CN110672180A - 一种基于图像处理的下穿立交道路积水自动检测预警系统 - Google Patents

一种基于图像处理的下穿立交道路积水自动检测预警系统 Download PDF

Info

Publication number
CN110672180A
CN110672180A CN201910953465.1A CN201910953465A CN110672180A CN 110672180 A CN110672180 A CN 110672180A CN 201910953465 A CN201910953465 A CN 201910953465A CN 110672180 A CN110672180 A CN 110672180A
Authority
CN
China
Prior art keywords
image
processing
algorithm
underpass
early warning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910953465.1A
Other languages
English (en)
Inventor
邵慧
陈杰
颜普
苏亮亮
马小琴
翟方兵
徐小雪
张亚国
郭航
何子辛
肖晓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Jianzhu University
Anhui University of Architecture
Original Assignee
Anhui University of Architecture
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anhui University of Architecture filed Critical Anhui University of Architecture
Priority to CN201910953465.1A priority Critical patent/CN110672180A/zh
Publication of CN110672180A publication Critical patent/CN110672180A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Hydrology & Water Resources (AREA)
  • Fluid Mechanics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Image Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于图像处理的下穿立交道路积水自动检测预警系统，包括处理模块、遥测模块和监控中心，所述遥测模块将采集特征信息传输至所述处理模块。有益效果：本发明提出了MSRCR算法城市道路下穿立交监控图像的增强算法，通过对下穿立交入口段、中间段、出口段监控图像利用三种算法进行图像增强实验，经过处理后的图像清晰度得到提升，而且没有出现图像的偏色现象，很好地适应人眼视觉特性，图像整体的过渡效果也比较自然，图像纹理清晰，亮光区域得到明显改善，使得城市道路下穿立交监控图像视觉效果得到显著改善，此外该算法同样适用于雨天大雾等低清晰度图像的增强。

