CN102509077A

CN102509077A - 基于光照自动评估的目标识别方法

Info

Publication number: CN102509077A
Application number: CN2011103347424A
Authority: CN
Inventors: 赵壮; 章林娜; 潘道兵; 黄奎; 于艳红; 廖存会
Original assignee: Jiangsu IoT Research and Development Center
Current assignee: Jiangsu IoT Research and Development Center
Priority date: 2011-10-28
Filing date: 2011-10-28
Publication date: 2012-06-20

Abstract

本发明涉及一种基于光照自动评估的目标识别方法，其包括如下步骤：a、采集目标图像，并将目标图像分割成若干块；b、计算上述分割后每块图像的平均灰度；c、根据上述计算得到每块图像归一化的平均灰度值，计算目标图像的平均灰度及图像块灰度均方差；d、计算分割图像块间左右相邻的图像块灰度平均值之间的灰度差、左右相邻图像块灰度差的平均值及均方差；e、计算分割图像块间上下相邻的图像块灰度平均值之间的灰度差、上下相邻图像块灰度差的平均值及均方差；f、根据步骤c、步骤d及步骤e的计算结果，判断目标图像的光照条件；g、根据步骤f得到的光照条件，对目标图像进行光照处理及识别。本发明步骤简单，提高了目标识别的准确度。

Description

基于光照自动评估的目标识别方法

技术领域

本发明涉及一种识别方法，尤其是一种基于光照自动评估的目标识别方法，属于目标识别的技术领域。

背景技术

计算机视觉系统的应用中，外界光源(包括太阳，室内光源，室内物体表面反射)的光线照射在目标上，经目标反射后传播到摄像头传感器的光感强度有强弱，所以有时会造成图像过亮或者偏暗。由光照变化引起的目标图像差异很大，会影响目标识别的准确度。

发明内容

本发明的目的是克服现有技术中存在的不足，提供一种基于光照自动评估的目标识别方法，其步骤简单，提高了目标识别的准确度。

按照本发明提供的技术方案，一种基于光照自动评估的目标识别方法，所述目标识别方法包括如下步骤：

a、采集目标图像，并将所述目标图像分割成若干块；

b、计算上述分割后每块图像的平均灰度Ave，并将上述平均灰度进行归一化；

c、根据上述计算得到每块图像归一化的平均灰度值，计算目标图像的平均灰度TotalAve及图像块灰度均方差Dev；

d、根据步骤b，计算分割图像块间左右相邻的图像块灰度平均值之间的灰度差NeighbourAveDislr、左右相邻图像块灰度差的平均值NeighbourAveDislr及均方差NeighbourDevlr；

e、根据步骤b、计算分割图像块间上下相邻的图像块灰度平均值之间的灰度差NeighbourAveDisud、上下相邻图像块灰度差的平均值NeighbourAveDisud及均方差NeighbourDevud；

f、根据步骤c、步骤d及步骤e的计算结果，判断目标图像的光照条件；

g、根据步骤f得到的光照条件，对目标图像进行光照处理及识别。

所述目标图像为先验知识充足、像素相关性较大的图像。所述目标图像包括车牌图像或人脸图像。

所述步骤f中，当左右相邻图像块灰度差的均方差NeighbourDevlr或上下相邻图像块灰度差的均方差NeighbourDevud大于设定阈值TH1时，则目标图像的光照条件为局部高光或局部阴影。

所述步骤f中，当左右相邻图像块灰度平均值间的灰度差NeighbourAveDislr或上下相邻图像块灰度平均值间的灰度差NeighbourAveDisud大于设定阈值TH2时，则目标图像的光照条件为局部高光或局部阴影。

所述步骤f中，当目标图像的平均灰度TotalAve接近于0时，则目标图像的光照条件为整体偏暗。

所述步骤f中，当目标图像的平均灰度TotalAve接近于1时，则目标图像的光照条件为整体偏亮。

所述步骤f中，当目标图像的图像块灰度均方差Dev较小，且目标图像的平均灰度TotalAve小于设定阈值TH3时，目标图像的光照条件为整体偏暗。

所述步骤g中，对目标图像进行光照处理的方法包括同态滤波算法或直方图均衡化法

本发明的优点：针对图像先验知识充足，图像像素相关性较大的目标识别，目标识别中光照变化是一个重要的因素，能够自动判断是否需要对目标图像做光照预处理，有助于提高目标识别的速度和准确度；基于图像像素的灰度块的统计将目标图像分成若干图像块，计算每个图像块的平均灰度；通过平均灰度计算整体灰度均值，整体灰度均方差，以及相邻图像块灰度均值之间的灰度差，设定阈值范围以判断是否需要做光照预处理；然后选择合适的光照预处理算法，实现目标图像增强；该光照自动评估算法复杂度较小，适用于目标识别系统的预处理；步骤简单，提高了目标识别的准确度。

