车载稳像系统的技术设计与实现

1.2 针对雨雾天气的图像预处理

　　通过对灰度投影法原理的分析，可知灰度投影算法要求图像有一定的对比度，当图像灰度值单一并且对比度差时，利用灰度投影算法对图像匹配会造成投影曲线很平，相关运算后波谷段平缓不易找到，难以找到正确的运动矢量。而雨雾天气是车辆外出常常碰到的情况，恶劣天气也给投影算法带来很大影响。因此，需要对图像进行预处理。传统的预处理方法是通过直方图均衡化进行，但这种方法存在丢失细节和过分增强的缺点，在增强图像对比度的同时也增强了图像的噪声，给后续算法在运动矢量估计的精度上产生很大影响。因此，本文采用小波的方法，即图像经过小波变换分解为低频部分和高频部分，然后单独对高频部分图像的边缘进行加强。具体实现方法如下：

　　(1)选择Haar小波对图像进行分解，得到图像的低频子图和高频子图;

　　(2)利用公式

(σ为噪声标准方差，N为信号的长度)确定阀值λ;

　　(3)对高频子图按上述阀值进行边沿检测并标记;

　　(4)对标记的边缘进行加强，对不是边缘的置零。

　　采用上述方法进行实验，结果如图2所示：

　　图2 图像增强效果对比

　　通过以上结果可以看出，直方图均衡化在整体增强图像的同时，也对图像噪声进行了增强，图像边缘清晰度较差，图像偏暗;而采用小波边缘增强法处理的图像，没有很明显的噪声影响，同时图像细节也很好地保留下来而且图像对比度也得到了增强。

　　2 雨雾天气下车载视频稳像的实验

　　2.1 实验方法

　　选取一段手动添加抖动的公路路段视频进行试验，以OpenCV结合VC++6.0作为软件开发平台编写车载稳像算法，对视频进行处理，最后将视频输出到显示器上显示。

　　2.2 运动矢量的估计

　　选用经过预处理后的相邻两帧图像根据公式(1)(2)进行投影变换，然后采用公式(3)计算两帧图像的行、列相关曲线。仿真结果如图3所示：

　　图3 两种情况下的运动矢量估计

　　实验中手动加入的水平和垂直方向的抖动量分别为-9和12;而实验结果显示，对未经预处理的雾天图像，由于对比度很差，采用灰度投影直接对其进行运动矢量检测时，检测到的水平和垂直方向的运动矢量分别为-3和5，误差较大;而图3(b)是经过均衡化处理后，检测到的水平和垂直方向运动矢量为-6和8，精度有所提高;最后图3(c)是采用小波边缘增强法对图像进行对比度提高，检测的水平和垂直方向的运动偏移量分别为-7和10，虽然还不能完全准确地检测出实际偏移的运动矢量，但精度要高于直方图均衡化处理后的检测结果。