[发明专利]一种适用于交通控制的图像增强系统与方法

说明书

技术领域

本发明涉及交通控制领域，尤其涉及一种用于交通控制的图像增强系统与方法。

背景技术

伴随我国城市化的进程、以及汽车保有量的急剧增加、区域化经济的协调发展，我国的交通状况日益成为一个严峻的问题，尤其是交通堵塞与交通安全问题。智能交通系统成为解决这些问题的首选方案，比如交通流的检测、信号的自适应控制。其中，基于视觉技术的各类产品成为最近几年大家关注的焦点，也是未来智能交通产业的发展趋势之一，而视觉技术中的关键是图像抓拍。虽然有额外光源的辅助作用，但仍然存在一个问题，就是抓拍的图像比较模糊，对比度比较差，车里的人不够清晰，识别效果差。

发明内容

本发明所要解决的技术问题在于提供一种交通控制控制中识别效果更好的抓拍图像处理方法。

为了解决上述技术问题，本发明提出一种用于交通控制的图像增强方法，其包括如下步骤：

a、获得原始图像；

b、对原始图像进行对比度拉伸；

c、将所述原始图像和经过对比度拉伸的图像进行图像融合；

d、输出融合后的图像。

其中，所述步骤b包括：

b1、确定第一灰度阈值和第二灰度阈值；

b2、对所述原始图像中处于第一灰度阈值和第二灰度阈值间的像素点进行对比度拉伸；

其中，第一灰度阈值小于第二灰度阈值。

其中，步骤b还包括设定伽马值以对所述原始图像进行伽马校正的步骤。

其中，在伽玛校正的步骤之前包括：

计算所述原始图像中所有像素点的灰度平均值，判断该灰度平均值是否达到设定值，若是，则认为是白天图像，所述伽马值在(1，10)之间取值；否则，认为是夜间图像，所述伽马值在(0，1)之间取值。

其中，所述步骤c包括：

c1、对所述原始图像和对比度拉伸后的图像进行小波变换获取两帧图像的低频系数和高频系数；

c2、求取所述两帧图像的低频系数的算术平均值和高频系数的加权平均值，分别作为融合后的小波系数的低频系数和高频系数；

c3、对融合后的小波系数进行反变换，得到融合后的图像。

其中，步骤c1中还包括确定小波类型及分解层数。

相应的，为了解决上述技术问题，本发明还提出一种用于交通控制的图像增强系统，包括：

接收单元，用于接收原始图像；

对比度拉伸单元，用于将所述的原始图像进行对比度拉伸；

图像融合单元，将所述原始图像和经过对比度拉伸的图像进行图像融合；

输出单元，用于输出融合后的图像。

其中，所述对比度拉伸单元的对比度拉伸过程包括：

确定第一灰度阈值和第二灰度阈值；

对所述原始图像中处于第一灰度阈值和第二灰度阈值间的像素点进行对比度拉伸；

其中，第一灰度阈值小于第二灰度阈值。

其中，所述对比度拉伸单元还用于设定伽马值以对所述原始图像进行伽马校正；

其中，计算所述原始图像中所有像素点的灰度平均值，判断该灰度平均值是否达到设定值，若是，则认为是白天图像，所述伽马值在(1，10)之间取值；否则，认为是夜间图像，所述伽马值在(0，1)之间取值。

其中，所述图像融合单元的图像融合过程包括：

对所述原始图像和对比度拉伸后的图像进行小波变换获取两帧图像的低频系数和高频系数；

求取所述两帧图像的低频系数的算术平均值和高频系数的加权平均值，分别作为融合后的小波系数的低频系数和高频系数；

对融合后的小波系数进行反变换，得到融合后的图像。

本发明中，由于采用对抓拍后的图像进行对比度拉伸和图像融合，因而使得图像的识别效果较高。

附图说明

图1是本发明一种适用于交通控制的图像增强系统的实施例的结构示意图；

图2是基于图1所示实施例的本发明一种适用于交通控制的图像增强方法的实施例的流程图。

具体实施方式

下面结合附图对本发明进行详细阐述。

参考图1，图示了本发明一种适用于交通控制的图像增强系统的实施例的结构示意图。如图所示，包括：

接收单元11，用于获得原始图像。

此处的原始图像可以是通过摄像头抓拍到的实时的交通状态图像。

对比度拉伸单元12，用于对获得的原始图像进行对比度拉伸。

拉伸的目的在于使得某部分区域的识别更加容易，其具体的拉伸过程可以参考图2所示实施例中的相关步骤。

图像融合单元13，用于对经过对比度拉伸后的图像进行图像融合。