面向智能交通的图像去雾技术的实现

雾，众所周知，其在很大程度上会阻碍我们看清楚生活中的现象，如果在这种情况下拍照的话，自然而然对比度肯定会不如正常情况下，这样就给我们在实际生活中带来很多不便。特别是在交通这一方面，由于此天气现象的存在，可能没有办法很清楚的看到行车实况，这种情况造成的一个比较小的影响就是车与车的摩擦，更严重的一点的话就是车祸了。那么，对这种自然现象造成的图像不清晰展开图像信号处理与研究是非常有必要的。因此，通过调研我们发现Matlab能够将在恶劣天气条件下获得的图片进行处理，使其更加接近原始图像。这对于上述问题是一个很好的解决工具。本次研究具体使用了三种算法。分别是局部直方图均衡化，全局直方图均衡化还有就是Retinxe算法。而且这项技术的出现，对于我们处理别的不清晰的图像问题也是非常有帮助的[1]。

在智能行车系统中，当雾霾情况严重，将会严重阻碍驾驶者视线，影响行车视线，尤其在高速公路上容易发生车祸，另外对于路标拍摄系统也有严重影响，对于违章车辆无法实现清晰化采集车辆信息， 会造成肇事者窜逃等情况的发生。还有一个例子就是我们经常看到的十字路口处安装的监控。那么在这个天气之下就不能清晰的将车辆的一些详细信息及时的记录下来，这对于交通管理人员的工作造成了很大的影响。在军队使用的一些监控设备中，这种图像也会使得判断出现偏差，其影响非常大。在遥感系统中，这种情况的出现也会导致不能很准确对得到的信息进行处理。综上所述，去雾技术不光在图像领域有用，在其他领域也是有很大用处的。因此这项研究是非常有用的[2]。

2. 图像去雾技术 今年来，去雾这项处理方式运用的范围越来越广。举一些例子就是，一些高科技领域的一些监控系统中就应用很多。那么，这篇论文主要论述了三种办法来实现这个效果。① 全局直方图均衡化；② 局部直方图均衡化；③ Retinex 算法。

2.1. 全局直方图均衡化 这种处理方法，其最主要的本质就是，将一张图像根据灰度值将其统计出来，然后将这个直方图进行调整，使其基本高度一致，这样的方法的一个好处就是可以拓宽灰度值的区域，对整个图像进行增强。

上述解释中的直方图就是灰度值统计的一个直方图。我们可以根据这个图很清楚的看出每一个灰度值出现的频繁程度。均衡化就是将灰度值平均化，是每一个灰度值分布的概率近似相等。这样就在无形当中拓宽了灰度值范围。随之而来的就是对比度会发生变化[3]。