CN101794442B - 一种从可见光图像中提取光照不敏感信息的标定方法 - Google Patents

Abstract

一种从可见光图像中提取光照不敏感信息的标定方法，属于图像处理领域，本发明是为了解决提取一维光照恒常的“灰度”信息对相机的光感器件进行标定时，采用基于单幅图像的在线标定不够稳定的问题。本发明方法包括：一、对可见光图像进行基于颜色一致的图像分割；二、保留面积超过了整幅图像面积的0.0025区域；三、保留平滑度好的区域；四、建立颜色比对数空间坐标系；五、向过坐标零点、且与X轴正方向夹角为θ的直线投影，采用最大似然估计计算最佳拟合的正态分布及其相似程度；六、旋转α角度；七、判断α与h的乘积是否大于180度，是，执行八，否，执行五，八、用卡方检验判断出相似程度最好的直线作为提取光照不敏感信息的标定直线。

Description

一种从可见光图像中提取光照不敏感信息的标定方法

技术领域

本发明涉及一种从可见光图像中提取光照不敏感信息的标定方法，属于图像处理领域。

背景技术

从可见光图像中获取光照不敏感信息是一项重要的图像处理技术，该技术在计算机视觉领域有着广泛的应用，例如室外环境的视觉监控等。

目前，获取光照不敏感信息的主要途径是通过计算颜色恒常性，其中一类方法是通过修正多通道的颜色信息(如RGB)，使其变为某一标准光照下的图像信息，由于多维数据恢复本身是一种病态问题，因此，这种方法的应用受到了一定限制。另一类方法是一维光照恒常的“灰度”信息的提取，这种方法通过假设图像是在普朗克(Plank)光照条件下拍摄的、而且假定所用相机的光感器件是窄带(narrow band)响应的；虽然在实际应用中这些假设很难被满足，但是其所提取的颜色恒常性信息还是能满足应用要求的，因此这是一种非常有前途的光照不敏感信息提取方法。采用一维光照恒常的“灰度”信息需要对相机的光感器件进行标定，一般采用事先实验室标定或基于单幅图像的在线标定，前者限制了该方法的应用范围，后者应用灵活但现有方法不够稳定。

发明内容

本发明的目的是解决提取一维光照恒常的“灰度”信息对相机的光感器件进行标定时，采用基于单幅图像的在线标定不够稳定的问题，提供了一种从可见光图像中提取光照不敏感信息的标定方法。

本发明方法包括以下步骤：

步骤一、对可见光图像进行基于颜色一致的图像分割，获得多个分割区域C_i，其中，i＝1，2，……，m，m为正整数，

步骤二、对每个分割区域C_i的面积进行计算，如果分割区域C_i的面积超过了整幅图像面积的0.0025，则被保留，否则，舍弃该分割区域，

步骤三、对步骤二获取的面积超过了整幅图像面积的0.0025的分割区域C_i进行纹理的平滑度验证，平滑度满足标准方差小于8的分割区域C_i被保留，否则，舍弃该分割区域，

步骤四、建立颜色比对数空间坐标系，对步骤三保留下来的分割区域C_i中的每个像素点的RGB三维表示进行降维及对数变换处理，

步骤五、在步骤四建立的颜色比对数空间坐标系中，将步骤四降维处理过的每个分割区域C_i内的所有像素点分别向过坐标零点、且与X轴正方向夹角为θ的直线投影，完成第h次投影，采用最大似然估计来计算对所述投影分布最佳拟合的正态分布，并计算所述投影分布与所述最佳拟合的正态分布的相似程度，

步骤六、将所述直线沿逆时针旋转α角度，α为0.5度～2度，即：θ＝θ+α，

步骤七、判断所述直线旋转角度α与h的乘积是否大于180度，

判断结果为是，执行步骤八，判断结果为否，执行步骤五，进行下一次投影，

步骤八、用卡方检验判断出h次投影中所有分割区域C_i形成的投影与正态分布相似程度最好的直线作为提取光照不敏感信息的标定直线，完成从可见光图像中提取光照不敏感信息的标定，h为正整数，表示投影次数，初始值为0。

