通過對灰度投影法原理的分析，可知灰度投影算法要求圖像有一定的對比度，當圖像灰度值單一并且對比度差時，利用灰度投影算法對圖像匹配會造成投影曲線很平，相關運算后波谷段平緩不易找到，難以找到正確的運動矢量。而雨霧天氣是車輛外出常常碰到的情況，惡劣天氣也給投影算法帶來很大影響。因此，需要對圖像進行預處理。傳統的預處理方法是通過直方圖均衡化進行，但這種方法存在丟失細節和過分增強的缺點，在增強圖像對比度的同時也增強了圖像的噪聲，給后續算法在運動矢量估計的精度上產生很大影響。因此，本文采用小波的方法，即圖像經過小波變換分解為低頻部分和高頻部分，然后單獨對高頻部分圖像的邊緣進行加強。具體實現方法如下：

　　(1)選擇Haar小波對圖像進行分解，得到圖像的低頻子圖和高頻子圖;

　　(2)利用公式

(σ為噪聲標準方差，N為信號的長度)確定閥值λ;

?

　　(3)對高頻子圖按上述閥值進行邊沿檢測并標記;

　　(4)對標記的邊緣進行加強，對不是邊緣的置零。

　　采用上述方法進行實驗，結果如圖2所示：

?

　　圖2 圖像增強效果對比

　　通過以上結果可以看出，直方圖均衡化在整體增強圖像的同時，也對圖像噪聲進行了增強，圖像邊緣清晰度較差，圖像偏暗;而采用小波邊緣增強法處理的圖像，沒有很明顯的噪聲影響，同時圖像細節也很好地保留下來而且圖像對比度也得到了增強。

　　2 雨霧天氣下車載視頻穩像的實驗

　　2.1 實驗方法

　　選取一段手動添加抖動的公路路段視頻進行試驗，以OpenCV結合VC++6.0作為軟件開發平臺編寫車載穩像算法，對視頻進行處理，最后將視頻輸出到顯示器上顯示。

　　2.2 運動矢量的估計

　　選用經過預處理后的相鄰兩幀圖像根據公式(1)(2)進行投影變換，然后采用公式(3)計算兩幀圖像的行、列相關曲線。仿真結果如圖3所示：

?

　　圖3 兩種情況下的運動矢量估計

　　實驗中手動加入的水平和垂直方向的抖動量分別為-9和12;而實驗結果顯示，對未經預處理的霧天圖像，由于對比度很差，采用灰度投影直接對其進行運動矢量檢測時，檢測到的水平和垂直方向的運動矢量分別為-3和5，誤差較大;而圖3(b)是經過均衡化處理后，檢測到的水平和垂直方向運動矢量為-6和8，精度有所提高;最后圖3(c)是采用小波邊緣增強法對圖像進行對比度提高，檢測的水平和垂直方向的運動偏移量分別為-7和10，雖然還不能完全準確地檢測出實際偏移的運動矢量，但精度要高于直方圖均衡化處理后的檢測結果。