CN102163328A - 用于交通视频图像中眩光的检测和消除方法 - Google Patents
用于交通视频图像中眩光的检测和消除方法 Download PDFInfo
- Publication number
- CN102163328A CN102163328A CN 201110116715 CN201110116715A CN102163328A CN 102163328 A CN102163328 A CN 102163328A CN 201110116715 CN201110116715 CN 201110116715 CN 201110116715 A CN201110116715 A CN 201110116715A CN 102163328 A CN102163328 A CN 102163328A
- Authority
- CN
- China
- Prior art keywords
- glare
- pixel
- image
- traffic video
- zone
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000004313 glare Effects 0.000 title claims abstract description 173
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 230000008030 elimination Effects 0.000 claims description 12
- 238000003379 elimination reaction Methods 0.000 claims description 12
- 230000001186 cumulative effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 6
- 230000002411 adverse Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 241000135164 Timea Species 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种交通视频图像中对眩光进行检测和消除的方法，方法包括：首先通过背景更新方法，得到背景图像，然后采用基于局部累积梯度的眩光检测方法，检测图像中是否存在眩光；如果存在眩光，确定出眩光的列坐标，并将相邻的眩光列列入同一眩光带，将各眩光带编序；最后，判断各眩光带所处的邻域，如果处于背景邻域，则用对应位置上的背景图像像素代替眩光像素，如果处于背景邻域，则用插值法产生的像素代替眩光像素，实现眩光消除。本发明可有效消除图像中的眩光带，降低眩光对车辆检测、车辆跟踪和车牌识别等高级操作的不利影响。
Description
技术领域
本发明涉及一种可对强光在图像中产生的眩光列进行定位和消除的检测和消除交通视频图像中眩光的方法。
背景技术
随着我国国民经济的快速发展，人民生活水平不断提高，汽车得到了极大普及，道路交通所带来的交通拥堵、交通事故和环境污染等负面效应对社会发展所造成的影响也越来越明显，国民经济运行对交通控制和安全监控的要求日益提高。实现交通管理自动化、智能化的智能交通系统（Intelligent Transportation System，ITS）是解决目前经济发展所带来交通问题的主要技术手段。
在智能交通系统中，基于视频图像处理的交通监控是目前的主要技术手段。但由于强光经挡风玻璃、水面或其他反射面反射后，使CCD相机所拍摄的图像中出现眩光带，眩光会令图像局部亮度增加，反差度降低，使画面变得平淡而欠缺质感。在交通视频的CCD图像中，眩光通常表现为相邻的、亮度极高的贯通像素列构成的较窄的眩光带，使眩光带位置的背景和目标的像素被强光掩盖，无法表现目标和背景的特征，对车辆检测、车辆跟踪和车牌识别等操作带来不利影响。
中国专利200810112051.8和200810113964.1分别公布了可用于电子警察的防眩光交通视频控制系统，重点公布了实现眩光检测的硬件系统，其眩光检测方法是利用眩光光强信号和背景光强信号的比值来实现的，由于交通视频图像较为复杂，且变化较大，简单的利用光强信号的比值来进行眩光检测难以达到理想效果。中国专利200810302779.7公布了一种“眩光检测装置”，可检测图像中是否存在眩光，但不能对眩光带进行定位。在背景建立、背景更新、车辆检测、车辆跟踪、车牌识别等工程实践中，对在CCD图像中利用算法对眩光进行定位和消除提出了技术需求。本发明所针对的眩光指的是射入CCD的强光，使CCD图像中的某些列的像素灰度值远大于其周围列的像素灰度值，形成很窄的高亮带，该高亮带覆盖了图像背景和目标的真实像素，对图像的后续高级处理造成了不利影响。
发明内容
本发明所要解决的技术问题是针对现有技术的不足，提供一种有效地对交通视频图像中的眩光带进行定位和消除的方法，以降低眩光对车辆检测、车辆跟踪和车牌识别等操作的不利影响。
