基于環境因素的圖像光線強度動態校正方法技術

本發明專利技術設計基于環境因素的圖像光線強度動態校正方法，將圖像進行反轉處理，通過圖像反轉突出顯示關鍵區域；將圖像分割成NN的子圖塊進行處理，N取9；對子圖塊進行冪次變換；對子圖塊進行灰度映射變換；對子圖塊進行直方圖處理；對子圖塊進行直方圖動態模糊均衡化；使用混合空間處理法分別對子圖塊進行掩模濾波處理；使用Lucy_Richardson濾波器對每一個NN的子圖塊進行迭代處理；使用動態模糊邏輯理論對上述子圖塊進行冪次變換和對上述子圖塊進行直方圖動態模糊均衡化分別計算優化，優化標準是根據子圖塊所攜帶的信息熵為最大時判斷為最優，將圖像再進行反轉處理輸出最終圖像。本發明專利技術有效提高圖像的信息熵，達到良好的光線校正效果。

【技術實現步驟摘要】

本專利技術涉及一種固定場景圖像的自適應動態校正方法，具體涉及基于環境因素的 圖像光線強度動態校正方法，屬于圖像處理技術中光線強度校正領域。
技術介紹
隨著經濟的快速發展和城市規模的不斷擴大，機動車輛的數目也在急速增長，然 而交通建設和人們的交通法制意識卻相對滯后，交通違章肇事頻頻發生，給交通監管部門 提出了更高的要求。交通視頻中機動車輛檢索系統的應用，不僅能夠為城市的交通規劃提 供第一手的數據，也能夠為交管部門和公安部門追查肇事違章車輛提供極大的便利。計算機視覺和模式識別技術的不斷發展，為以圖像理解為基礎的智能交通系統進 入實際應用提供了良好發展契機。基于圖像理解的車輛檢測、跟蹤及分類技術的研究與發 展為交通信息的采集與分析提供了一條良好途徑，這些技術可廣泛地應用于車輛收費、道 路監控、大型停車場以及提高公路利用效率等領域，是基于計算機視覺的智能交通系統中 的關鍵技術，也是目前智能交通系統研究的熱點。由于交通圖像的采集設備固定，而環境因素復雜多變，特別是光照因素對圖像的 分割、檢測影響極大，最終導致識別效果與實際情況不一致。不同時間段光照對交通圖像的 影響極大。例如白天、傍晚、夜晚、強烈日光、汽車車燈、路面反光等。因此將一幅圖像的光 線根據其環境和時間段進行光線校正，使之包含特征清晰，不乏細節表述，對交通圖像的識 別與理解具有重要意義。傳統的圖像校正技術只要集中于去噪，使用統一的閾值對整幅圖像進行處理。首 先選用一定尺寸的模板，要處理的象素點位于模板的中心，隨著模板的移動，完成對所有像 素的濾波。第一種線性平滑空間濾波器實際是對模板所包含的像素的簡單平均，即均值濾 波器；第二種線性平滑空間濾波器實際是對模板所包含的像素的加權平均，即加權均值濾 波器，這兩種濾波器的缺點是造成圖像邊緣模糊。最常用的非線性排序統計濾波器是中值 濾波器，它是用像素鄰域內灰度的中值來代替該像素的值，中值濾波器對處理椒鹽噪聲非 常有效。中值濾波器的缺點是對所有象素點采用一致的處理，在濾除噪聲的同時有可能改 變真正象素點的值，引入誤差，損壞圖像的邊緣和細節，不能滿足識別的要求。由于交通圖像的特殊性和復雜性，這些傳統的技術在圖像的去噪過程中都不能發 揮很好的作用。首先，由于同一圖像采集點在不同時間段采集的圖像質量相差很大，如中午 的陽光，傍晚路燈與日光的混合光，夜晚車輛車燈的光所照射的角度與強度大不一樣，若遇 上雨天，路面的反光照片的識別影響極大。將所圖像不分其所處環境就直接用一個平均數 值調整圖像的光線強度，其效果相當差，還會帶來重要物體特征信息的丟失。因此針對不同 環境光線強度不同，同一圖像內部，不同位置的光線強度也不同，校正時的方法和反饋信息 的獲取至關重要。因而，需要一種新的方法對交通圖像的光線強度進行校正，在此基礎上對圖像中 的關鍵特征進行提取，以構建交通圖像識別系統，對智能交通系統的構建起到推進作用。近年來，圖像處理在頻率域和空間域都有許多發展。但由于圖像的非結構化信 息的劃分標準是一個模糊概念，傳統的單一閾值處理已不能很好的處理包含復雜信息的圖 像。而具有處理過程的同步動態性的動態模糊理論的創立對解決此類非結構化數據的處理 問題提供了有力的理論支持。1965年，模糊集理論由美籍數學家Zadeh先生提出，該理論對解決靜態數據問題 提供了有效途徑，但現實中許多問題是動態發展的，因而Fanzhang Li教授在此基礎上提出 動態模糊邏輯理論對解決動態模糊問題提供了理論支持。
技術實現思路
