DriveClear — 驾驶视界增强系统

ECE4512 数字图像处理 · 2025 Final Project

作者：韩廷欣 (124090173) · 陈廷俊 (124090090)

行车视频的「全能滤镜」—— 自动识别并修复雾霾 / 眩光 / 低光照，让每帧画面都接近晴日白天的质量。

---

目录

• 解决的问题
• 算法管线
• 效果概览
• 快速开始
• 项目结构
• API 接口
• 评估与消融
• 技术栈
• 时间线

---

🎯 解决的问题

行车记录仪和 ADAS 摄像头在恶劣天气下画质断崖式下降，而现有方法只处理单一退化：

退化类型	现有方法局限	DriveClear 方案
🌫️ 雾霾	DCP 单帧去雾无法用时序信息，雾重区域色彩失真	时域雾层估计 + DCP 自适应融合
☀️ 镜头眩光	传统方法难以去除光晕，易产生黑色伪影	亮通道检测 + 局部亮度抑制 + 时域插值
🌙 低光照	CLAHE/Retinex 单一增强过度放大噪声	Retinex 分解 + 照明层伽马 + 噪声感知增益控制
🌪️ 混合退化	现有工具只能处理一种，无法应对同时出现的多种退化	可插拔流水线 + 帧级退化检测自动调度

核心创新：

• 前景/背景解耦的轻量多帧融合去雾（运动区域用时域减法，静止区用 DCP）
• 运动蒙版增强（增强增量仅作用于亮度通道的检测运动区域）
• 帧级退化检测 + 自动模块路由（无需用户选择算法）
• 零机器学习依赖（纯 OpenCV + NumPy 传统图像处理）

---

🏗️ 算法管线

输入帧 F(t)
   │
   ▼
┌──────────────────────────────┐
│ 退化检测器                   │
│ → 雾浓度/眩光/亮度 统计评分   │ ← 新增 M5
└──────┬───────────────────────┘
       │ (根据退化类型自动路由)
       │
       ├── 🌫️ 去雾 ────────────────────┐
       │   Phase1: 时域雾层估计 (M1)    │
       │   Phase2: DCP 去雾 (M1)       │
       │   Phase3: 自适应融合 (M2)      │
       │   └── Phase4: 亮度增强 (M2)    │
       │
       ├── ☀️ 眩光抑制 (M3) ─── 新增 ───┤
       │   亮通道检测 → 局部压低 → 时域插值 │
       │
       ├── 🌙 低光照增强 (M4) ─ 新增 ───┤
       │   Retinex 分解 → 伽马 → CLAHE  │
       │
       └── 🌪️ 混合退化 ─── 编排器调度 ──┘
                      │
              增强帧输出

各模块详情

模块	方法	文件
M1 时域雾层估计	运行式最小值跟踪，O(1) 每像素	algorithms/frame_diff.py
M1 暗通道先验去雾	DCP [He et al. 2009] + 引导滤波/快速模式	algorithms/dehaze.py
M2 自适应融合	sigmoid 运动幅值融合 temporal/DCP	algorithms/enhance.py
M2 亮度增强	Lab-L 通道 CLAHE + Unsharp + 自适应伽马	algorithms/enhance.py
M3 眩光抑制 🔥	亮通道检测 + 连通区域分析 + 亮度压低	algorithms/glare.py
M4 低光增强 🔥	Retinex 分解 + 照明层伽马 + 噪声感知	algorithms/low_light.py
M5 退化检测 🔥	中段漂白率 + 垂直对比度衰减 + 暗像素统计	algorithms/degradation_detector.py
M6 管线编排 🔥	可插拔配置 + auto_detect 路由	services/processing_service.py

🔥 = 本课题新增模块

---

📊 效果概览

在合成测试集上的定量评估（clean → degraded → enhanced，PSNR/SSIM）：

场景	PSNR ↑	SSIM ↑
🌫️ 雾霾	17.27 dB	0.777
☀️ 眩光	20.39 dB	0.785
🌙 低光照	9.96 dB	0.677
🌪️ 混合退化	13.41 dB	0.770

低光 PSNR 较低是正常现象：将暗帧从均值≈15 提亮到≈80 大幅改变了像素绝对值，但结构相似度 SSIM=0.68 说明纹理被很好地保留。

---

🚀 快速开始

环境要求

组件	版本	说明
Python	≥ 3.11	后端运行环境
Node.js	≥ 18	前端构建环境
npm	≥ 9	前端包管理

后端启动

cd backend

# 创建虚拟环境（推荐）
python -m venv .venv
# Windows
.venv\Scripts\activate
# Linux/Mac
source .venv/bin/activate

# 安装依赖
pip install -r requirements.txt

# 启动服务
python main.py
# → http://localhost:8000
# → API 文档: http://localhost:8000/docs

前端启动

cd frontend

npm install
npm run dev
# → http://localhost:5173

使用流程

1. 浏览器打开 http://localhost:5173
2. 拖拽或点击上传行车视频（.mp4 / .avi / .mov，最大 500MB）
3. 调节算法参数（或保持默认）
4. 点击「开始处理」
5. 等待处理完成 → 对比预览 → 下载增强结果

