CN104778674B - 一种基于时间序列的顺逆光交通图像自适应增强方法 - Google Patents
一种基于时间序列的顺逆光交通图像自适应增强方法 Download PDFInfo
- Publication number
- CN104778674B CN104778674B CN201510222562.5A CN201510222562A CN104778674B CN 104778674 B CN104778674 B CN 104778674B CN 201510222562 A CN201510222562 A CN 201510222562A CN 104778674 B CN104778674 B CN 104778674B
- Authority
- CN
- China
- Prior art keywords
- image
- brightness
- backlight
- value
- traffic
- 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.)
- Active
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开一种基于时间序列的顺逆光交通图像自适应增强方法，该方法可应用于交通视频监控领域，是一种实现交通图像增强的快速有效方法。本方法针对顺逆光发生的原因，分析顺逆光发生的条件，同时根据顺光和逆光图像的特点，得到顺逆光图像相应的补偿增强方法。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，在保持图像颜色信息不变的基础上，运用顺逆光补偿模型和亮度反馈模型对亮度直方图非线性自适应补偿，将补偿后的亮度分量与色度分量和饱和度分量结合，转换到RGB色彩空间得到增强后的图片。利用本发明所述增强方法对顺逆光情况下交通图像进行处理，可以为用户提供具有最佳视觉效果的交通图像。
Description
技术领域
本发明涉及一种基于时间序列的顺逆光交通图像自适应增强方法，属于智能交通系统领域，是一种实现交通图像增强的快速有效方法。
背景技术
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。如何在顺逆光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。
顺光也叫做“正面光”，指光线的投射方向和拍摄方向相同的光线。顺光时，被摄体受到均匀照明，景物的阴影被景物自身遮挡住，影调比较柔和。能拍出被摄体表面的质地和带来较好的色彩还原。
逆光是一种由于被摄主体恰好处于光源和照相机之间的状况，这种状况极易造成使被摄主体曝光不充分。由于被摄主体恰好处于光源和照相机之间，所以就产生了背景亮度远远高于被摄主体的状况。由于背景在画面中所占的画幅要大于被摄主体，使得被摄主体曝光不充分继而导致拍摄效果不理想。
发明内容
本发明主要是解决现有技术所存在的技术问题；提供了一种能够有效增强顺逆光交通图像，使得顺逆光情况下依然能够保持较好的图像视觉效果的基于时间序列的顺逆光交通图像自适应增强方法。
本发明还有一目的是解决现有技术所存在的技术问题；提供了一种同时考虑光照随时间的变化趋势和光照的实时反馈结果，能够依据时间的变化，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，大大提高了图像增强的效果的基于时间序列的顺逆光交通图像自适应增强方法。
本发明的上述技术问题主要是通过下述技术方案得以解决的：
一种基于时间序列的顺逆光交通图像自适应增强方法，其特征在于，包括：
一个获取原始采集交通图像的步骤：通过抓拍设备获取原始的交通图像；
一个将原始交通图像从RGB色彩空间转换到HSV色彩空间的步骤：把原始交通图像从RGB色彩空间转换到HSV色彩空间后存储；
一个提取分量通道数据的步骤：具体是从存储的转换为HSV色彩空间后的交通图像提取交通图像V(亮度)分量通道数据；
一个得到顺逆光补偿模型的步骤：为每个时刻亮度设定一个参考值l；参考值的获取通过大量统计不同时刻图像亮度值，得到不同时刻相应亮度均值，然后对亮度均值进行顺逆光亮度修正得到参考值；为了对顺逆光图像亮度修正，本方法设计了一个基于时间序列的顺逆光补偿函数C＝λsin(ω(t-ts))，其中λ为补偿系数，相机朝西时大于0，朝东时小于0，南北朝向时等于0；其中w为补偿函数的角频率，ts为光补偿的起始时刻，te为光补偿的终止时刻，w＝2π/(te-ts)；
一个得到亮度实时反馈模型的步骤：根据图像的实时变化情况，在对图像补偿时考虑到上一帧图像的亮度补偿量，得到图像的实时反馈模型，具体方法是：图像的实时反馈模型是通过亮度参考值和亮度实时值反馈得到；首先在提取分量通道数据的步骤得到亮度参考值l，然后计算图像的亮度均值m和亮度参考值l之间的偏差e＝m-l，令图像的亮度修正量为b，则有b＝ηe，其中η为修正步长，其取值在0～1之间；
