車載視頻圖像處理算法的優(yōu)化與融合研究.pdf

1、車載視頻監(jiān)控系統(tǒng)是計(jì)算機(jī)視覺、模式識(shí)別、信號(hào)處理、人工智能、機(jī)器學(xué)習(xí)等多學(xué)科相結(jié)合的產(chǎn)物，通常由車載終端、無線網(wǎng)絡(luò)子系統(tǒng)、中心管理平臺(tái)三部分組成。本文主要研究車載終端視頻圖像的穩(wěn)像采集、視頻圖像的增強(qiáng)、視頻圖像中運(yùn)動(dòng)車輛的檢測(cè)與跟蹤和視頻圖像的壓縮編碼等關(guān)鍵技術(shù)。
　　車載視頻監(jiān)控系統(tǒng)的車載終端通常安裝在行駛中的汽車室內(nèi)，車輛的隨機(jī)振動(dòng)和顛簸會(huì)導(dǎo)致采集到的視頻圖像存在視覺上的隨機(jī)抖動(dòng)，這種隨機(jī)振動(dòng)給駕駛員的觀察和后續(xù)圖像處理造成困

2、難;貯存視頻圖像的SD卡容量大小的受限;車內(nèi)外環(huán)境（光線弱，霧霾天氣、夜間天氣等）變化等諸多因素的影響都會(huì)導(dǎo)致采集到的視頻圖像不清晰并存在大量的噪聲;智能車載視頻監(jiān)控系統(tǒng)已成為學(xué)術(shù)界研究的熱點(diǎn)，人們往往關(guān)注視頻圖像中的運(yùn)動(dòng)目標(biāo)及其行為而很少關(guān)注其中的風(fēng)景，如何從復(fù)雜的動(dòng)態(tài)背景中提取出目標(biāo)位置、外觀和運(yùn)動(dòng)軌跡等重要信息供用戶查看與檢索，并為高層視頻理解提供基元信息，這是運(yùn)動(dòng)車輛檢測(cè)與跟蹤的任務(wù)所在。
　　本文對(duì)車載監(jiān)控系統(tǒng)采集到的視

3、頻圖像進(jìn)行穩(wěn)像、增強(qiáng)、運(yùn)動(dòng)車輛檢測(cè)與跟蹤以及壓縮編碼等過程提出了一系列相應(yīng)的改進(jìn)算法，主要的研究工作內(nèi)容如下:
　　(1)緒論部分。概述了車載視頻監(jiān)控系統(tǒng)的功能，技術(shù)難點(diǎn)、系統(tǒng)構(gòu)成及其發(fā)展趨勢(shì)，闡述了車載視頻監(jiān)控系統(tǒng)中車載終端的視頻圖像處理相關(guān)算法的研究現(xiàn)狀和發(fā)展趨勢(shì)，指出了本文研究的背景、意義、技術(shù)路線、論文結(jié)構(gòu)。
　　(2)車載視頻圖像穩(wěn)像算法。提出了一種適用于車載視頻監(jiān)控系統(tǒng)中的基于優(yōu)化的圖像子塊匹配的數(shù)字穩(wěn)像算法，首

4、先闡述了傳統(tǒng)圖像子塊匹配法的基本原理、算法流程和車載視頻圖像局部運(yùn)動(dòng)向量的特點(diǎn)，分析了視頻背景的變化對(duì)圖像局部運(yùn)動(dòng)向量的影響，然后根據(jù)圖像不同區(qū)域局部運(yùn)動(dòng)向量的特點(diǎn)，從圖像中心區(qū)域提取匹配子塊，這樣就可以減小視頻背景變化對(duì)塊匹配算法精度的影響程度。實(shí)驗(yàn)仿真表明，本文提出的該算法能夠明顯降低視頻背景變化對(duì)穩(wěn)像結(jié)果的影響（與傳統(tǒng)的塊匹配法相比）。
　　(3)視頻圖像增強(qiáng)算法。根據(jù)人眼視覺特性，提出了一種適用于霧霾等惡劣天氣及夜間退化圖

5、像的多尺度Retinex增強(qiáng)算法，該算法與同態(tài)濾波、HE、MSR方法進(jìn)行比較，實(shí)驗(yàn)與仿真結(jié)果表明該方法改善了圖像的動(dòng)態(tài)范圍，對(duì)比度和清晰度得到很大提高，圖像顏色也得到有效地恢復(fù)。同時(shí)也提出一種適合于夜間圖像增強(qiáng)的算法，該算法將夜間采集到的圖像從RGB顏色空間轉(zhuǎn)換到HSV顏色空間，將亮度分量進(jìn)行全局自適應(yīng)調(diào)整，之后由三邊濾波器提取保持邊緣的照度分量，并對(duì)其照度分量進(jìn)行壓縮以增強(qiáng)圖像局部和細(xì)節(jié)的對(duì)比度，圖像顏色恢復(fù)的處理由飽和度分量增強(qiáng)來完