附图说明

图1为本发明一种对目标图像进行划分的示意图。

图2为本发明另一种对目标图像进行划分的示意图。

图3为本发明对目标图像进行光照条件评估的流程图。

具体实施方式

下面结合具体附图和实施例对本发明作进一步说明。

目标识别中光照条件变化是一个重要的因素，根据目标图像的光照条件能够自动判断是否需要对目标图像做光照预处理，有助于提高目标识别的速度和准确度。

针对图像先验知识充足，像素相关性较大的图像，如车牌图像或者人脸图像，其光照条件的评估的依据是图像各部分的灰度值。本发明基于光照自动评估的目标识别方法包括如下步骤：

a、采集目标图像，并将所述目标图像分割成若干块；根据目标大小，将目标识别图像分成若干部分，例如，鉴于车牌图像的长宽比，将车牌图像分成两行三列六个部分，人脸图像可以分成三行两列或者九宫格；如图1和图2所示；

f、根据步骤c、步骤d及步骤e的计算结果，判断目标图像的光照条件；根据光照条件的不同，将图像分为局部高光，局部阴影，整体偏亮，整体偏暗，标准光照五种基本类型；

g、根据步骤f得到的光照条件，对目标图像进行光照处理及识别。对光照条件进行评估，一方面通过判断图像是否需要做光照预处理之后，选择合适的算法做光照预处理。例如为了加强人脸图像细节，选择同态滤波算法对目标图像实现光照预处理。为了加强车牌图像的对比度，选择直方图均衡化实现光照预处理。另一方面，对于人脸图像或者车牌图像的训练识别，可以增加相同光照条件的图片做训练样本，重新训练分类器，直到可以检测出目标。

下面以计算六个部分图像块为例，来说明本发明的识别过程。

a、采集目标图像，并将目标图像划分成六个部分；

b、计算目标图像中每个部分的平均灰度Ave_i，并进行归一化，得到位于[0，1]间的六个平均灰度Ave_i，i的取值为1～6；

c、通过每个部分的平均灰度计算图像的整体平均灰度

TotalAve = \frac{1}{6} Σ_{i = 1}^{6} {Ave}_{i},

图像块灰度均方差

Dev = \frac{1}{6} Σ_{i = 1}^{6} \sqrt{{({Ave}_{i} - ToatalAve)}^{2}};

d、计算左右相邻图像块灰度平均值之间的灰度差NeighbourAveDislr(ij)＝Abs(Ave_i-Ave_j)，Abs为取绝对值，计算上述四个左右相邻图像块灰度差值的平均值NeighbourAveDislrr(ij)及相邻图像块灰度差值的均方差

NeighbourDevlr =

\frac{1}{4} Σ_{i = 1}^{4} \sqrt{{(Neighbour \overset{&OverBar;}{A} veDislr (ij) - NeighbourAveDislr (ij))}^{2}},

其中i，j为第i个与第j个相邻的图像块；

计算上下相邻图像块灰度平均值之间的灰度差NeighbourAveDisud(ij)＝e、Abs(Ave_i-Ave_j)，Abs为取绝对值，计算上述四个上下相邻图像块灰度差值的平均值NeighbourAveDisud(ij)及相邻图像块灰度差值的均方差

NeighbourDevud = \frac{1}{3} Σ_{i = 1}^{3} \sqrt{{(Neighbour \overset{&OverBar;}{A} veDisud (ij) - NeighbourAveDisud (ij))}^{2}},