Description

一种基于图像处理的下穿立交道路积水自动检测预警系统
技术领域
本发明涉及下穿立交道路积水图像处理技术领域，具体来说，涉及一种基于图像处理的下穿立交道路积水自动检测预警系统。
背景技术
在现代城市交通网络日趋密集的背景下，下穿立交作为城市立交的重要组成部分，下穿式立交道路因其占地面积小、造价经济越来越突显出它的优越性，在城市化建设中具有至关重要的意义，然而下穿式立交桥的排水功能与一般道路相比却有自身的缺点和局限性。尤其是在遇到极端恶劣的暴风雨天气，下穿式立交道路积水的几率增大，对行车安全和公民的生命财产安全造成巨大隐患。
而目前受粉尘、低照度或点光源等因素的影响，城市道路下穿立交的监控图像常常表现出对比度低、背景噪声强和整体视觉效果不理想等问题，导致无法实时准确的获取到下穿立交中的具体情况，影响到视频监控的应用效果。
因此，探究下穿立交的监控图像增强问题具有重大的社会意义。
发明内容
针对相关技术中的问题，本发明的目的是提出一种基于图像处理的下穿立交道路积水自动检测预警系统，通过提出了MSRCR算法城市道路下穿立交监控图像的增强算法，通过对下穿立交入口段、中间段、出口段监控图像利用三种算法进行图像增强实验，经过处理后的图像清晰度得到提升，而且没有出现图像的偏色现象，很好地适应人眼视觉特性，图像整体的过渡效果也比较自然，图像纹理清晰，亮光区域得到明显改善，使得城市道路下穿立交监控图像视觉效果得到显著改善，此外该算法同样适用于雨天大雾等低清晰度图像的增强，实现为在下穿式立交发生积水时向驾驶员及行人声光报警，同时排水办、交管部门等通知各下穿式立交的水位信息，从而立即采取有效的排水及疏导措施，减少公民生命财产的损失，以克服现有相关技术所存在的上述技术问题。
本发明的技术方案是这样实现的：
一种基于图像处理的下穿立交道路积水自动检测预警系统，包括处理模块、遥测模块和监控中心，所述遥测模块将采集特征信息传输至所述处理模块，所述处理模块将特征信息进行处理并将处理后的实时数据信息传输至所述监控中心，所述监控中心通过实时数据信息进行预警，所述处理模块对图像的处理包括以下步骤：
S101、输入图像：预先获取所述遥测模块采集的当前区域的图像特征信息；
S102、MSRCR算法图像处理：将步骤S101的所述图像特征信息进行MSRCR算法图像处理获取第一对数化参数；
S103、单尺度Retinex算法处理：将步骤S101的所述图像特征信息进行单尺度Retinex算法处理，获取图像细节信息；
S104、多尺度Retinex算法处理：将步骤S103所述的图像细节信息进行多尺度Retinex算法处理，获取图像平衡细节信息和全局信息，所述多尺度Retinex算法处理是指对R、G和B三个通道分别进行单尺度Retinex算法处理处理；
S105、将步骤S104所述图像平衡细节信息和全局信息进行对数化处理，获取第二对数化参数；
S106、对数域处理：将步骤S102所述第一对数化参数与步骤S105所述第二对数化参数进行叠加并进行色彩恢复处理，获取色彩恢复图像；
S107、指数化处理：将步骤S106中所述色彩恢复图像进行指数化处理；
S108、输出图像。
其中，步骤S103单尺度Retinex算法处理，其算法如下：
D(x,y)＝log[R(x,y)]＝log[Ii(x,y)]-log[L(x,y)]；
D0(x,y)＝logIi(x,y)-log[F0(x,y)*Ii(x,y)]；
其中，D(x,y)为对数域输出图像，Ii(x,y)为第i个通道的图像，其中；
F0(x,y)为中心环绕函数，表示为：
Figure BDA0002226488610000021
∫∫F0(x,y)dxdy＝1；
其中，λ为一个常量矩阵，σ为高斯环绕尺度参数。
其中，步骤S106对数域处理其算法如下：
Figure BDA0002226488610000033
其中，Ci为第i个通道的色彩恢复因子，β为增益常数，α为受控制的非线性强度，M为图像的通道数；
Figure BDA0002226488610000031
其中，Dop为数域的输出，N为尺度的数量，w为每个尺度的权重，Fn(x,y)为中心环绕函数，计算公式如下：
Figure BDA0002226488610000032
进一步的，第i个通道的色彩恢复因子Ci计算中β＝46，α＝125，且数域的输出Dop计算中，w尺度的权重为1/N，N＝3，M＝3为图像分为R、G、B三个通道，中心环绕函数F0(x,y)中选用的尺度参数σ0＝250，中心环绕函数Fn(x,y)中n＝1、2、3，尺度参数σ1＝128，σ2＝256，σ3＝512。
进一步的，所述遥测模块包括视频监控和电子标尺。
进一步的，还包括在城市下穿道路或低洼路段入口位置建立声光报警器和电子显示设备。
本发明的有益效果：