本專利技術的目的是克服現有技術存在的不足，提供一種基于環境因素的圖像光線強 度動態校正方法。本專利技術的目的通過以下技術方案來實現，特點是包括下列步驟步驟(I):將圖像進行反轉處理，通過圖像反轉突出顯示關鍵區域，即原先光線較亮偏 白的區域轉化為光線較深偏黑的區域；步驟(2):將圖像分割成N*N的子圖塊進行處理，N取9 ;步驟(3):對子圖塊進行冪次變換；步驟(4):對子圖塊進行灰度映射變換；步驟(5):對子圖塊進行直方圖處理；步驟(6):對子圖塊進行直方圖動態模糊均衡化；步驟(7):使用混合空間處理法分別對子圖塊進行掩模濾波處理；步驟(8):使用Lucy_Richardson濾波器對每一個N*N子圖塊進行迭代處理；步驟(9):使用動態模糊邏輯理論對步驟(3)和步驟(6)分別計算優化，優化標準是根 據子圖塊所攜帶的信息熵為最大時判斷為最優；步驟(10):將圖像再進行反轉處理輸出最終圖像。進一步地，上述的，包括下列步驟 步驟(I):讀入圖片，并且對其進行圖像反轉變換，步驟為讀入圖片，圖片大小重新設置為1024像素長X 1024像素寬，灰度級范圍為的 圖像反轉表達式為s=L-l-r ；其中L代表最大灰度值，r表示處理前的像素值，s表示處理后的像素值；步驟(2):將圖像分割成NN的子圖塊進行處理；步驟(3):對子圖塊進行冪次變換，其基本形式為其中c和為正常數，冪次曲線中的部分值把輸入窄帶暗值映射到寬帶輸出值，>1的值 和〈I的值產生的曲線效果相反；當值從O. 7-0. 4時，圖像細節更為明顯，當值進一步降低到O. 3時背景中細節進一步 增強，但對比度開始降低，即背景不明顯；比較結果，看到對比度和肉眼可辨別細節的最好 效果在=0. 5 ；根據環境因素的不同的設置有所不同；(a)光線較弱時取O.2至O. 4之間的某一個數；(b)光線正常時取O.4至O. 6之間的某一個數；(c)光線較強時取O.6至O. 8之間的某一個數；步驟(4):對子圖塊進行灰度映射變換，將圖像中0-127間的所有灰度映射到一個灰度級；將129-255間的灰度映射為另一個灰度級，對關鍵光線區域產生切割效果；步驟(5):對灰度級范圍的子圖塊進行直方圖處理；權利要求1.，其特征在于包括下列步驟 步驟(I):將圖像進行反轉處理，通過圖像反轉突出顯示關鍵區域，即原先光線較亮偏白的區域轉化為光線較深偏黑的區域； 步驟(2):將圖像分割成N*N的子圖塊進行處理，N取9 ; 步驟(3):對子圖塊進行冪次變換； 步驟(4):對子圖塊進行灰度映射變換； 步驟(5):對子圖塊進行直方圖處理； 步驟(6):對子圖塊進行直方圖動態模糊均衡化； 步驟(7):使用混合空間處理法分別對子圖塊進行掩模濾波處理； 步驟(8):使用Lucy_Richardson濾波器對每一個N*N子圖塊進行迭代處理； 步驟(9):使用動態模糊邏輯理論對步驟(3)和步驟(6)分別計算優化，優化標準是根據子圖塊所攜帶的信息熵為最大時判斷為最優； 步驟(10):將圖像再進行反轉處理輸出最終圖像。2.根據權利要求1所述的，其特征在于包括下列步驟 步驟(I):讀入圖片，并且對其進行圖像反轉變換，步驟為 讀入圖片，圖片大小重新設置為1024像素長X 1024像素寬，灰度級范圍為的圖像反轉表達式為s=L-l-r ； 其中L代表最大灰度值，r表示處理前的像素值，s表示處理后的像素值； 步驟(2):將圖像分割成NN的子圖塊進行處理； 歩■ <3.):對子il塊S行憂次變換*箕基本爺式為S= CTr.其中e和X為IE常數，冪次曲線兮61￡轅Af-E復信硤魏到寬 喏 翁出 . >>1的 和&1的本文檔來自技高網...

【技術保護點】
基于環境因素的圖像光線強度動態校正方法，其特征在于包括下列步驟：步驟（1）：將圖像進行反轉處理，通過圖像反轉突出顯示關鍵區域，即原先光線較亮偏白的區域轉化為光線較深偏黑的區域；步驟（2）：將圖像分割成N*N的子圖塊進行處理，N取9；步驟（3）：對子圖塊進行冪次變換；步驟（4）：對子圖塊進行灰度映射變換；步驟（5）：對子圖塊進行直方圖處理；步驟（6）：對子圖塊進行直方圖動態模糊均衡化；步驟（7）：使用混合空間處理法分別對子圖塊進行掩模濾波處理；步驟（8）：使用Lucy_Richardson濾波器對每一個N*N子圖塊進行迭代處理；步驟（9）：使用動態模糊邏輯理論對步驟（3）和步驟（6）分別計算優化，優化標準是根據子圖塊所攜帶的信息熵為最大時判斷為最優；步驟（10）：將圖像再進行反轉處理輸出最終圖像。

【技術特征摘要】

【專利技術屬性】
技術研發人員：崔志明，張廣銘，吳健，楊元峰，
申請(專利權)人：蘇州普達新信息技術有限公司，
類型：發明
國別省市：