智能交通系统对视频图像数据的采集系统总体设计(3)

(1)下位机软件

下位机软件主要用摄像头和视频采集卡和PC机实现对图像的采集，主要由设备设置、视频设置、视频保存、视频压缩、视频传输等模块实现。下面分别简要介绍一下几个模块的功能和意义。

设备设置:当多个视频设备接入PC机时，设置选择哪个设备，在设备设置这个模块里还要设置选择的视频源，本系统采用的MV-410交通专用图像采集卡，该卡支持不同的视频源，可以根据不同需求进行设置。

视频设置:设置视频的格式，分辨率和像素深度的设置，同时显示当前设置的情况下每帧图像的大小。视频保存:这一模块可以手动来保存视频，按"开始"按钮就开始保存，按"结束"按钮就结束保存。

(2)上位机软件

Matlab拥有强大的科学计算和可视化资源、简单易用、开放式可扩展的环境和友善的图形界面，是当今优秀的科技应用软件之一，广泛的应用到模式识别、信号处理、人工智能等领域中。本文选用Matlall7.O作为上位机软件算法的仿真平台，完成了对图像预处理、车辆检测和车型识别等算法的仿真。通过对仿真结果的分析和比较，调整并改进了图像处理过程和识别统计算法，最终得到比较满意的效果，同时也具有一定的鲁棒性和通用性。仿真结果的成功验证了图像处理和识别统计算法的可行性。

3.2.3采集结果

车辆图像采集系统在完成对以上几个设置的选择后进行确定，然后再点击开始按钮可以开始进行图像采集，在由函数capCreatCapturewindow()所创建的捕获窗口中显示采集到的视频，并默认的将图像保存，如果按暂停的按钮当前捕获窗口的图像被冻结在屏幕上，可以利用开按钮再次显示采集视频，停止的功能是停止捕获视频，并断开驱动捕获窗口与驱动程序的连接。

3.3采集车辆图像预处理

由于在进行视频图像采集过程中，会有一些影响图像质量的噪声信号产生。所以，应用这些数字图像进行处理之前，必须进行图像去噪、图像增强等预处理，然后再对预处理后的图像进行进一步的处理分析。

3.3.1图像去噪算法研究

众所周知，实际系统中车辆图像的采集过程中，不可避免的存在外部干扰和内部干扰，这就形成了噪声。噪声恶化了图像的质量，使车辆图像模糊，特征淹没，给后续处理带来了困难。因此去除噪声，恢复原始图像是图像处理中的一个重要内容。

本文采用维纳滤波来去除噪声，下面先介绍一下维纳滤波。在数字图像处理中去除噪声的方法[25]有很多，例如，中值滤波、均值滤波、维纳滤波等等。本文主要采用的维纳滤波，维纳滤波是寻找一个滤波器，使得复原后的图像g(x，刃与原图像f(x，力的方差最小，即E{【f(x，刃一g(x，y)」2}~。由此式可以推导出维纳滤波器的传递函数为

3.3.2采集车辆图像增强处理

图像中明亮部分与阴暗部分灰度的差别称为对比度。高对比度的图像中的廓分明;相反，低对比度的图像中的物体轮廓模糊不清。由于光照影响、摄像机曝光不足以及动态范围太窄等原因，车辆图像会产生对比度不足的弊端，使节分辨不清从而重影响车辆的检测与识别。为此，需要将车辆图像进行灰度扩改善图像的质量从而有利于提高检测和识别率。

本文提出用灰度直方图均衡化来提高图像的对比度。

图像的灰度直方图是图像处理中一种十分重要且实用的工具，它具有一幅度分布的总体统计性质。从数学上来说图像灰度直方图是图像各灰度值统计特像灰度值的函数，它统计一幅图像中各个灰度级出现的次数或概率。实际上，像直方图是一个离散函数:

其中图像总像素数为N，n;是第k级灰度的像素数，乓表示第k个灰度级，表示该灰度级出现的相对频数。因为P(rk)给出了对各个乓出现概率的一个统以直方图提供了图像的灰度值分布情况。在灰度直方图坐标系中，横坐标表示各个像素点的灰度级，纵坐标为各个灰度级上图像各个像素点出现的次数或概图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接接对比度法。直方图拉伸是通过对比度拉伸对直方图进行调整，从而"扩大"前景和背景灰差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实方图均衡化则通过使用累积函数对灰度值进行"调整，，以实现对比度的增强。

直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非拉伸，重新分配图像像元值，是一定灰度范围内的像元数量大致相同。直方图均就是把给定图像的直方图分布改变成一均匀，分布直方图分布。