本发明所要解决的技术问题是通过以下的技术方案来实现的。本发明是一种用于交通视频图像中眩光的检测和消除方法，其特点是，其步骤如下：
（1）读取第k帧交通视频图像，进行背景更新；背景更新的计算公式为： 
，其中为更新率，
和
分别为像素的行和列序号，
为第k帧交通视频图像在
处的像素灰度值，
为第k帧交通视频图像在
处的背景图像像素灰度值；
（2）进行眩光检测，检测第k帧图像中是否存在眩光，如果存在眩光，记录眩光列的列序号，并将相邻的眩光列并入同一眩光带，将眩光带编序，如果不存在眩光，返回步骤（1）；眩光检测方法为：求局部累积梯度图像每一列像素的平均值和整幅局部累积梯度图像的像素平均值；然后，通过以上两平均值的比值与设定的第二阈值
进行比较，检测眩光；
（3）判断每一行的眩光带所处邻域；其具体方法为：对于第
个眩光带，在交通视频图像
的每一行眩光带的两侧各选
个像素，计算此
个像素与背景更新所产生的背景图像
的对应位置上的个像素之间的一阶范数，如果此范数小于某一阈值，则此行的第
个眩光带处于背景区域，否则判定该眩光带在该行处于目标区域；
（4）进行眩光消除，如果眩光带处于背景区域，则用步骤（1）中产生的背景图像中的对应位置上的像素代替眩光像素，如果眩光带处于目标区域则用插值法产生的像素代替眩光像素；
（5）k=k+1,返回步骤（1）。
以上所述的交通视频图像中眩光的检测和消除方法技术方案中，步骤（2）所述的眩光检测方法的具体步骤可以为：
1）计算交通视频图像各像素的局部累积梯度；计算交通视频图像各像素的局部累积梯度按以下公式进行：
其中，
和
分别为像素的行和列序号，
为第k帧交通视频图像在处的像素灰度值；
2）以交通视频图像各像素位置的局部累积梯度值为像素值，构建局部累积梯度图像；
3）计算局部累积梯度图像各列像素的灰度均值和所有像素的灰度均值；
4）计算步骤3）中两个均值的比值；
5）如果步骤4）中某一列对应的比值大于第一阈值
，则判定该列为眩光列。
以上所述的交通视频图像中眩光的检测和消除方法技术方案中，所述步骤（4）的眩光消除所用的差值法可以为最近邻插值法、双线性插值法或双三次插值法。
以下对本发明技术方案进行进一步的阐述。
由于交通视频图像中眩光带是沿列方向的高亮带，根据这一特点，为了实现本发明目的，本发明提供的眩光检测和消除方法，首先通过背景更新方法，得到背景图像，然后采用提出的眩光检测方法，检测图像中是否存在眩光，如果有眩光，给出眩光的列坐标，将相邻眩光列并入同一眩光带，并对眩光带进行编序；最后采用提出的眩光消除方法对眩光进行消除，得到无眩光图像。
本发明所述的眩光检测方法是：首先通过在行方向上求各像素的局部累积梯度，然后构建局部累积梯度图像，并求该图像每一列像素的平均值和整幅图像的像素平均值。最后，通过以上两平均值的比值与设定的阈值进行比较，检测眩光的有无，并确定眩光带的列坐标。
本发明所述的眩光消除方法是：首先判断眩光带的邻域，即判断眩光带处于背景区域还是目标区域，如果处于背景区域，则用背景更新所得的背景图像的像素代替眩光带像素，如果处于目标区域，则用插值法产生的像素值代替眩光带像素，由此可产生新的无眩光图像。
所述背景更新方法，背景图像在像素
处的灰度值
可以通过以下公式计算
其中，
为第k帧交通视频图像像素
的灰度值，
为更新率。
所述各像素
的局部累积梯度
可以通过以下公式计算:
所述局部累积梯度图像
第列像素的平均值可以按以下公式计算:
其中，
为交通视频图像的行数。
所述整幅局部累积梯度图像
的所有像素的平均值
可以按以下公式计算:
其中，
为交通视频图像的列数。
所述眩光带由若干相邻的眩光列构成，一幅交通视频图像可能具有多个眩光带。
所述判断眩光带的邻域，即判断眩光带处于背景区域还是目标区域的方法为，对于第
个眩光带，在交通视频图像
的每一行眩光带的两侧各选
个像素，计算此
个像素与背景更新所产生的背景图像
的相应位置上的
个像素之间的一阶范数，如果此范数小于某一阈值，则此行的眩光带
处于背景区域，否则判定该眩光带在该行处于目标区域。
设第
行的第
个眩光带有
个眩光像素，位于像素
之间，所述一阶范数可以用以下公式计算：
与现有技术相比，本发明具有如下作用和优点：本发明方法可操作性强，使用成本低；其眩光定位准确，眩光消除效果较好；可避免眩光对车辆检测、车辆跟踪和车牌识别等高级处理的不利影响。
附图说明
图1为本发明方法的流程框图。
图2为眩光检测流程图。
图3为眩光消除流程图。
图4为眩光消除前的带有眩光的交通视频图。
图5为眩光消除后的效果示意图。
具体实施方式
以下参照附图，进一步描述本发明的具体技术方案，以便于本领域的技术人员进一步地理解本发明，而不构成对其权利的限制。
实施例1，参照图1-3，一种用于交通视频图像中眩光的检测和消除方法，其步骤如下：
（1）读取第k帧交通视频图像，进行背景更新；背景更新的计算公式为：
，其中
为更新率，
和
分别为像素的行和列序号，
为第k帧交通视频图像在
处的像素灰度值，
为第k帧交通视频图像在
处的背景图像像素灰度值；
