一种基于亮度基准漂移的全天候交通图像增强方法专利检索-均值漂移过程视听技术与设备专利检索查询-专利查询网

一种基于 亮度基准漂移的全天候交通图像增强方法

阅读：1005发布：2020-10-12

专利汇可以提供一种基于亮度基准漂移的全天候交通图像增强方法专利检索，专利查询，专利分析的服务。并且本发明公开了一种基于亮度基准漂移的全天候交通图像增强方法，充分考虑监控图像与光照强度和拍摄时间之间的相互关系，分析光照的总体变化和实时变化，分别得到亮度基准曲线和亮度实时反馈，并加权得到当前时刻的亮度基准值，在对交通监控图像增强之前，先把图像从RGB色彩空间转换到HSV色彩空间，在保持图像色度信息不变的基础上，运用亮度基准值对亮度分量分割，得到低亮度区和高亮度区，并分别求取每个亮度级的漂移参数，每个亮度级乘以对应亮度级的漂移参数得到增强后的亮度级，最后图像转换到RGB色彩空间得到增强后的图片。利用本发明对全天候实时监控图像尤其是顺逆光情况下图像进行处理，可以为用户提供对比度更清晰，有用信息更突出的图像。，下面是一种基于亮度基准漂移的全天候交通图像增强方法专利的具体信息内容。

权利要求

1.一种基于亮度基准漂移的全天候交通图像增强方法，其特征在于，包括以下步骤：
步骤1：获取原始交通图像；
步骤2：把原始交通图像从RGB色彩空间转换到HSV色彩空间；
步骤3：提取HSV色彩空间交通图像的亮度分量通道数据；
步骤4：根据光照的总体变化得到亮度变化曲线，根据光照的实时变化得到亮度实时反馈，把两者加权后得到监控时刻的亮度基准值；
步骤5：根据亮度基准值将亮度分量通道数据分割为高亮度区和低亮度区，分别对高亮度区和低亮度区每个亮度级计算其相应的漂移参数，然后，每个亮度级乘以对应的漂移参数得到增强后新的亮度级；
步骤6：将新的亮度级分量和原始的色度分量和饱和度分量组合并转换到RGB色彩空间得到原始交通图像最后增强的彩色图像。
2.根据权利要求1所述的基于亮度基准漂移的全天候交通图像增强方法，其特征在于：所述的亮度基准值，其晚上的亮度基准值为定值，白天的亮度基准值视路口朝向的不同成不同形式的高斯分布。
3.根据权利要求1或2所述的基于亮度基准漂移的全天候交通图像增强方法，其特征在于：所述的亮度基准值，其具体确定过程为：
晚上的平均亮度基本保持不变，晚上的亮度基准值设为定值，即：L(t)=c；
白天的亮度基准值视路口的朝向有所差异，南北向路口，中午时刻视频场景最亮，早晨和傍晚场景较暗，亮度基准值的变化从低到高再到低，整个过程用高斯函数来表示：
* 2 2
L(t)=l0exp（-（t-μ）/2σ）
其中l0为光照最强时刻的亮度基准值，μ为亮度曲线均值，σ为亮度曲线的标准差，σ的选择依据以下原则：设白天是从时刻t0到t1，则t0至t1包括了整个白天过程，而高斯分布的横轴区间（μ-2.58σ，μ+2.58σ）占据了整个分布的99.7%以上比例，所以σ=(t1-t0)/(2.58*2)；
东西向路口存在顺逆光的情况，若相机朝西，上午顺光，图像整体很亮，为了使图像在一个合理的亮度范围，亮度基准应该降低，下午逆光，图像在光照直射区域很亮，在阴影区域很暗，而在监控中车牌及车身其它有用信息都集中在阴影区，所以亮度基准应该提高；相机朝东时反之，这种顺逆光的影响用顺逆光补偿函数来描述：
*
COM(t)=λsin(w(t-ts))c0
其中λ为补偿系数，相机朝西时为正值，朝东时为负值，w为补偿函数的角频率，ts为光补偿的起始时刻，若te为光补偿的终止时刻，则w=2π/（te-ts）；c0为补偿基准值；
由上述，可以得知东西向路口t时刻图像的亮度基准曲线L（t）可以表示为：
4.根据权利要求1所述的基于亮度基准漂移的全天候交通图像增强方法，其特征在于：步骤5所述得到增强后新的亮度级，其具体实现过程为：亮度基准值左侧的区域定义为低亮度区域，亮度基准值右侧的区域定义为高亮度区域，先求取图像亮度均值其中，i为亮度值，s(i)为亮度值为i的像素数，mp为图像的亮度均值；然后求取低亮度区偏移参数和高亮度区域的偏移参数其中，l0为步骤4所
得图像采集时刻的亮度基准值，mp为图像的亮度均值，α为亮度基准值左侧的漂移参数，β为亮度基准值右侧的漂移参数；对亮度基准值左侧和右侧区域的亮度级分别乘以漂移参数α和β得到增强后的新的亮度级。

