人类正在进入信息时代,数学的应用无处不在。随着计算机越来越深入的走进我们的生活,人们已经掌握一些通过应用数学知识解决具体计算机视觉任务的方法,如室内监控系统、驾驶辅助系统等。基于计算机视觉技术的驾驶辅助系统(Advanced Driving Assistance System,简称ADAS)通过分析图像信息来告知驾驶员当前的交通状况,并且对潜在的危险及时提出预警。然而,由于车载相机长期处于室外环境,容易受到附着在镜头上的污点遮挡(如泥浆、树叶等)的影响,这会导致系统由于无法获取完整、真实的外界信息而发生误判。因此,污点检测对整个系统能否正常工作起到至关重要的作用。本文围绕车载环境下相机的污点检测问题展开研究。由于污点检测是在行车过程中完成的,且污点的形状、大小以及位置均不确定,这为污点检测带来一定的困难。本文提出一种基于边缘散焦模型的污点检测算法,应用污点自身的边缘以及区域特征对其进行检测。本文依据散焦成像模型,根据污点由于散焦而导致边缘模糊的现象,提取边缘散焦度来描述污点的边缘特征。此外,本文考虑污点区域内部灰度在空间上的相关性,提取灰度共生矩阵的特征参数(包括对比度参数、相关性参数以及同质性参数)对污点的区域特征进行描述。本文首先应用污点的边缘特征,选取污点候选边缘点,再以其为种子点,依据迭代的区域生长算法生成污点候选区域。然后,借助融合特征参数来综合三个特征参数的信息,应用污点的区域特征,建立融合特征参数的概率模型,对污点候选区域进行进一步验证,得到基于单帧的验证结果。最后,为了减少单帧检测中误检和漏检的情况,本文应用多帧融合的方法,获取多帧条件下的污点候选区域,并对其进行逐像素点的验证,得到较单帧验证更为精确的多帧检测结果。通过在不同条件、场景下进行的实验,验证本文提出的污点检测算法适用于室外车载环境,不受复杂背景的干扰,检测精度高,效果好。能够在车辆行驶过程中或泊车时完成实时污点监测。