1、本发明通过结合了SSR算法和MSRCR算法的优点，通过单尺度Retinex算法获取更丰富的细节信息，然后再经过多尺度Retinex算法来平衡细节信息和全局信息，以此达到在不影响全局信息量的同时，能够获取到更丰富的细节信息的目的。
2、本发明简化了算法结合过程中的对数域与实数域的转化过程，避免了多次转化过程中对于动态范围以及对比度增强两个指标的影响，在一定程度上提高了图像增强的处理速度。
3、本发明通过调节色彩恢复因子中受控制的非线性强度和增益参数来进行偏移校正，获取到R、G、B三个通道的合适比例，使增强后的图像获得更加丰富的色彩。
4、本发明通过对下穿立交道路图像进行处理，不仅图像清晰度得到提升，而且没有出现图像的偏色现象，很好地适应人眼视觉特性，图像整体的过渡效果也比较自然，图像纹理清晰，亮光区域得到明显改善，使得城市道路下穿立交监控图像视觉效果得到显著改善，实现为在下穿式立交发生积水时向驾驶员及行人声光报警，同时排水办、交管部门等通知各下穿式立交的水位信息，从而立即采取有效的排水及疏导措施，减少公民生命财产的损失。
综上所述，本发明提出了MSRCR算法城市道路下穿立交监控图像的增强算法，通过对下穿立交入口段、中间段、出口段监控图像利用三种算法进行图像增强实验，经过处理后的图像清晰度得到提升，而且没有出现图像的偏色现象，很好地适应人眼视觉特性，图像整体的过渡效果也比较自然，图像纹理清晰，亮光区域得到明显改善，使得城市道路下穿立交监控图像视觉效果得到显著改善，此外该算法同样适用于雨天大雾等低清晰度图像的增强，实现为在下穿式立交发生积水时向驾驶员及行人声光报警，同时排水办、交管部门等通知各下穿式立交的水位信息，从而立即采取有效的排水及疏导措施，减少公民生命财产的损失。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的基于图像处理的下穿立交道路积水自动检测预警系统的图像算法流程示意图；
图2是根据本发明实施例的基于图像处理的下穿立交道路积水自动检测预警系统的原理框图；
图3是根据本发明实施例的基于图像处理的下穿立交道路积水自动检测预警系统的网络拓扑图；
图4是根据本发明实施例的基于图像处理的下穿立交道路积水自动检测预警系统的图像增强算法比对图。
图中：
1、处理模块；2、遥测模块；3、监控中心。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
根据本发明的实施例，提供了一种基于图像处理的下穿立交道路积水自动检测预警系统。
如图1-4所示，根据本发明实施例所述的基于图像处理的下穿立交道路积水自动检测预警系统，包括处理模块1、遥测模块2和监控中心3，所述遥测模块2将采集特征信息传输至所述处理模块1，所述处理模块1将特征信息进行处理并将处理后的实时数据信息传输至所述监控中心3，所述监控中心3通过实时数据信息进行预警，所述处理模块1对图像的处理包括以下步骤：
S101、输入图像：预先获取所述遥测模块2采集的当前区域的图像特征信息；
S102、MSRCR算法图像处理：将步骤S101的所述图像特征信息进行MSRCR算法图像处理获取第一对数化参数；
S103、单尺度Retinex算法处理：将步骤S101的所述图像特征信息进行单尺度Retinex算法处理，获取图像细节信息；
S104、多尺度Retinex算法处理：将步骤S103所述的图像细节信息进行多尺度Retinex算法处理，获取图像平衡细节信息和全局信息，所述多尺度Retinex算法处理是指对R、G和B三个通道分别进行单尺度Retinex算法处理处理；
S105、将步骤S104所述图像平衡细节信息和全局信息进行对数化处理，获取第二对数化参数；
S106、对数域处理：将步骤S102所述第一对数化参数与步骤S105所述第二对数化参数进行叠加并进行色彩恢复处理，获取色彩恢复图像；
S107、指数化处理：将步骤S106中所述色彩恢复图像进行指数化处理；
S108、输出图像。
其中，步骤S103单尺度Retinex算法处理，其算法如下：
D(x,y)＝log[R(x,y)]＝log[Ii(x,y)]-log[L(x,y)]；
D0(x,y)＝logIi(x,y)-log[F0(x,y)*Ii(x,y)]；
其中，D(x,y)为对数域输出图像，Ii(x,y)为第i个通道的图像，其中；
F0(x,y)为中心环绕函数，表示为：
Figure BDA0002226488610000061
∫∫F0(x,y)dxdy＝1；
其中，λ为一个常量矩阵，σ为高斯环绕尺度参数。
其中，步骤S106对数域处理其算法如下：
Figure BDA0002226488610000062
其中，Ci为第i个通道的色彩恢复因子，β为增益常数，α为受控制的非线性强度，M为图像的通道数；
Figure BDA0002226488610000063
其中，Dop为数域的输出，N为尺度的数量，w为每个尺度的权重，Fn(x,y)为中心环绕函数，计算公式如下：
