摘要：雾霾天气的频繁出现使运动目标检测受到了很大影响。为提高雾霾天气下运动目标检测质量，研究了当前去雾算法和运动目标检测算法。针对雾霾天气下可见度低、运动物体模糊的情况，比较了当前的去雾算法，使用性能优良的基于暗通道的去雾算法对图像进行去雾，然后对处理过的图像序列进行光流法计算，完成运动目标检测。将基于暗通道的去雾算法和光流算法相结合，应用于雾霾天气下的运动目标检测，以提高检测质量。通过Matlab仿真表明，改进方法比直接通过光流算法检测的效果更好。
关键词关键词：运动目标检测；暗通道去雾算法；HornSchunck光流法；雾霾；Matlab
DOIDOI：10.11907/rjdk.171789
中图分类号：TP319
文献标识码：A文章编号文章编号：16727800（2017）011013304
0引言
近年來我国多个城市出现了严重的雾霾天气。持续的雾霾天气不仅影响了人们健康，而且给交通带来了不便。由于雾霾天气中含有大量污染物颗粒，导致能见度下降，十字路口的电子眼受到影响，各种违章行为不能及时发现，导致各种交通事故发生。雾霾天气下的运动目标检测是后续目标识别、行为分析的基础[1]。为提高运动目标在雾霾天气下的检测质量，提出将基于暗通道的去雾算法和光流法相结合的算法，实验结果表明该方法明显优于直接对采集的图像进行光流法检测所得结果。
本文使用基于暗通道的去雾算法对图像去雾，使图像中的噪声减小，再将处理过的图像通过对其计算光流来检测运动目标，使检测结果更准确。
1图像去雾技术
1.1去雾算法比较
雾霾图像处理方法主要分为图像增强技术和图像复原技术。图像增强技术不考虑图像降质原因，只将图像中感兴趣的特征有选择地突出，而衰减不需要的特征，对突出部分信息可能会造成一些损失。现有的图像增强方法有全局直方图处理、局部直方图处理和Retinex增强处理[2]，图1所示为原图像，图2为图像Retinex增强处理结果[3]。图像复原技术[4]是指根据图像降质原因建立图像的退化模型，反演图像退化过程，据此补偿图像退化过程造成的图像失真，从而恢复图像最理想的状态，使图像质量得到改善。常见的基于物理模型的图像复原方法[5]有基于偏微分方程、基于深度关系、基于先验信息等。本文主要使用基于暗通道的去雾算法进行相关实验。图3为基于暗通道的去雾算法处理结果，下面详细介绍其原理。
3实验结果分析
本文使用Matlab2014b仿真实现雾霾天气下的运动目标检测。为了验证本文所用算法效果，采用冬季雾霾天气下实际拍摄的汽车视频图像序列中的两帧图像进行相关实验，图像大小均为500×280，图5为得到的两帧雾霾图像，第一幅为第105帧图像，第二幅为第155帧图像。通过基于暗通道的去雾算法对其进行去雾霾处理，如图6所示。图7为未经暗通道的图像去雾方法进行去雾的光流算法计算所得光流，图8为通过暗通道去雾算法后的光流算法计算所得光流。
由图6的实验结果可以看出，经过基于暗通道的去雾算法对原始图像处理后，提高了图像的清晰度，减小了原图像的噪声。图7、图8实验结果可以看出，本文所用算法比直接通过HornSchunck光流法检测到的运动目标更清晰，应用到交通监测系统，显示使用本文算法所得运动目标检测质量更高，更利于交警通过所得检测效果对路面实况和交通事故作出更准确的判断。
4结语
将暗通道去雾算法和光流法相结合用于雾霾天气下的运动目标检测，从Matlab仿真实验结果可以看出，此方法检测的雾霾天气下的运动目标比只通过光流法检测得到的目标更清楚，图像质量更高。目前雾霾天气越来越多，所以将去雾算法和光流法相结合用于雾霾天气下运动目标检测更有实用价值。
作者：娄莉等