（2）进行眩光检测，检测第k帧图像中是否存在眩光，如果存在眩光，记录眩光列的列序号，并将相邻的眩光列并入同一眩光带，将眩光带编序，如果不存在眩光，返回步骤（1）；眩光检测方法为：求局部累积梯度图像每一列像素的平均值和整幅局部累积梯度图像的像素平均值；然后，通过以上两平均值的比值与设定的第二阈值进行比较，检测眩光；
（3）判断每一行的眩光带所处邻域；其具体方法为：对于第
个眩光带，在交通视频图像
的每一行眩光带的两侧各选
个像素，计算此
个像素与背景更新所产生的背景图像
的对应位置上的
个像素之间的一阶范数，如果此范数小于某一阈值，则此行的第个眩光带处于背景区域，否则判定该眩光带在该行处于目标区域；
（4）进行眩光消除，如果眩光带处于背景区域，则用步骤（1）中产生的背景图像中的对应位置上的像素代替眩光像素，如果眩光带处于目标区域则用插值法产生的像素代替眩光像素；
（5）k=k+1,返回步骤（1）。
实施例2，实施例1所述的交通视频图像中眩光的检测和消除方法中：步骤（2）所述的眩光检测方法的具体步骤为：
1）计算交通视频图像各像素的局部累积梯度；计算交通视频图像各像素的局部累积梯度按以下公式进行：
其中，
和
分别为像素的行和列序号，
为第k帧交通视频图像在
处的像素灰度值；
2）以交通视频图像各像素位置的局部累积梯度值为像素值，构建局部累积梯度图像；
3）计算局部累积梯度图像各列像素的灰度均值和所有像素的灰度均值；
4）计算步骤3）中两个均值的比值；
5）如果步骤4）中某一列对应的比值大于第一阈值
，则判定该列为眩光列。
实施例3，参照图1-5，利用实施例1所述的交通视频图像中眩光的检测和消除方法进行眩光的检测和消除实验。实验步骤如下：
所述眩光检测方法包括以下步骤：
步骤S101：开始，读取第
帧交通视频图像；
步骤S102：通过公式（2），计算得到局部累积梯度
；
步骤S103：以
为像素灰度值，构建局部累积梯度图像；
步骤S104：通过公式（3），计算得到局部累积梯度图像的每一列像素的平均值；
步骤S105：通过公式（4），计算得到整幅局部累积梯度图像
的所有像素的平均值
；
步骤S106：计算
，如果
大于第一阈值,则第
帧交通视频图像的第列为眩光列，记录所有眩光列的列序号；在本实施例中，取
；
步骤S107：将相邻的眩光列记录为一个眩光带，给出眩光带的数量和每个眩光带的列数以及对应的列序号。
所述眩光消除方法包括以下步骤：
步骤S201：开始，给定初始条件，包括交通视频图像的总行数M，眩光带条数和每一条眩光带的眩光列数；判断眩光带邻域，即判断眩光带处于背景区域还是目标区域的所需的眩光带两侧的邻域像素数；在本实施例中，取
；
步骤S202：读取当前视频图像（第k帧图像）；
步骤S203：读取当前视频图像的第i行像素的灰度值；
步骤S204：根据公式（5）计算得到一阶范数；
步骤S205：如果
小于第二阈值
(在本实施例中，取
),则第i行的第k个眩光带的像素为背景内像素，用背景图像
中相应位置的像素代替眩光像素；否则第i行的第k个眩光带的像素为目标内像素，用插值法产生的像素代替眩光像素；
步骤S206：如果i<M, i=i+1,转步骤S203；否则，结束。
所述插值法可采用（Frieden B R. Restoring with Maximum Likelihood and Maximum Entropy. Journal of Optical Society of America, 1972, 62(4):511-518）中的最近邻插值法、双线性插值法或双三次插值法，考虑到眩光带较窄（通常最多包括5个像素列），同时考虑计算速度，本实施例用最近邻插值法。
所述背景更新，在本实施例中，取
。
Claims (3)
1.一种用于交通视频图像中眩光的检测和消除方法，其特征在于，其步骤如下：
（1）读取第k帧交通视频图像，进行背景更新；背景更新的计算公式为： 
，其中
为更新率，
和
分别为像素的行和列序号，
为第k帧交通视频图像在
处的像素灰度值，
为第k帧交通视频图像在
处的背景图像像素灰度值；
（2）进行眩光检测，检测第k帧图像中是否存在眩光，如果存在眩光，记录眩光列的列序号，并将相邻的眩光列并入同一眩光带，将眩光带编序，如果不存在眩光，返回步骤（1）；眩光检测方法为：求局部累积梯度图像每一列像素的平均值和整幅局部累积梯度图像的像素平均值；然后，通过以上两平均值的比值与设定的第二阈值
进行比较，检测眩光；
（3）判断每一行的眩光带所处邻域；其具体方法为：对于第
个眩光带，在交通视频图像
的每一行眩光带的两侧各选
个像素，计算此
个像素与背景更新所产生的背景图像
的对应位置上的
个像素之间的一阶范数，如果此范数小于某一阈值，则此行的第
个眩光带处于背景区域，否则判定该眩光带在该行处于目标区域；
（4）进行眩光消除，如果眩光带处于背景区域，则用步骤（1）中产生的背景图像中的对应位置上的像素代替眩光像素，如果眩光带处于目标区域则用插值法产生的像素代替眩光像素；
（5）k=k+1,返回步骤（1）。
2.根据权利要求1所述的交通视频图像中眩光的检测和消除方法，其特征在于，步骤（2）所述的眩光检测方法的具体步骤为：