借助于上述技术方案，通过结合了SSR算法和MSRCR算法的优点，通过单尺度Retinex算法获取更丰富的细节信息，然后再经过多尺度Retinex算法来平衡细节信息和全局信息，以此达到在不影响全局信息量的同时，能够获取到更丰富的细节信息的目的，简化了算法结合过程中的对数域与实数域的转化过程，避免了多次转化过程中对于动态范围以及对比度增强两个指标的影响，在一定程度上提高了图像增强的处理速度，通过调节色彩恢复因子中受控制的非线性强度和增益参数来进行偏移校正，获取到R、G、B三个通道的合适比例，使增强后的图像获得更加丰富的色彩。
其中，第i个通道的色彩恢复因子Ci计算中β＝46，α＝125，且数域的输出Dop计算中，w尺度的权重为1/N，N＝3，M＝3为图像分为R、G、B三个通道，中心环绕函数F0(x,y)中选用的尺度参数σ0＝250，中心环绕函数Fn(x,y)中n＝1、2、3，尺度参数σ1＝128，σ2＝256，σ3＝512。
对于上述方案来说，所述遥测模块2包括视频监控和电子标尺；还包括在城市下穿道路或低洼路段入口位置建立声光报警器和电子显示设备。所述遥测模块2，用于在城市下穿道路或低洼路段建设积水水位监测设备和雨量监测设备，实时对天气或道路积水情况进行自动监测，建设排水管道流量监测设备，对排水流量数据进行实时采集。
如图4所示，选用3幅分辨率为1366×768的阴暗模糊、对比度低和视觉效果差的下穿立交入口处、下穿立交中间处、下穿立交出口处监控图像作为实验样本，分别采用SSR算法、MSRCR算法以及本文算法进行图像增强处理，以及选用一幅同分辨率的阴雨天图像为实验样本来验证本算法的适用性，为验证本文算法的有效性，对3幅城市道路下穿立交监控图像分别利用SSR算法、MSRCR算法和本文算法进行图像增强对比实验，并从主观视觉效果对结果进行分析。
主观效果如图4所示，表中从上至下分别为下穿立交入口段、中间段、出口段监控图像，每一组图从左至右分别为原图和使用SSR算法、MSRCR算法和本文算法处理后的效果图。从视觉效果上看，城市道路下穿立交监控图像经过3种增强算法的处理，亮度都得到大幅提升，但相对而言，经过SSR算法处理后的图像部分颜色发生扭曲，边缘锐化效果不佳，纹理不清晰；而MSRCR算法处理后的图像虽然图像有了较明显的改善，图像颜色恢复正常，纹理也相对清晰，但是，原本明亮的场景被过度提升，使整幅图像偏亮，失掉了部分细节信息。而本文算法克服了以上两种算法的缺陷，处理后的图像既提高了原图亮度，而且较好地保留了图像中的细节信息。
参考图4是一幅阴雨天图像由不同算法增强后的效果对比图。从图中可以看出，本文算法不仅对城市道路下穿立交监控图像增强效果较好，也适用于雨天大雾等恶劣天气视频采集的低清晰度图像的增强。
本文使用无参考图像质量评价体系中常用的、具有代表性的清晰度算法NRSS(梯度结构相似度)对处理前后的图像进行定量评价分析，结果如表1所示：
图像的NRSS定量评价指标对比
Figure BDA0002226488610000081
表1NRSS算法是无参考图像清晰度的评价指标，该算法主要是基于图像结构相似度(SSIM)的原理来提取目标的结构信息的特点。经过本文算法处理后的图像要强于SSR算法和MSRCR算法处理后的增强效果，图像的梯度结构相似度有了明显的减小。意味着图像增强的效果有明显的改善。从NRSS(梯度结构相似度)指标看出，本文算法要优于SSR算法和MSRCR算法。
综上所述，借助于本发明的上述技术方案，可实现如下效果：
1、本发明通过结合了SSR算法和MSRCR算法的优点，通过单尺度Retinex算法获取更丰富的细节信息，然后再经过多尺度Retinex算法来平衡细节信息和全局信息，以此达到在不影响全局信息量的同时，能够获取到更丰富的细节信息的目的。
2、本发明简化了算法结合过程中的对数域与实数域的转化过程，避免了多次转化过程中对于动态范围以及对比度增强两个指标的影响，在一定程度上提高了图像增强的处理速度。
3、本发明通过调节色彩恢复因子中受控制的非线性强度和增益参数来进行偏移校正，获取到R、G、B三个通道的合适比例，使增强后的图像获得更加丰富的色彩。
4、本发明通过对下穿立交道路图像进行处理，不仅图像清晰度得到提升，而且没有出现图像的偏色现象，很好地适应人眼视觉特性，图像整体的过渡效果也比较自然，图像纹理清晰，亮光区域得到明显改善，使得城市道路下穿立交监控图像视觉效果得到显著改善，实现为在下穿式立交发生积水时向驾驶员及行人声光报警，同时排水办、交管部门等通知各下穿式立交的水位信息，从而立即采取有效的排水及疏导措施，减少公民生命财产的损失。