本发明的优点：采用本发明提出的本征图像投影方向的标定方法可以在非实验室环境和单幅图像上进行。该发明不需要特定及辅助的实验工具，方案简单、有效。

附图说明

图1是本发明方法的流程图，图2是具体实施方式一中所述的具体实施例中C₁区域的像素在颜色比对数空间的分布图，图3是具体实施方式一中所述的具体实施例中分割区域C₂的像素在颜色比对数空间的分布图，图4是具体实施方式一中所述的具体实施例中h次统计量χ²的曲线图，图5是具体实施方式一中所述的具体实施例中统计量χ²最小值，θ＝69°时，分割区域C₁中的像素投影后的点分布图。

具体实施方式

具体实施方式一：下面结合图1至图5说明本实施方式，本实施方式方法包括以下步骤：

步骤一、对可见光图像进行基于颜色一致的图像分割，获得多个分割区域C_i，其中，i＝1，2，……，m，m为正整数，

步骤二、对每个分割区域C_i的面积进行计算，如果分割区域C_i的面积超过了整幅图像面积的0.0025，则被保留，否则，舍弃该分割区域，

步骤三、对步骤二获取的面积超过了整幅图像面积的0.0025的分割区域C_i进行纹理的平滑度验证，平滑度满足标准方差小于8的分割区域C_i被保留，否则，舍弃该分割区域，

步骤四、建立颜色比对数空间坐标系，对步骤三保留下来的分割区域C_i中的每个像素点的RGB三维表示进行降维及对数变换处理，

建立颜色比对数空间坐标系的方法为：

横坐标为纵坐标为

其中R_p为RGB三个颜色通道中的一任意个颜色通道，R₁、R₂分别为除R_p外的剩余两个颜色通道。

例如：R_p＝G，R₁＝R，R₂＝B，则，颜色比对数空间坐标系的横坐标为

纵坐标为

当三个颜色通道的分配变化时，坐标做相应变化。建立颜色比对数空间坐标系主要目的对分割区域Ci内的所有像素点进行降维处理。

步骤五、在步骤四建立的颜色比对数空间坐标系中，将步骤四降维处理过的每个分割区域C_i内的所有像素点分别向过坐标零点、且与X轴正方向夹角为θ的直线投影，完成第h次投影，采用最大似然估计来计算对所述投影分布最佳拟合的正态分布，并计算所述投影分布与所述最佳拟合的正态分布的相似程度，

采用最大似然估计来计算对所述投影分布最佳拟合的正态分布，并计算所述投影分布与所述最佳拟合的正态分布的相似程度的过程为：

步骤a、采用最大似然估计来计算投影在所述直线上的样本所对应的正态分布的分布参数：均值μ和标准方差σ：

$\left\{\begin{array}{c}\mathrm{\μ}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i\\ \mathrm{\σ}=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(x_i-\mathrm{\μ})}^2}\end{array}\right.,$

其中，x_i为投影后的像素值样本，i＝1，L，n，n表示样本个数，

步骤b、将步骤a获得的均值μ和标准方差σ代入下述公式，获取对所述投影分布最佳拟合的正态分布f(x)：

$f\left(x\right)=\frac{1}{\mathrm{\σ}\sqrt{2\mathrm{\π}}}{e}^{-\frac{1}{2{\mathrm{\σ}}^2}{(x-\mathrm{\μ})}^2},$

步骤c、将投影到所述直线上的样本像素点建仓，仓宽bin_width为：

$\mathrm{bin}\_\mathrm{width}=3.5\mathrm{\σ}\×n^{-\frac{1}{3}},$

步骤d、按如下公式计算用于表征所述相似程度的统计量χ²：

${\mathrm{\χ}}^2=\underset{i=1}{\overset{a}{\mathrm{\Σ}}}{(\frac{v_i}{n}-p_i)}^2\frac{n}{p_i},$

其中：a为仓的个数，v_i为落入第i个仓中的样本数量，p_i为样本落入第i个仓的概率，概率p_i根据下述公式计算：

$p_i={\∫}_{t_i}^{t_{i+1}}\frac{1}{\mathrm{\σ}\sqrt{2\mathrm{\π}}}{e}^{-\frac{1}{2{\mathrm{\σ}}^2}{(x-\mathrm{\μ})}^2}\mathrm{dx},$

其中，t_i和t_i+1分别为第i个仓在所述投影直线上的最左坐标和最右坐标。即t_i为第i个仓在所述投影直线上最左侧边与投影直线的交点距离坐标原点的距离，t_i+1为第i个仓在所述投影直线上最右侧边与投影直线的交点距离坐标原点的距离。且满足关系式t_i+1-t_i＝bin_width。