1）计算交通视频图像各像素的局部累积梯度；计算交通视频图像各像素的局部累积梯度按以下公式进行：
其中，
和
分别为像素的行和列序号，
为第k帧交通视频图像在
处的像素灰度值；
2）以交通视频图像各像素位置的局部累积梯度值为像素值，构建局部累积梯度图像；
3）计算局部累积梯度图像各列像素的灰度均值和所有像素的灰度均值；
4）计算步骤3）中两个均值的比值；
5）如果步骤4）中某一列对应的比值大于第一阈值
，则判定该列为眩光列。
3.根据权利要求1所述的交通视频图像中眩光的检测和消除方法，其特征在于，所述步骤（4）的眩光消除所用的差值法为最近邻插值法、双线性插值法或双三次插值法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110116715 CN102163328B (zh) | 2011-05-06 | 2011-05-06 | 用于交通视频图像中眩光的检测和消除方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110116715 CN102163328B (zh) | 2011-05-06 | 2011-05-06 | 用于交通视频图像中眩光的检测和消除方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102163328A true CN102163328A (zh) | 2011-08-24 |
| CN102163328B CN102163328B (zh) | 2012-12-19 |
Family
ID=44464540
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201110116715 Active CN102163328B (zh) | 2011-05-06 | 2011-05-06 | 用于交通视频图像中眩光的检测和消除方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102163328B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102855608A (zh) * | 2012-07-18 | 2013-01-02 | 奇瑞汽车股份有限公司 | 一种图像弱化方法和装置 |
| CN105758624A (zh) * | 2016-04-12 | 2016-07-13 | 上海科涅迩光电技术有限公司 | 一种眩光测试方法及系统 |
| CN110135235A (zh) * | 2019-03-13 | 2019-08-16 | 北京车和家信息技术有限公司 | 一种眩光处理方法、装置及车辆 |
| WO2022001615A1 (en) * | 2020-06-29 | 2022-01-06 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method and system for automatically removing glare regions |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101367350A (zh) * | 2008-09-24 | 2009-02-18 | 上海大学 | 一种汽车主动防眩光装置和方法 |
| CN101587640A (zh) * | 2008-05-20 | 2009-11-25 | 奥城同立科技开发（北京）有限公司 | 防眩光的道路交通摄像系统 |
| CN101587642A (zh) * | 2008-05-20 | 2009-11-25 | 奥城同立科技开发（北京）有限公司 | 交通视频控制器及车辆违规抓拍控制方法 |
| CN101593420A (zh) * | 2008-05-30 | 2009-12-02 | 奥城同立科技开发（北京）有限公司 | 防眩光交通视频控制系统 |
-
2011
- 2011-05-06 CN CN 201110116715 patent/CN102163328B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101587640A (zh) * | 2008-05-20 | 2009-11-25 | 奥城同立科技开发（北京）有限公司 | 防眩光的道路交通摄像系统 |
| CN101587642A (zh) * | 2008-05-20 | 2009-11-25 | 奥城同立科技开发（北京）有限公司 | 交通视频控制器及车辆违规抓拍控制方法 |
| CN101593420A (zh) * | 2008-05-30 | 2009-12-02 | 奥城同立科技开发（北京）有限公司 | 防眩光交通视频控制系统 |