本发明提出了MSRCR算法城市道路下穿立交监控图像的增强算法，通过对下穿立交入口段、中间段、出口段监控图像利用三种算法进行图像增强实验，经过处理后的图像清晰度得到提升，而且没有出现图像的偏色现象，很好地适应人眼视觉特性，图像整体的过渡效果也比较自然，图像纹理清晰，亮光区域得到明显改善，使得城市道路下穿立交监控图像视觉效果得到显著改善，此外该算法同样适用于雨天大雾等低清晰度图像的增强，实现为在下穿式立交发生积水时向驾驶员及行人声光报警，同时排水办、交管部门等通知各下穿式立交的水位信息，从而立即采取有效的排水及疏导措施，减少公民生命财产的损失。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于图像处理的下穿立交道路积水自动检测预警系统，包括处理模块(1)、遥测模块(2)和监控中心(3)，所述遥测模块(2)将采集特征信息传输至所述处理模块(1)，所述处理模块(1)将特征信息进行处理并将处理后的实时数据信息传输至所述监控中心(3)，所述监控中心(3)通过实时数据信息进行预警，其特征在于，所述处理模块(1)对图像的处理包括以下步骤：
S101、输入图像：预先获取所述遥测模块(2)采集的当前区域的图像特征信息；
S102、MSRCR算法图像处理：将步骤S101的所述图像特征信息进行MSRCR算法图像处理获取第一对数化参数；
S103、单尺度Retinex算法处理：将步骤S101的所述图像特征信息进行单尺度Retinex算法处理，获取图像细节信息；
S104、多尺度Retinex算法处理：将步骤S103所述的图像细节信息进行多尺度Retinex算法处理，获取图像平衡细节信息和全局信息，所述多尺度Retinex算法处理是指对R、G和B三个通道分别进行单尺度Retinex算法处理；
S105、将步骤S104所述图像平衡细节信息和全局信息进行对数化处理，获取第二对数化参数；
S106、对数域处理：将步骤S102所述第一对数化参数与步骤S105所述第二对数化参数进行叠加并进行色彩恢复处理，获取色彩恢复图像；
S107、指数化处理：将步骤S106中所述色彩恢复图像进行指数化处理；
S108、输出图像。
2.根据权利要求1所述的一种基于图像处理的下穿立交道路积水自动检测预警系统，其特征在于，步骤S103单尺度Retinex算法处理，其算法如下：
D(x,y)＝log[R(x,y)]＝log[Ii(x,y)]-log[L(x,y)]；
D0(x,y)＝logIi(x,y)-log[F0(x,y)*Ii(x,y)]；
其中，D(x,y)为对数域输出图像，Ii(x,y)为第i个通道的图像，其中；
F0(x,y)为中心环绕函数，表示为：
Figure FDA0002226488600000021
∫∫F0(x,y)dxdy＝1；
其中，λ为一个常量矩阵，σ为高斯环绕尺度参数。
3.根据权利要求2所述的一种基于图像处理的下穿立交道路积水自动检测预警系统，其特征在于，第i个通道的色彩恢复因子Ci计算中β＝46，α＝125，且数域的输出Dop计算中，w尺度的权重为1/N，N＝3，M＝3为图像分为R、G、B三个通道，中心环绕函数F0(x,y)中选用的尺度参数σ0＝250，中心环绕函数Fn(x,y)中n＝1、2、3，尺度参数σ1＝128，σ2＝256，σ3＝512。
4.根据权利要求1所述的一种基于图像处理的下穿立交道路积水自动检测预警系统，其特征在于，步骤S106对数域处理其算法如下：
Figure FDA0002226488600000022
其中，Ci为第i个通道的色彩恢复因子，β为增益常数，α为受控制的非线性强度，M为图像的通道数；
Figure FDA0002226488600000023
其中，Dop为数域的输出，N为尺度的数量，w为每个尺度的权重，Fn(x,y)为中心环绕函数，计算公式如下：
Figure FDA0002226488600000024
5.根据权利要求1所述的一种基于图像处理的下穿立交道路积水自动检测预警系统，其特征在于，所述遥测模块(2)包括视频监控和电子标尺。
6.根据权利要求1所述的一种基于图像处理的下穿立交道路积水自动检测预警系统，其特征在于，还包括在城市下穿道路或低洼路段入口位置建立声光报警器和电子显示设备。
CN201910953465.1A 2019-10-09 2019-10-09 一种基于图像处理的下穿立交道路积水自动检测预警系统 Pending CN110672180A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910953465.1A CN110672180A (zh) 2019-10-09 2019-10-09 一种基于图像处理的下穿立交道路积水自动检测预警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910953465.1A CN110672180A (zh) 2019-10-09 2019-10-09 一种基于图像处理的下穿立交道路积水自动检测预警系统