其中i，j为第i个与第j个相邻的图像块；

f、判断目标图像的光照条件，如图3所示，具体为：如果NeighbourDevlr或者NeighbourDevud大于设定的的阈值TH1，对于图像像素相关性较大的图像说明图像块之间灰度不均匀，存在高光或阴影图像块，需要做光照预处理；如果图像块TotalAve接近0，说明整体图像较暗需要做光照增强；如果图像块Dev足够小，且TotalAve小于设定的阈值TH3，说明图像属于偏暗，需要做光照增强。如果NeighbourAveDislr(ij)或者NeighbourAveDisud(ij)大于设定阈值TH2，说明图像出现灰度不均，需要图像部分灰度校正。在对目标图像做出光照评估之后，选择合适的光照预处理算法对目标图像进行图像处理，以提高后续目标识别算法的准确率。上述阈值TH1、TH2及TH3的设定，可以根据目标图像的环境条件进行设置。

g、对目标图像进行光照处理及识别，对光照处理的方法根据目标图像的类型及作用进行设置，对目标图像的识别方法可以采用现有的识别方法。

本发明针对图像先验知识充足，图像像素相关性较大的目标识别，目标识别中光照变化是一个重要的因素，能够自动判断是否需要对目标图像做光照预处理，有助于提高目标识别的速度和准确度；基于图像像素的灰度块的统计将目标图像分成若干图像块，计算每个图像块的平均灰度；通过平均灰度计算整体灰度均值，整体灰度均方差，以及相邻图像块灰度均值之间的灰度差，设定阈值范围以判断是否需要做光照预处理；然后选择合适的光照预处理算法，实现目标图像增强；该光照自动评估算法复杂度较小，适用于目标识别系统的预处理；步骤简单，提高了目标识别的准确度。

Claims

1.一种基于光照自动评估的目标识别方法，其特征是，所述目标识别方法包括如下步骤：

(a)、采集目标图像，并将所述目标图像分割成若干块；

(b)、计算上述分割后每块图像的平均灰度Ave，并将上述平均灰度进行归一化；

(c)、根据上述计算得到每块图像归一化的平均灰度值，计算目标图像的平均灰度TotalAve及图像块灰度均方差Dev；

(d)、根据步骤(b)，计算分割图像块间左右相邻的图像块灰度平均值之间的灰度差NeighbourAveDislr、左右相邻图像块灰度差的平均值NeighbourAveDislr及均方差NeighbourDevlr；

(e)、根据步骤(b)，计算分割图像块间上下相邻的图像块灰度平均值之间的灰度差NeighbourAveDisud、上下相邻图像块灰度差的平均值NeighbourAveDisud及均方差NeighbourDevud；

(f)、根据步骤(c)、步骤(d)及步骤(e)的计算结果，判断目标图像的光照条件；

(g)、根据步骤(f)得到的光照条件，对目标图像进行光照处理及识别。

2.根据权利要求1所述的基于光照自动评估的目标识别方法，其特征是：所述目标图像为先验知识充足、像素相关性较大的图像。

3.根据权利要求2所述的基于光照自动评估的目标识别方法，其特征是：所述目标图像包括车牌图像或人脸图像。

4.根据权利要求1所述的基于光照自动评估的目标识别方法，其特征是：所述步骤(f)中，当左右相邻图像块灰度差的均方差NeighbourDevlr或上下相邻图像块灰度差的均方差NeighbourDevud大于设定阈值TH1时，则目标图像的光照条件为局部高光或局部阴影。

5.根据权利要求1所述的基于光照自动评估的目标识别方法，其特征是：所述步骤(f)中，当左右相邻图像块灰度平均值间的灰度差NeighbourAveDislr或上下相邻图像块灰度平均值间的灰度差NeighbourAveDisud大于设定阈值TH2时，则目标图像的光照条件为局部高光或局部阴影。

6.根据权利要求1所述的基于光照自动评估的目标识别方法，其特征是：所述步骤(f)中，当目标图像的平均灰度TotalAve接近于0时，则目标图像的光照条件为整体偏暗。

7.根据权利要求1所述的基于光照自动评估的目标识别方法，其特征是：所述步骤(f)中，当目标图像的平均灰度TotalAve接近于1时，则目标图像的光照条件为整体偏亮。

8.根据权利要求1所述的基于光照自动评估的目标识别方法，其特征是：所述步骤(f)中，当目标图像的图像块灰度均方差Dev较小，且目标图像的平均灰度TotalAve小于设定阈值TH3时，目标图像的光照条件为整体偏暗。

9.根据权利要求1所述的基于光照自动评估的目标识别方法，其特征是：所述步骤(g)中，对目标图像进行光照处理的方法包括同态滤波算法或直方图均衡化法。