说明书全文

一种基于亮度基准漂移的全天候交通图像增强方法

技术领域

[0001] 本发明属于智能交通系统领域，涉及一种基于亮度基准漂移的全天候交通图像增强方法，是一种实现交通图像增强的快速有效方法。

背景技术

[0002] 交通图像增强是为了增强交通图像中的有用信息，比如图像中的人或车，增强的目的是要改善图像的视觉效果，针对特定的场合，有目的地强调图像的整体或局部特性，将交通图像中原来不清晰的变得清晰或强调某些感兴趣的特征，比如图像中的车牌或人的面部特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足实际交通监控分析的需要。随着智能交通领域的飞速发展，基于视频监控的图像处理和计算机视觉等问题也成为近年来研究的热门问题。对于智能交通视频监控的研究已经有几十年的时间，在理论研究和实际开发方面都取得了一定的进展。交通图像与其他图像相比有其特殊性，交通图像受光照和天气的变化影响较大，并且特定方向采集的图像会有顺逆光情况，顺光时图像整体很亮，逆光时高光区很亮，阴影区很暗。如何在全天候各种天气条件下对交通图像有效增强，成为当今智能交通系统和图像处理领域非常棘手的问题。

[0003] 亮度是指发光体（反光体）表面发光（反光）强弱的物理量。人眼从一个方向观察光源，在这个方向上的光强与人眼所“见到”的光源面积之比，定义为该光源单位的亮度，即单位投影面积上的发光强度。亮度也是颜色的一种性质，或与颜色明亮有关系的色彩空间的一个维度。一般亮度被定义来反映人类的主观明亮感觉。根据人眼机理及人的视觉模型，人眼感知的主观亮度和实际的客观亮度之间并非完全相同。

[0004] 不同色彩空间的亮度都表征图像色彩的明亮程度，是图像的一个重要特征。亮度值越大，图像越明亮，亮度值越小，图像越黑暗。亮度基准则是图像的一个亮度参考值，基于亮度基准值的变化则是随着亮度参考值的变化。

[0005] 目前，一般的图像增强方式都是依据图像的亮度及色彩信息进行增强，忽略了光照随时间的固定变化趋势和光照的实时反馈结果。

[0006] 事实上，为了提高图像的增强的效果，交通图像增强的方法需要考虑图像与光照强度、拍摄时间之间的相互联系，并且能够在不同光照、不同天气条件下选择最佳参数进行自适应增强，才能大大提高图像增强的效果。

发明内容

[0007] 为了解决上的技术问题，本发明提出了一种考虑了图像与光照强度、拍摄时间之间的相互联系，并且能够在不同光照、不同天气条件下选择最佳参数进行自适应增强的基于亮度基准漂移的全天候交通图像增强方法。本方法应用于交通图像增强，对比常用方法，增强效果更明显，有用信息更突出。

[0008] 本发明所采用的技术方案是：一种基于亮度基准漂移的全天候交通图像增强方法，其特征在于，包括以下步骤：

[0009] 步骤1：获取原始交通图像；

[0010] 步骤2：把原始交通图像从RGB色彩空间转换到HSV色彩空间；

[0011] 步骤3：提取HSV色彩空间交通图像的亮度分量通道数据；

[0012] 步骤4：根据光照的总体变化得到亮度变化曲线，根据光照的实时变化得到亮度实时反馈，把两者加权后得到监控时刻的亮度基准值；

[0013] 步骤5：根据亮度基准值将亮度分量通道数据分割为高亮度区和低亮度区，分别对高亮度区和低亮度区每个亮度级计算其相应的漂移参数，然后，每个亮度级乘以对应的漂移参数得到增强后新的亮度级；

[0014] 步骤6：将新的亮度级分量和原始的色度分量和饱和度分量组合并转换到RGB色彩空间得到原始交通图像最后增强的彩色图像。

[0015] 作为优选，所述的亮度基准值，因晚上的平均亮度基本保持不变，故晚上的亮度基准值为定值，白天的亮度基准值视路口朝向的不同成不同形式的高斯分布。

[0016] 作为优选，所述的亮度基准值，其具体确定过程为：

[0017] 晚上的平均亮度基本保持不变，晚上的亮度基准值设为定值，即：L(t)=c；

[0018] 白天的亮度基准值视路口的朝向有所差异，南北向路口，中午时刻视频场景最亮，早晨和傍晚场景较暗，亮度基准值的变化从低到高再到低，整个过程用高斯函数来表示：

