针对当前去雾算法未考虑交通监控图像中雾气浓度分布不均匀的问题, 提出了波长相关物理成像模型的去雾算法.首先, 根据波长与雾气浓度的相关性, 构建了适用于交通监控图像的波长相关物理成像模型.然后, 根据波长与颜色的相关性, 设计出基于最大模糊相关图割的透射率估计算法.考虑到灰度值存在交叉重叠的模糊特性, 及景物的空间相关性, 利用递推的最大模糊相关算法快速获取景物划分信息, 并用此信息设计图割的数据项, 实施图割.该策略将基于阈值的分割算法与基于空间相关性的图割算法相结合, 确保了景物的空间相关性, 提高了分割精度, 避免白色目标的误分.最后, 通过分割结果中的天空区域, 准确地计算大气光, 实施去雾.在500幅仿真图像及真实图像上的测试结果表明, 该算法较已有去雾算法的去雾精度至少提高7%, 运行时间至少缩短了约15%, 可用于交通监控系统的图像去雾处理中.

根据数字图像本质上具有模糊的特性,分析了传统模糊熵阈值方法的缺陷,提出了最大模糊相关准则快速阈值分割方法。首先应用模糊隶属度函数把数字图像转换到模糊域,然后根据相关的定义计算图像直方图目标与背景的模糊相关总量,并依据最大模糊相关准则自动选取最佳阈值。另外,为了缩短最佳阈值获取时间,应用差分演化算法对模糊隶属度函数参数进行寻优。最后在真实图像上与其它几种典型的阈值法进行了对比实验,实验表明所提方法能获得较好的分割结果,满足实时性需求。