统计量χ²用于表征所述投影分布与所述最佳拟合的正态分布的相似程度，统计量χ²值越小，相似程度越好。

步骤六、将所述直线沿逆时针旋转α角度，α为0.5度～2度，即：θ＝θ+α，

步骤七、判断所述直线旋转角度α与h的乘积是否大于180度，

判断结果为是，执行步骤八，判断结果为否，执行步骤五，进行下一次投影，

步骤八、用卡方检验判断出h次投影中所有分割区域C_i形成的投影与正态分布相似程度最好的直线作为提取光照不敏感信息的标定直线，完成从可见光图像中提取光照不敏感信息的标定，h为正整数，表示投影次数，初始值为0。

用卡方检验判断出h次投影中所有分割区域C_i形成的投影与正态分布相似程度最好的直线作为本征图像的标定直线的过程为：

h次投影计算出的统计量χ²最小时的θ值即是所求的与X轴正方向夹角为θ的直线，作为标定直线，

$\mathrm{\θ}\underset{\mathrm{\θ}}{=\arg \min }\left({\mathrm{\χ}}^2\right).$

下面结合一个具体的实施例来说明本发明的方法，给定一幅可见光图像，为了提取光照不敏信息，本发明方法找出其标定直线，首先基于颜色一致对可见光图像进行区域分割，分出m个分割区域C_i，经过平滑度验证后，舍去一部分不满足要求的区域，本实施例提取满足要求的分割区域中的两个典型的分割区域C₁、C₂，C₁位于光照强的部分，C₂位于光线暗的地方，以分割区域C₁和C₂为例进行后续的计算，对分割区域C₁和C₂中的所有像素进行降维处理，建立颜色比对数空间坐标系，横坐标为lnR/G，纵坐标为lnB/G，分割区域C₁的像素在颜色比对数空间的分布图如图2所示，分割区域C₂的像素在颜色比对数空间的分布图如图3所示，将这些降维处理过的像素点向过坐标零点、且与X轴正方向夹角为θ的直线投影，分析它们在这条直线上的分布与正态分布的相似程度，计算判断相似程度的指标统计量χ²。同理，将所述过坐标零点的直线沿逆时针旋转α角度，再计算一次判断相似程度的指标统计量χ²，将旋转180度过程中旋转h次的统计量χ²都计算出来，如图4所示，找出统计量χ²最小值对应的θ，此实施例中θ＝69°，则且与X轴正方向夹角为69°的直线就是所求的标定直线，在分割区域C₁中的像素在此直线上投影形成的点分布图如图5所示，最接近正态分布，标定直线只和相机有关，与入射光和反射平面无关，去除阴影的影响。标定直线确定后，再提取可见光图像中的不敏感信息时，在此标定直线上投影进行。

具体实施方式二：本实施方式与实施方式一的不同之处在于，步骤六中的α为1度，其它与实施方式一相同。

如每次转动1度，则投影次数h＝180，一共180条直线，最后确定其中一条做为标定直线。

具体实施方式三：本实施方式与实施方式一的不同之处在于，步骤一中颜色一致的判断标准为：像素之间的色度值小于一个阈值T，其它与实施方式一相同。

具体实施方式四：本实施方式与实施方式三的不同之处在于，阈值T为12～18，其它与实施方式三相同。

具体实施方式五：本实施方式与实施方式三的不同之处在于，阈值T为15，其它与实施方式三相同。

Claims (8)

1.一种从可见光图像中提取光照不敏感信息的标定方法，其特征在于，该方法包括以下步骤：

步骤一、对可见光图像进行基于颜色一致的图像分割，获得多个分割区域C_i，其中，i＝1，2，……，m，m为正整数，

步骤二、对每个分割区域C_i的面积进行计算，如果分割区域C_i的面积超过了整幅图像面积的0.0025，则被保留，否则，舍弃该分割区域，

步骤三、对步骤二获取的面积超过了整幅图像面积的0.0025的分割区域C_i进行纹理的平滑度验证，平滑度满足标准方差小于8的分割区域C_i被保留，否则，舍弃该分割区域，

步骤四、建立颜色比对数空间坐标系，对步骤三保留下来的分割区域C_i中的每个像素点的RGB三维表示进行降维及对数变换处理，

步骤五、在步骤四建立的颜色比对数空间坐标系中，将步骤四降维处理过的每个分割区域C_i内的所有像素点分别向过坐标零点、且与X轴正方向夹角为θ的直线投影，完成第h次投影，采用最大似然估计来计算对所述投影分布最佳拟合的正态分布，并计算所述投影分布与所述最佳拟合的正态分布的相似程度，

