去雾论文A real-time fast defogging system to clear the vision of driver in foggy highway using minimu...

最新推荐文章于 2023-04-12 11:13:36 发布

Even_ISP_Color

最新推荐文章于 2023-04-12 11:13:36 发布

阅读量666

点赞数

分类专栏： ISP 文章标签：去雾 DCP Gamma 行车记录仪

本文链接：https://blog.csdn.net/u011330902/article/details/120327310

版权

本文提出了一种基于最小滤波和伽马校正的实时除雾系统，用于改善雾天驾驶时的视线。系统通过实时视频采集、帧处理、大气光估计、透射率图和场景辐射恢复等步骤实现除雾，显著提高了能见度。实验结果显示，该系统能有效提升雾天的行车安全性。

摘要由CSDN通过智能技术生成

Mandal G, De P, Bhattacharya D. A real-time fast defogging system to clear the vision of driver in foggy highway using minimum filter and gamma correction[J]. Sādhanā, 2020, 45(1): 1-11.

基于最小滤波和伽马校正的雾天高速公路实时快速除雾系统（DCP+GAMMA）

雾是驾驶者在驾驶时面临的最大障碍和不可避免的问题。由于雾天，能见度差，尤其是在清晨和深夜，司机无法看到路上远处的物体。结果，道路事故的可能性增加。在本文中，提出了一种基于视觉的快速实时除雾系统，用于在雾天环境条件下行驶时清除高速公路的视野。所提出的系统可以消除驾驶员视线的模糊，并可以在很短的时间内呈现清晰的道路视野。每帧的处理由四个步骤组成：使用最小过滤器计算大气光，透射图，场景辐射，最后应用伽马校正以完美的对比度调整去除朦胧。为了降低时间复杂度，不是每帧估计大气光，而是以5000帧为间隔计算。在高速公路上进行了白天和晚上的许多实时启发式测试，测试分析表明，除雾后，在大雾期间能见度增加了65%以上。此外，在低雾条件下，能见度也大幅增加。

1 简介

雾是空气中非常细小的水滴，由半径为 1-10 lm 的微小水滴悬浮而成。雾看起来像地球表面附近的厚云 [1]。如果光线落在这些液滴上，那么光线就会被散射，对比度就会消失，从而产生白色浓密的可见性。因此，任何车辆的驾驶员都无法看到很远的物体，并且会因事故的恐慌而非常缓慢地行驶 [2]。这是道路上所有类型车辆以及火车和飞机的常见问题。在高速公路的情况下，驾驶员无法清楚地看到道路、相反方向的车辆、交通信号和障碍物。在火车的情况下，机车驾驶员无法清楚地看到信号和车站。如果飞行的飞行员面临雾天，能见度差，那么起飞和降落就变得非常困难。如果司机在有雾的情况下驾驶，那么很有可能与来自相反方向的车辆或任何行人发生碰撞。全世界每年有近 140 万人死于交通事故，平均每天有 3,287 人死于交通事故。另有 20-5000 万人受伤或致残 [3, 4]。在印度，每年有超过 14.7 万人死亡，超过 47 万人受伤。每年在印度，道路大雾导致超过 11,000 人死亡，近 24,000 人受伤 [5]。

雾以多种方式影响驾驶感知，即降低能见度并影响驾驶速度。因此，驾驶员不能以实际速度行驶，而必须慢速小心地行驶。因此，总旅行时间比实际时间增加，并且很难区分移动物体和静止物体。雾可能存在于早上和晚上，如图 1 所示。驾驶员应非常小心，否则无法了解其他车辆是否在移动或处于停车模式。在能见度低的情况下，估计来自相反方向的车辆的确切距离也非常困难。如果使用远光灯，则它会散布在整个雾中并变得更模糊。因此，在这种情况下使用远光灯也无济于事。由于雾是一种环境条件，因此无法避免。结果，发生了大量的事故，导致死亡和许多人受伤。此外，许多人由于速度慢而迟到到达目的地，许多火车晚点，许多航班被取消。

一些研究人员尝试使用图像处理技术从单个图像中去除雾来解决这个问题 [6-12]。然而，从实时视频中去除雾气仍然是一个开放的研究领域。本文介绍了一种快速除雾技术，实时清除驾驶员视线，保障高速公路安全行驶。剩下的文章组织如下。第 2 节涉及文献调查，第 3 节给出了建议的方法和实施。第 4 节显示了实验和仿真结果、比较和时延分析，然后是第 5 节的结论。

2.文献调查

现有的除雾算法很少。然而，所有这些都适用于单个图像和特定环境，即白天或夜间或海景等。下面解释一些的现有方法。

Lin 等人 [13] 提出了一种使用引导滤波器的视频和图像去雾技术。与图像的深度信息相比，这种技术产生的透射图是平滑的。

Xu 等人 [14] 开发了一种基于通过自适应直方图均衡固定对比度限制的单幅图像去雾算法。它紧扣图像的直方图并将所有裁剪的像素重新分配到每个灰度级一个最大值。因此，可以减少雾。

Shuai 等 [15] 引入了 Wiener Filter 来应对使用暗通道先验的图像明亮区域的颜色失真等问题。该算法使用基于暗通道的中值滤波器来估计中值函数。因此，将雾图像恢复问题转化为优化问题，通过最小化均方误差得到无雾图像。

Tripathi 等人 [16] 提出了一种基于双边滤波的除雾技术。该方法使用非线性分组并从相邻像素中取平均值，在不影响边缘的情况下平滑彩色和灰色图像。双边滤波器用于估计大气光并恢复衰减（降低场景对比度）。该算法将每个像素替换为其相邻像素的权重平均值（可能是：高斯分布、欧氏距离、深度、距离、像素颜色强度等范围差异）。

He 等人 [17] 提出了