[0019] L(t)=l0*exp（-（t-μ）2/2σ2）

[0020] 其中l0为光照最强时刻的亮度基准值，μ为亮度曲线均值，σ为亮度曲线的标准差，σ的选择依据以下原则：设白天是从时刻t0到t1，则t0至t1包括了整个白天过程，而高斯分布的横轴区间（μ-2.58σ，μ+2.58σ）占据了整个分布的99.7%以上比例，所以σ=(t1-t0)/(2.58*2)；

[0021] 东西向路口存在顺逆光的情况，若相机朝西，上午顺光，图像整体很亮，为了使图像在一个合理的亮度范围，亮度基准应该降低，下午逆光，图像在光照直射区域很亮，在阴影区域很暗，而在监控中车牌及车身其它有用信息都集中在阴影区，所以亮度基准应该提高；相机朝东时反之，这种顺逆光的影响用顺逆光补偿函数来描述：

[0022] COM(t)=λsin(w(t-ts))*c0

[0023] 其中λ为补偿系数，相机朝西时为正值，朝东时为负值，w为补偿函数的角频率，ts为光补偿的起始时刻，若te为光补偿的终止时刻，则w=2π/（te-ts）；c0为补偿基准值。

[0024] 由上述，可以得知t时刻图像的亮度基准曲线L（t）可以表示为：

[0025]

[0026] 作为优选，步骤5所述的得到增强后新的亮度级，其具体实现过程为：亮度基准值左侧的区域定义为低亮度区域，亮度基准值右侧的区域定义为高亮度区域，先求取图像亮度均值其中i为亮度值，s(i)为亮度值为i的像素数，mp为图像的亮度均值，然后求取低亮度区偏移参数和高亮度区域的偏移参数其中，l0为
步骤4所得图像采集时刻的亮度基准值，mp为图像的亮度均值，α为亮度基准值左侧的漂移参数，β为亮度基准值右侧的漂移参数，对亮度基准值左侧和右侧区域的亮度级分别乘以漂移参数α和β得到增强后的新的亮度级。

[0027] 与现有的图像增强方法对比，本发明提出的利用亮度基准漂移来实现交通图像增强的方法具有以下优点：

[0028] 光照强度随时间的变化过程是影响图像特性的一个重要因素。传统的图像增强方法仅仅依靠图像本身的亮度和色彩信息增强，丢失了图像随时间变化的动态信息，对顺逆光情况及其他复杂多变的实际情况难以取的理想的增强效果。基于亮度基准漂移的交通图像增强的方法，在增强的同时考虑图像随时间的总体变化趋势和图像实时的细微变化，通过总体变化趋势和实时的变化反馈得到增强时刻最佳的亮度基准值，然后依据其选择最佳系数增强，大大提高了对各种复杂环境的适应性，该方法对有效的进行交通图像增强起到了至关重要的作用。附图说明

[0029] 图1：为本发明的基于自适应亮度基准漂移的交通图像增强方法流程图。

[0030] 图2：为本发明实施例的亮度基准值曲线模型示意图。

具体实施方式

[0031] 以下结合附图和具体实施例对本发明做进一步的说明。

[0032] 请见图1，本发明所采用的技术方案是：一种基于亮度基准漂移的全天候交通图像增强方法，包括以下步骤：

[0033] 步骤1：获取原始交通图像。

[0034] 步骤2：把原始交通图像从RGB色彩空间转换到HSV色彩空间。

[0035] 步骤3：提取HSV色彩空间交通图像的亮度分量通道数据。

[0036] 步骤4：根据光照的总体变化得到亮度变化曲线，根据光照的实时变化得到亮度实时反馈，把两者加权后得到监控时刻的亮度基准值；

[0037] 请见图2，为本发明实施例的亮度基准值曲线模型示意图，λ=0所示曲线为相机南北朝向时亮度基准值曲线；λ>0所示曲线为相机朝西时亮度基准值曲线；λ<0所示曲线为相机朝东时亮度基准值曲线；亮度基准值曲线表明了光照强度随时间的总体变化趋势，每一个时刻都有一个大致的亮度参考值，定义为当前时刻的亮度基准值；

[0038] 亮度基准值的具体确定过程为：

[0039] 晚上的平均亮度基本保持不变，晚上的亮度基准值可以设为定值，即：L(t)=c（c为晚上亮度基准定值）。

[0040] 白天的亮度基准值视路口的朝向有所差异。南北向路口，中午时刻视频场景最亮，早晨和傍晚场景较暗，亮度基准值的变化从低到高再到低，整个过程可以用高斯函数来表示：