步骤六、将所述直线沿逆时针旋转α角度，α为0.5度～2度，即：θ＝θ+α，

步骤七、判断所述直线旋转角度α与h的乘积是否大于180度，

判断结果为是，执行步骤八，判断结果为否，执行步骤五，进行下一次投影，

步骤八、用卡方检验判断出h次投影中所有分割区域C_i形成的投影与正态分布相似程度最好的直线作为提取光照不敏感信息的标定直线，完成从可见光图像中提取光照不敏感信息的标定，h为正整数，表示投影次数，初始值为0。

2.根据权利要求1所述的一种从可见光图像中提取光照不敏感信息的标定方法，其特征在于，步骤六中的α为1度。

3.根据权利要求1所述的一种从可见光图像中提取光照不敏感信息的标定方法，其特征在于，步骤一中颜色一致的判断标准为：像素之间的色度值小于一个阈值T。

4.根据权利要求3所述的一种从可见光图像中提取光照不敏感信息的标定方法，其特征在于，阈值T为12～18。

5.根据权利要求3所述的一种从可见光图像中提取光照不敏感信息的标定方法，其特征在于，阈值T＝15。

6.根据权利要求1所述的一种从可见光图像中提取光照不敏感信息的标定方法，其特征在于，步骤四建立颜色比对数空间坐标系的方法为：

横坐标为

纵坐标为

其中R_p为RGB三个颜色通道中的一任意个颜色通道，R₁、R₂分别为除R_p外的剩余两个颜色通道。

7.根据权利要求1所述的一种从可见光图像中提取光照不敏感信息的标定方法，其特征在于，步骤五中采用最大似然估计来计算对所述投影分布最佳拟合的正态分布，并计算所述投影分布与所述最佳拟合的正态分布的相似程度的过程为：

步骤a、采用最大似然估计来计算投影在所述直线上的样本所对应的正态分布的分布参数：均值μ和标准方差σ：

$\left\{\begin{array}{c}\mathrm{\μ}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i\\ \mathrm{\σ}=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(x_i-\mathrm{\μ})}^2}\end{array}\right.,$

其中，x_i为投影后的像素值样本，i＝1，…，n，n表示样本个数，

步骤b、将步骤a获得的均值μ和标准方差σ代入下述公式，获取对所述投影分布最佳拟合的正态分布f(x)：

$f\left(x\right)=\frac{1}{\mathrm{\σ}\sqrt{2\mathrm{\π}}}{e}^{-\frac{1}{2{\mathrm{\σ}}^2}{(x-\mathrm{\μ})}^2}$

步骤c、将投影到所述直线上的样本像素点建仓，仓宽bin_width为：

$\mathrm{bin}\_\mathrm{width}=3.5\mathrm{\σ}\×n^{-\frac{1}{3}},$

步骤d、按如下公式计算用于表征所述相似程度的统计量χ²：

${\mathrm{\χ}}^2=\underset{i=1}{\overset{a}{\mathrm{\Σ}}}{(\frac{v_i}{n}-p_i)}^2\frac{n}{p_i},$

其中：a为仓的个数，n表示样本个数，v_i为落入第i个仓中的样本数量，p_i为样本落入第i个仓的概率，概率p_i根据下述公式计算：

$p_i={\∫}_{t_i}^{t_{i+1}}\frac{1}{\mathrm{\σ}\sqrt{2\mathrm{\π}}}{e}^{-\frac{1}{2{\mathrm{\σ}}^2}{(x-\mathrm{\μ})}^2}\mathrm{dx},$

其中，t_i和t_i+1分别为第i个仓在所述直线上的最左坐标和最右坐标。

8.根据权利要求1所述的一种从可见光图像中提取光照不敏感信息的标定方法，其特征在于，步骤八中用卡方检验判断出h次投影中所有分割区域C_i形成的投影与正态分布相似程度最好的直线作为提取光照不敏感信息的标定直线的过程为：

h次投影计算出的统计量χ²最小时所对应的θ值即是标定直线与X轴正方向夹角，

$\mathrm{\θ}=\underset{\mathrm{\θ}}{\arg \min }\left({\mathrm{\χ}}^2\right).$

Images