6、成，提出的全局亮度自適應(yīng)調(diào)節(jié)函數(shù)能夠使圖像的黑暗區(qū)域和高亮區(qū)域的動(dòng)態(tài)范圍得到有效地拉伸，三邊濾波器提取亮度圖像的照度分量，克服了增強(qiáng)過程中圖像邊緣模糊或鈍化現(xiàn)象，并與Gamma壓縮、梯度域、雙邊濾波等方法進(jìn)行比較，該方法有效地去除了強(qiáng)光區(qū)域的光暈現(xiàn)象，圖像的細(xì)節(jié)得以加強(qiáng)，顏色恢復(fù)也得到實(shí)現(xiàn)。
　　(4)視頻圖像中運(yùn)動(dòng)車輛識(shí)別算法。首先，提出了用來檢測(cè)動(dòng)態(tài)場(chǎng)景中運(yùn)動(dòng)車輛的高斯運(yùn)動(dòng)模型，研究了運(yùn)動(dòng)車輛與動(dòng)態(tài)背景的運(yùn)動(dòng)向量之間的差異，并

7、采用本文提出的2個(gè)高斯運(yùn)動(dòng)模型分別對(duì)運(yùn)動(dòng)車輛與動(dòng)態(tài)背景的運(yùn)動(dòng)向量進(jìn)行建模，構(gòu)建貝葉斯框架將場(chǎng)景中的運(yùn)動(dòng)像素分類為運(yùn)動(dòng)車輛和動(dòng)態(tài)背景。實(shí)驗(yàn)結(jié)果表明，高斯運(yùn)動(dòng)模型能在各種動(dòng)態(tài)場(chǎng)景中有效地檢測(cè)出運(yùn)動(dòng)車輛，魯棒性好，在解決動(dòng)態(tài)背景干擾這一問題上，本文提出的算法明顯優(yōu)于背景差法和高斯混合模型。其次，提出了3級(jí)融合（幀內(nèi)級(jí)、幀間級(jí)和關(guān)聯(lián)級(jí)）來檢測(cè)與消除運(yùn)動(dòng)車輛的遮擋，幀內(nèi)級(jí)的車輛遮擋由車輛的面積與車輛的凸包面積之比值大小確認(rèn)，通過從車輛中去除“切割

8、區(qū)域”來消除遮擋;在幀間級(jí)，高斯分布適合非遮擋車輛的運(yùn)動(dòng)向量，在車輛的運(yùn)動(dòng)向量場(chǎng)上利用Kolmogorov-Smirnov檢測(cè)車輛的遮擋，不同運(yùn)動(dòng)向量的分類方法較好地實(shí)現(xiàn)了遮擋的清除;在關(guān)聯(lián)級(jí)，提出了自動(dòng)更新的遮擋層模型，采集的圖像和構(gòu)建的遮擋層圖像對(duì)檢測(cè)出的車輛同時(shí)進(jìn)行跟蹤，運(yùn)用雙向的遮擋推理算法較好地解決了遮擋層中所出現(xiàn)的遮擋現(xiàn)象。對(duì)于每個(gè)車輛的檢測(cè)，依次執(zhí)行幀內(nèi)級(jí)、幀間級(jí)和關(guān)聯(lián)級(jí)的遮擋檢測(cè)算法，實(shí)驗(yàn)仿真檢驗(yàn)了該方法的有效性。量化評(píng)

9、價(jià)結(jié)果表明:幀內(nèi)級(jí)和幀間級(jí)可以正確地檢測(cè)和清除出大多數(shù)的車輛間遮擋，關(guān)聯(lián)級(jí)檢測(cè)與消除完全遮擋的情形。
　　(5)視頻圖像壓縮編碼算法。針對(duì)以往壓縮編碼算法生成碼流非嵌入式和編碼效益低問題，提出了基于優(yōu)化塊劃分的匹配追蹤MP編碼算法（BPOMP算法），從原子庫的構(gòu)造和稀疏分解這2個(gè)方面來討論了基于冗余原子庫的MP分解問題。該方法充分利用了匹配追蹤MP位置分布和原子能量的特性，對(duì)原子位置和原子系數(shù)參數(shù)進(jìn)行了有效地編碼，編碼效率得到較大