---

📁 项目结构

fog-drive-enhancer/
├── frontend/                          # React 前端
│   └── src/
│       ├── App.tsx                    # 主布局（上传→处理→预览→导出）
│       ├── components/
│       │   ├── VideoUploader.tsx      # 拖拽上传
│       │   ├── VideoPlayer.tsx        # 原片/增强对比播放
│       │   ├── ControlPanel.tsx       # 算法参数调节
│       │   └── VideoExport.tsx        # 下载/清理
│       ├── api/index.ts               # FastAPI 通信层
│       └── types/index.ts             # 类型定义
├── backend/                           # Python 后端
│   ├── main.py                        # FastAPI 入口 + REST 路由
│   ├── requirements.txt               # 依赖清单
│   ├── algorithms/
│   │   ├── frame_diff.py              # M1: 时域雾层估计
│   │   ├── dehaze.py                  # M1: DCP 去雾
│   │   ├── enhance.py                 # M2: 融合 + 增强
│   │   ├── degradation_detector.py    # M5: 退化检测器 🔥
│   │   ├── glare.py                   # M3: 眩光抑制 🔥
│   │   └── low_light.py               # M4: 低光增强 🔥
│   ├── services/
│   │   ├── video_service.py           # 视频 I/O 封装
│   │   └── processing_service.py      # M6: 管线编排 🔥
│   └── scripts/
│       ├── evaluate.py                # M7: 定量评估框架
│       ├── baselines.py               # M8: 基线对比脚本
│       └── ablation.py                # M9: 消融实验框架
├── docs/
│   ├── PROJECT.md                     # 项目说明
│   ├── PRD.md                         # 技术 PRD
│   ├── product/                       # 产品设计文档
│   └── delivery/logs/                 # 开发日志
└── ops/
    └── RUNBOOK.md                     # 运维手册

---

🔌 API 接口

方法	路径	说明
GET	/api/health	健康检查
POST	/api/upload	上传视频
POST	/api/process/{id}	开始处理（可传 config）
POST	/api/process/{id}/cancel	取消处理
GET	/api/status/{id}	查询进度
GET	/api/download/{id}	下载结果
GET	/api/preview/{id}	预览图
DELETE	/api/cleanup/{id}	清理文件

处理参数（POST /api/process/{id} 的 JSON body）：

{
  "config": {
    "enable_fog": true,
    "enable_glare": true,
    "enable_low_light": true,
    "auto_detect": true,
    "omega": 0.95,
    "clahe_clip": 2.0
  }
}

---

📈 评估与消融

运行基线对比

# 对比 4 种方法：DCP-only / CLAHE-only / Retinex / DriveClear
python backend/scripts/baselines.py input.mp4 eval_results/ [original.mp4]

运行消融实验

# 8 种配置逐一 disable 模块，量化各模块贡献
python backend/scripts/ablation.py input.mp4 ablation_results/ [original.mp4]

消融配置包括：full、no_fog、no_glare、no_ll、no_fusion、no_enhance、dcp_only、none

单次评估

# PSNR / SSIM / MSE / RMSE
python backend/scripts/evaluate.py original.mp4 enhanced.mp4 report.json

---

🧰 技术栈

层	技术	用途
前端框架	React 18 + Vite + TypeScript	UI
UI 组件	Ant Design 5.x	交互控件
HTTP 通信	Axios + FastAPI	前后端通信
视频处理	OpenCV 4.9 (cv2)	帧读写、滤波、色彩空间
数值计算	NumPy 1.26	矩阵运算、统计
图像评估	scikit-image 0.23	PSNR / SSIM
后端服务器	Uvicorn	ASGI 服务

约束： 本项目为数字图像处理课程项目，不使用任何机器学习/深度学习方法。

---

📅 时间线

阶段	任务	状态
W1 (6/23-6/29)	文献调研，DCP 去雾基线，全栈脚手架	✅
W2 (6/30-7/6)	眩光去除，低光增强，退化检测器	✅
W3 (7/7-7/13)	管线集成，基线对比，消融实验	进行中
W4 (7/14-7/20)	定量评估，报告撰写，PPT 准备	🔜

---

📄 许可证

本项目仅用作 ECE4512 数字图像处理 课程 Final Project 的学术展示。