[0041] L(t)=l0*exp（-（t-μ）2/2σ2）

[0042] 其中l0为光照最强时刻的亮度基准值，μ为亮度曲线均值，σ为亮度曲线的标准差，σ的选择依据以下原则：设白天是从时刻t0到t1，则t0至t1包括了几乎整个白天过程，而高斯分布的横轴区间（μ-2.58σ，μ+2.58σ）占据了整个分布的99.7%以上比例，所以σ=(t1-t0)/(2.58*2)。

[0043] 东西向路口存在顺逆光的情况，若相机朝西，上午顺光，图像整体很亮，为了使图像在一个合理的亮度范围，亮度基准应该降低，下午逆光，图像在光照直射区域很亮，在阴影区域很暗，而在监控中车牌及车身其它有用信息都集中在阴影区，所以亮度基准应该提高；相机朝东时反之。这种顺逆光的影响用顺逆光补偿函数来描述：

[0044] COM(t)=λsin(w(t-ts))*c0

[0045] 其中λ为补偿系数，相机朝西时为正值，朝东时为负值，w为补偿函数的角频率，ts为光补偿的起始时刻，若te为光补偿的终止时刻，则w=2π/（te-ts）；c0为补偿基准值。

[0046] 由上述，可以得知t时刻图像的亮度基准曲线L（t）可以表示为：

[0047]

[0048] 亮度基准值曲线中，不同天气及光照条件下同一时间段内图像会有较大差别，仅仅采用亮度基准值曲线来确定亮度基准值可能会使图像与实际图像偏差较大。本发明采用亮度实时反馈来辅助判断亮度基准值，首先根据亮度基准曲线得到该时刻的亮度基准值L（t），然后计算当前图像亮度均值μ和亮度基准值L（t）之间的偏差E=μ-L（t），则图像的亮度修正量为：ΔB(t)=ηE，其中η为修正步长，E为当前图像亮度均值和亮度基准值之间的偏差。在实际中，由于光照的剧烈变化或运动物的干扰，前后两帧亮度差异可能较大，为了使亮度修正量趋于一个平稳的变化，在修正量中加上前一次的亮度修正量，定义为惯性项，即：ΔBk(t)=ηE+αΔBk-1(t)，其中ΔBk(t)为当前帧亮度修正量，ΔBk-1(t)为上一帧亮度修正量，α为惯性项系数，其取值在0～1之间。

[0049] 最终的自适应亮度基准值由亮度曲线和亮度实时反馈相加得到：

[0050] L（t）B(t)=L（t）+ΔBk(t)

[0051] 步骤5：根据亮度基准值将亮度分量通道数据分割为高亮度区和低亮度区，分别对高亮度区和低亮度区每个亮度级计算其相应的漂移参数，然后，每个亮度级乘以对应的漂移参数得到增强后新的亮度级；

[0052] 亮度基准值左侧的区域定义为低亮度区域，亮度基准值右侧的区域定义为高亮度区域，先求取图像亮度均值其中i为亮度值，s(i)为亮度值为i的像素数，mp为图像的亮度均值，然后求取低亮度区偏移参数和高亮度区域的偏移参数其中，l0为步骤4所得图像采集时刻的亮度基准值，mp为图像的亮度均值，α为亮度基准值左侧的漂移参数，β为亮度基准值右侧的漂移参数，对亮度基准值左侧和右侧区域的亮度级分别乘以漂移参数α和β得到增强后的新的亮度级。

[0053] 步骤6：将新的亮度级分量和原始的色度分量和饱和度分量组合并转换到RGB色彩空间得到原始交通图像最后增强的彩色图像。

[0054] 以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，因此，凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

标题	发布/更新时间	阅读量
一种基于行为的室内定位和地标语义标识的方法	2020-05-14	204
一种水下航行器的水下信标定位方法	2020-05-14	82
一种用于水损害检测的探地雷达图谱自适应选取方法	2020-05-08	564
一种基于海洋环境噪声的声学监测系统及方法	2020-05-15	270
眼部疲劳度检测系统及方法	2020-05-08	737
一种多MEMS传感器组合测姿方法	2020-05-14	393
判断目标行人在非重叠相机视角中出现的匹配方法	2020-05-11	320
结合判别式深度置信网络和主动学习的心电分类方法	2020-05-13	453
融合时空聚类和支持向量机的居民出行特征提取方法	2020-05-14	117
一种改进SPC的小区供水漏损监测预警方法	2020-05-15	678

一种基于亮度基准漂移的全天候交通图像增强方法

一种基于亮度基准漂移的全天候交通图像增强方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：