志剛
- 依託單位：湖南大學
中文摘要,結題摘要,
中文摘要
智慧型交通視頻監控系統已經在智慧型交通中得到廣泛的套用，然而近年頻繁發生的霧霾天氣導致監控視頻質量降低，嚴重製約和影響了視頻監控系統正常有效的工作，交通低質視頻霧霾去除成為了智慧型視頻監控系統迫切需要解決的問題。因此，本課題系統地研究面向智慧型交通監控的低質視頻霧霾去除方法。研究建立晝夜不同時刻的大氣散射物理模型以及噪聲抑制策略；分析霧霾圖像特徵及統計規律，研究晝間霧霾天氣自動識別方法；從圖像復原與圖像增強兩個角度分別研究晝夜不同時段的霧霾去除與噪聲抑制方法；為提高霧霾去除質量，融合人眼視覺特性，研究最大化圖像增強的霧霾去除與寬動態範圍圖像增強方法；進而，研究基於時空雙邊濾波的視頻霧霾去除方法，最終形成一套適合交通視頻監控系統的霧霾去除與增強新方法。
結題摘要
智慧型視頻監控系統已經在智慧型交通中得到廣泛的套用，然而近年頻繁發生的霧霾天氣導致監控視頻質量降低，嚴重製約和影響了視頻監控系統正常有效的工作，交通低質視頻霧霾去除成為了智慧型視頻監控系統迫切需要解決的問題。 本項目系統地分析了霧霾圖像退化機理，提出了融合視覺特性的交通低質視頻霧霾去除方法，①確定大氣傳輸圖的下限界，引入人眼視覺特性，研究了融合視覺對比敏感度的單幅圖像霧霾去除與噪聲抑制方法；②分析了霧霾圖像統計特徵，闡明了霧霾圖像統計特徵與霧霾濃度的內在關係，建立了一種簡單的霧霾濃度感知模型，進而提出了一種基於霧霾濃度估計的去霧方法，並分別將其套用到晝夜間圖像霧霾去除中；③引入深度學習理論，研究了基於數據驅動的深度去霧方法並將其發展套用於視頻去霧中；研究了基於深度置信網路的有效霧霾特徵選擇與大氣傳輸圖估計算法；④提出了低照度條件下圖像增強方法；最終建立了一套融合視覺特性的高準確度自適應交通霧霾圖像去霧方法。本項目能為交通監控系統提供高效穩定的霧霾去除處理方法，將大幅改善智慧型視頻檢測系統有效性與抗噪性；所建立的霧霾去除方法還有望套用於國防視覺監控、遙感圖像以及智慧型成像設備中。
