基于传统暗原色先验原理的图像去雾算法存在的“halo”效应, 且图像中明亮区域存在颜色失真现象, 针对此问题, 本文提出了多尺度窗口的自适应透射率修复交通图像去雾方法。首先, 利用新的8方向边缘检测算子求取图像中景深突变区域, 根据暗通道先验理论和前一步求得的景深突变区域, 在景深变化较大区域使用5×5的窗口, 景深变化较小区域则使用15×15的窗口得到暗原色估计图。同时, 针对暗通道先验原理对近景部分存在白色区域时透射率估计不准确的问题, 引入了自适应透射率修复方法, 通过引导滤波器得到边缘增强后的暗原色图像, 并利用其与原暗原色图像的纹理差对近景区域的透射率进行修正, 完成图像去雾。实验结果表明: 双边滤波和梯度双边滤波两种算法均存在halo现象, 并且在包含白色物体的明亮区域色彩失真严重, 客观评价指标失去意义; 相比于引导滤波, 本文去雾算法的各项指标均有所提高, 其中平均梯度平均提高了8305%, PSNR平均提高了12455%, 边缘强度因子平均提高了777%。本文算法有效解决了复原图像中“halo”效应现象和明亮区域颜色失真现象, 去雾效果最优。

针对交通图像在恶劣天气及夜间成像质量较差的问题，通过研究红外传感器和可见光传感器的成像原理，设计了一种基于变换域边缘检测的双源交通图像融合方法。首先将红外源图像与可见光源图像利用小波变换分别进行分解，再对所得结果中的高频成分边缘检测，通过设计不同的融合规则对变换域不同频率子图像分别进行融合处理，然后通过逆变换得到特征信息丰富的融合图像。