| CN101367350A (zh) * | 2008-09-24 | 2009-02-18 | 上海大学 | 一种汽车主动防眩光装置和方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102855608A (zh) * | 2012-07-18 | 2013-01-02 | 奇瑞汽车股份有限公司 | 一种图像弱化方法和装置 |
| CN102855608B (zh) * | 2012-07-18 | 2015-01-28 | 奇瑞汽车股份有限公司 | 一种图像弱化方法和装置 |
| CN105758624A (zh) * | 2016-04-12 | 2016-07-13 | 上海科涅迩光电技术有限公司 | 一种眩光测试方法及系统 |
| CN110135235A (zh) * | 2019-03-13 | 2019-08-16 | 北京车和家信息技术有限公司 | 一种眩光处理方法、装置及车辆 |
| WO2022001615A1 (en) * | 2020-06-29 | 2022-01-06 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method and system for automatically removing glare regions |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102163328B (zh) | 2012-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| O'Malley et al. | Rear-lamp vehicle detection and tracking in low-exposure color video for night conditions | |
| CN102722982B (zh) | 基于背景与帧间差分算法的车流及其运动状态检测方法 | |
| JP6723328B2 (ja) | 車両検出方法、動的光強度に基づく夜間の車両検出方法及びそのシステム | |
| CN107644538B (zh) | 交通信号灯的识别方法及装置 | |
| CN108174057B (zh) | 一种利用视频图像帧间差异对画面快速降噪的方法及装置 | |
| CN104657735A (zh) | 车道线检测方法、系统、车道偏离预警方法及系统 | |
| CN102665034A (zh) | 一种针对摄像机采集视频的夜间效果去除方法 | |
| CN102163328B (zh) | 用于交通视频图像中眩光的检测和消除方法 | |
| CN103729828B (zh) | 视频去雨方法 | |
| CN102842037A (zh) | 一种基于多特征融合的车辆阴影消除方法 | |
| CN110866926B (zh) | 一种红外遥感图像快速精细海陆分割方法 | |
| CN103093458A (zh) | 关键帧的检测方法及装置 | |
| CN110458029B (zh) | 一种雾天环境中的车辆检测方法及装置 | |
| KR101522757B1 (ko) | 영상의 노이즈 제거 방법 | |
| CN102509265B (zh) | 基于灰度值差和局部能量的数字图像去噪方法 | |
| CN109493353A (zh) | 一种海天背景下海天分界线的检出方法 | |
| KR101865958B1 (ko) | 속도 제한 표지판 인식 장치 및 방법 | |
| Wu et al. | A novel traffic light recognition method for traffic monitoring systems | |
| JP2020095631A (ja) | 画像処理装置および画像処理方法 | |
| CN103714552B (zh) | 运动阴影消除方法及装置和智能视频分析系统 | |
| CN102842025B (zh) | 视频图像的检测场景判断方法及装置 | |
| US8433139B2 (en) | Image processing apparatus, image processing method and program for segmentation based on a degree of dispersion of pixels with a same characteristic quality | |
| Li et al. | A fog level detection method based on grayscale features | |
| Wang et al. | Low-light traffic objects detection for automated vehicles | |
| CN110852228B (zh) | 监控视频中的动态背景提取及前景物体检测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |