本发明涉及交通管理
技术领域：
，具体涉及一种智能交通管理系统。
背景技术：
：随着城市交通的发展，对交通管理提出来更高的要求，要求监控平台能够获取能见度低时的监控信息。在雾天环境中，由于空气中大气微粒对光线的散射作用，使户外视觉系统采集得到的雾天图像严重退化，出现了对比度降低、颜色失真、细节丢失等情况。以视频监控为例，由于大雾弥漫，监控现场的能见度大大降低，通过视觉系统获得的视频信息往往不够准确，给监控工作带来极大的不便。此外，随着近年来环境污染的增加，导致了霾天的增加，带来了同雾天相同的问题。在研究中，将雾天和霾天统称为雾天，现有技术中对于雾天图像处理效果不佳，且无法对处理效果进行有效评价。技术实现要素：针对上述问题，本发明旨在提供一种智能交通管理系统。本发明的目的采用以下技术方案来实现：提供了一种智能交通管理系统，包括监控平台和用户终端，所述监控平台与用户终端通过无线通信完成数据交换，所述监控平台包括摄像头和图像清晰化处理子系统，所述摄像头用于获取监控图像，所述图像清晰化处理子系统用于对雾天下的监控图像进行处理；所述图像清晰化处理子系统包括图像存储模块、图像处理模块和性能评价模块，所述图像存储模块用于对摄像头获取的雾天图像进行存储，所述图像处理模块用于对存储的雾天图像进行去雾处理，所述性能评价模块用于对所述图像处理模块的性能进行评价。本发明的有益效果为：实现了雾天图像的清晰化处理和处理性能的评价，提高了交通管理水平。附图说明利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本发明的结构示意图；附图标记：监控平台1、用户终端2。具体实施方式结合以下实施例对本发明作进一步描述。参见图1，本实施例的一种智能交通管理系统，包括监控平台1和用户终端2，所述监控平台1与用户终端2通过无线通信完成数据交换，所述监控平台1包括摄像头和图像清晰化处理子系统，所述摄像头用于获取监控图像，所述图像清晰化处理子系统用于对雾天下的监控图像进行处理；所述图像清晰化处理子系统包括图像存储模块、图像处理模块和性能评价模块，所述图像存储模块用于对摄像头获取的雾天图像进行存储，所述图像处理模块用于对存储的雾天图像进行去雾处理，所述性能评价模块用于对所述图像处理模块的性能进行评价。本实施例实现了雾天图像的清晰化处理和处理性能的评价，提高了交通管理水平。优选的，所述图像处理模块包括第一去雾单元、第二去雾单元和融合去雾单元，所述第一去雾单元用于根据第一大气散射模型对雾天图像进行处理，得到一次去雾图像，所述第二去雾单元用于根据第二大气散射模型对雾天图像进行处理，得到二次去雾图像，所述融合去雾单元用于对一次去雾图像和二次去雾图像进行融合处理，得到去雾清晰图像。本优选实施例去雾效果良好。优选的，所述根据第一大气散射模型对雾天图像进行处理，采用以下方式进行：步骤1、建立第一大气散射模型：l(x)＝1+r1(x)z(x)+b[1-z(x)]上述式子中，x表示图像像素空间坐标，l(x)表示采集的雾天图像，b表示大气光照，z(x)表示介质传播函数，用于反映光线的穿透能力，r1(x)表示一次去雾图像；步骤2、求取r1(x)的暗原色图像：上述式子中，r1da(x)表示r1(x)的暗原色图像，r1c(y)表示r1da(x)中的一个通道，r,g,b分别表示图像r1(x)的红色通道、绿色通道和蓝色通道，表示以x为中心，边长a的正方形区域，所述a为图像最大边的2％；步骤3、对第一大气散射模型进行局部区域大小为的最小值滤波，并对每个通道求最小值：上述式子中，lc(y)表示雾天图像中的一个通道，bc表示大气光照的一个通道；步骤4、由暗原色原理可知，r1da(x)趋于0，可以得到介质传播函数：上述式子中，δ为雾气保留因子，用于调节保留雾气的程度；步骤5、根据第一大气散射模型求解一次去雾图像：本优选实施例第一去雾单元通过建立第一大气散射模型，对以往的大气散射模型进行了简化，有助于提高计算效率，对第一大气散射模型进行滤波时，滤波区域根据图像大小进行自行调整，保证了不同图像的去雾效果。优选的，所述根据第二大气散射模型对雾天图像进行处理，采用以下方式进行：步骤1、建立第二大气散射模型：上述式子中，x表示图像像素空间坐标，l(x)表示采集的雾天图像，b表示大气光照，q(x)表示大气耗散函数，用于反映环境光对场景成像的影响，r2(x)表示二次去雾图像；步骤2、采用下式对雾天图像进行白平衡操作：将雾天图像的最小颜色分量定义为大气耗散函数：上述式子中，lc′(x)表示雾天图像在r,g,b三个颜色通道的最小颜色分量；步骤3、根据大气耗散函数求解二次去雾图像：所述对一次去雾图像和二次去雾图像进行融合处理，采用下式进行：上述式子中，r(x)表示去雾清晰图像。本优选实施例第二去雾单元通过建立第二大气散射模型，对以往的大气散射模型进行了简化，有助于提高计算效率，采用融合算法获取无雾清晰图像，有助于提高无雾清晰图像的去雾效果，获取更加清晰的图像。优选的，所述性能评价模块包括第一评价单元、第二评价单元和融合评价单元，所述第一评价单元用于确定去雾清晰图像的第一评价因子，所述第二评价单元用于确定去雾清晰图像的第二评价因子，所述融合评价单元用于根据第一评价因子和第二评价因子对去雾清晰图像进行评价。本优选实施例通过多评价因子融合的方式实现了图像处理模块性能的准确评价。优选的，所述确定去雾清晰图像的第一评价因子，具体为：上述式子中，p1去雾清晰图像的第一评价因子，n1和n2分别表示采集的图像和去雾清晰图像中可见边缘的数目；所述确定去雾清晰图像的第二评价因子，具体为：上述式子中，p2去雾清晰图像的第二评价因子，m1和m2分别表示去雾清晰图像的黑色像素点和白色像素点数目。所述对去雾清晰图像进行评价，具体为：根据第一评价因子和第二评价因子计算综合评价因子p：综合评价因子越大，表明去雾效果越好，图像越清晰。当前多数对去雾效果评价以主观的视觉评价为主，这种评价方法需要多次重复实验，由观察者对图像质量进行评价，耗时费力，容易受到观测者专业背景等主观因素的影响，不具备很好的可靠性。本优选实施例对于去雾算法清晰化效果进行定量描述，实现了去雾效果的客观评价，且该评价模块综合考虑多方面评价因素，评价的可信度高。采用本发明监控平台对雾天图像进行处理，选取5组雾天图像进行处理，分别为图像1组、图像2组、图像3组、图像4组、图像5组，每组含有10幅雾天图像，对每组的图像去雾时间的平均值和图像去雾效果进行统计，同现有技术相比，产生的有益效果如下表所示：图像去雾时间的平均值降低图像去雾效果提高图像1组29％21％图像2组27％23％图像3组26％25％图像4组25％27％图像5组24％29％最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。当前第1页12