Publications (1)

Publication Number Publication Date
CN110672180A true CN110672180A (zh) 2020-01-10

Family

ID=69081131

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910953465.1A Pending CN110672180A (zh) 2019-10-09 2019-10-09 一种基于图像处理的下穿立交道路积水自动检测预警系统

Country Status (1)

Country Link
CN (1) CN110672180A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030138161A1 (en) * 2002-01-23 2003-07-24 Rising Hawley K. Method and apparatus for enhancing an image using a wavelet-based retinex algorithm
CN1536530A (zh) * 2003-04-09 2004-10-13 矽统科技股份有限公司 色彩处理方法与装置
CN102044070A (zh) * 2011-01-10 2011-05-04 北京师范大学 一种基于Retinex的非线性彩色图像增强方法
CN105654433A (zh) * 2015-12-28 2016-06-08 桂林电子科技大学 基于改进多尺度Retinex的彩色图像增强方法
CN106780375A (zh) * 2016-12-02 2017-05-31 南京邮电大学 一种低照度环境下的图像增强方法
CN106991663A (zh) * 2017-04-05 2017-07-28 淮海工学院 一种基于暗通道理论的水下彩色图像增强方法
CN107194884A (zh) * 2017-04-18 2017-09-22 天津大学 一种具有不同曝光值的多幅ldr图像获取方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030138161A1 (en) * 2002-01-23 2003-07-24 Rising Hawley K. Method and apparatus for enhancing an image using a wavelet-based retinex algorithm
CN1536530A (zh) * 2003-04-09 2004-10-13 矽统科技股份有限公司 色彩处理方法与装置
CN102044070A (zh) * 2011-01-10 2011-05-04 北京师范大学 一种基于Retinex的非线性彩色图像增强方法
CN105654433A (zh) * 2015-12-28 2016-06-08 桂林电子科技大学 基于改进多尺度Retinex的彩色图像增强方法
CN106780375A (zh) * 2016-12-02 2017-05-31 南京邮电大学 一种低照度环境下的图像增强方法
CN106991663A (zh) * 2017-04-05 2017-07-28 淮海工学院 一种基于暗通道理论的水下彩色图像增强方法
CN107194884A (zh) * 2017-04-18 2017-09-22 天津大学 一种具有不同曝光值的多幅ldr图像获取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李钊: "下穿立交监控图像质量提升算法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
李钊等: "基于改进的MSRCR 下穿立交监控图像增强算法研究", 《安徽建筑大学学报》 *

Similar Documents

Publication Publication Date Title
CN107507173B (zh) 一种全切片图像的无参考清晰度评估方法及系统
CN108304813B (zh) 一种智能识别圆形交通信号灯状态的方法
KR101448164B1 (ko) 파라미터 최적화를 이용한 영상의 안개 제거 방법
CN110148093B (zh) 一种基于暗通道先验的图像去雾改进方法
CN109145848B (zh) 一种麦穗计数方法
CN116229276A (zh) 基于计算机视觉的入河排污检测方法
CN114004834B (zh) 一种图像处理中的雾天情况分析方法、设备及装置
CN107705254B (zh) 一种基于街景图的城市环境评估方法
CN112749654A (zh) 一种用于视频大雾监测的深度神经网络模型构建方法、系统及装置
CN112149476A (zh) 目标检测方法、装置、设备和存储介质
CN116630813B (zh) 一种公路路面施工质量智能检测系统
CN110276318A (zh) 夜间公路下雨识别方法、装置、计算机设备及存储介质
CN111046773A (zh) 一种基于图像技术判定路面积滞水的方法
CN110533626B (zh) 一种全天候水质识别方法
Mubashshira et al. An unsupervised approach for road surface crack detection
CN114241511A (zh) 一种弱监督行人检测方法、系统、介质、设备及处理终端
CN115511814A (zh) 一种基于兴趣区域多纹理特征融合的图像质量评价方法
CN109118450A (zh) 一种沙尘天气条件下的低质图像增强方法
CN113962994B (zh) 基于图像处理的三连杆上锁销清洁度检测方法
CN114120218A (zh) 一种基于边缘计算的河道漂浮物监测方法
CN116703787B (zh) 一种建筑施工安全风险预警方法及系统
CN110765900B (zh) 一种基于dssd的自动检测违章建筑方法及系统
CN108985307B (zh) 一种基于遥感影像的水体提取方法及系统
CN110672180A (zh) 一种基于图像处理的下穿立交道路积水自动检测预警系统
CN112686105B (zh) 一种基于视频图像多特征融合的雾浓度等级识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200110