一个依据顺逆光补偿模型和亮度实时反馈模型对图像自适应补偿亮度分量的步骤，具体方法是：根据得到的亮度参考值和得到的亮度修正值相加得到修正后的亮度参考值；依据该亮度参考值将亮度分量通道数据分割为高亮度区和低亮度区，令vmin表示图像亮度最小值，vmax表示图像亮度最大值，mp表示亮度均值，则低亮度区增强系数为高亮度区增强系数为令iL(s)和iR(s)分别为低亮度区和高亮度区的亮度值，IL(s)和IR(s)分别为增强后低亮度区和高亮度区的亮度值；低亮度区亮度级进行如下操作：IL(s)＝[iL(s)-vmin]×α，高亮度区亮度级进行如下操作：IR(s)＝[iR(s)-vmax]×β+255；
一个获取最终增强的彩色图像的步骤：具体是将新的亮度分量和原始的色度分量和饱和度分量组合并转换到RGB色彩空间得到最后增强的彩色图像。
在上述的一种基于时间序列的顺逆光交通图像自适应增强方法，在得到亮度实时反馈模型的步骤中，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，bk为当前帧亮度修正量，bk-1为上一帧亮度修正量，αk为取值在0～1之间的惯性项系数，则有：bk＝ηkek+αkbk-1。
因此，本发明具有如下优点：在增强的同时考虑顺逆光现象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补偿值，然后依据补偿值对图像分区域补偿，这样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
图1为交通图像增强结构流程图。
图2为基于时间序列的交通图像增强方法的技术流程图。
图3太阳、物体与相机方向关系示意图。
图4为亮度反馈模型示意图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：
参见图1，图2，本发明提出的一种基于时间序列的顺逆光交通图像自适应增强方法，包括以下步骤：
步骤1：获取原始采集交通图像；
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：提取交通图像V(亮度)分量通道数据；
步骤4：根据时间序列，分析顺逆光发生的原因，以及顺逆光图像特征的变化趋势，依据顺逆光现象随时间的变化得到顺逆光补偿模型。
顺逆光变化情况视路口朝向不同有所变化，南北向路口，太阳直射方向和成像角度呈90度左右，顺逆光现象不明显。东西向路口，相机朝向与太阳直射方向相同或相反，顺逆光变化明显。参见图3，当太阳直射方向与相机方向随着时间序列发生变化时，若相机朝西，上午顺光，下午逆光。顺光时图像整体很亮，逆光时太阳直射区域很亮，在阴影区域很暗。为了使图像在一个合理的亮度范围，顺光时图像亮度应该降低，逆光时高亮区域应该降低，而阴影区域应该提高。因此本方法为每个时刻亮度设定一个参考值l。参考值的获取通过大量统计不同时刻图像亮度值，得到不同时刻相应亮度均值，然后对亮度均值进行顺逆光亮度修正得到参考值。为了对顺逆光图像亮度修正，本方法设计了一个基于时间序列的顺逆光补偿函数C＝λsin(ω(t-ts))，其中λ为补偿系数，相机朝西时大于0，朝东时小于0，南北朝向时等于0。其中w为补偿函数的角频率，ts为光补偿的起始时刻，te为光补偿的终止时刻，w＝2π/(te-ts)。
步骤5：根据图像的实时变化情况，在对图像补偿时考虑到上一帧图像的亮度补偿量，得到图像的实时反馈模型。
参见图4，图像的实时反馈模型是通过亮度参考值和亮度实时值反馈得到。首先根据步骤3得到亮度参考值l，然后计算图像的亮度均值m和亮度参考值l之间的偏差e＝m-l，令图像的亮度修正量为b，则有b＝ηe，其中η为修正步长，其取值在0～1之间。
在实际的实验过程中，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，bk为当前帧亮度修正量，bk-1为上一帧亮度修正量，αk为取值在0～1之间的惯性项系数，则有：bk＝ηkek+αkbk-1。
步骤6：依据顺逆光补偿模型和亮度实时反馈模型对图像自适应补偿亮度分量。
根据步骤4得到的亮度参考值和步骤5得到的亮度修正值相加得到修正后的亮度参考值。依据该亮度参考值将亮度分量通道数据分割为高亮度区和低亮度区，令vmin表示图像亮度最小值，vmax表示图像亮度最大值，mp表示亮度均值，则低亮度区增强系数为高亮度区增强系数为令iL(s)和iR(s)分别为低亮度区和高亮度区的亮度值，IL(s)和IR(s)分别为增强后低亮度区和高亮度区的亮度值。低亮度区亮度级进行如下操作：IL(s)＝[iL(s)-vmin]×α，高亮度区亮度级进行如下操作：IR(s)＝[iR(s)-vmax]×β+255。
步骤7：将新的亮度分量和原始的色度分量和饱和度分量组合并转换到RGB色彩空间得到最后增强的彩色图像。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (2)
1.一种基于时间序列的顺逆光交通图像自适应增强方法，其特征在于，包括：
一个获取原始采集交通图像的步骤：通过抓拍设备获取原始的交通图像；
一个将原始交通图像从RGB色彩空间转换到HSV色彩空间的步骤：把原始交通图像从RGB色彩空间转换到HSV色彩空间后存储；
一个提取分量通道数据的步骤：具体是从存储的转换为HSV色彩空间后的交通图像提取交通图像V分量通道数据；
一个得到顺逆光补偿模型的步骤：为每个时刻亮度设定一个参考值l；参考值的获取通过大量统计不同时刻图像亮度值，得到不同时刻相应亮度均值，然后对亮度均值进行顺逆光亮度修正得到参考值；为了对顺逆光图像亮度修正，设计了一个基于时间序列的顺逆光补偿函数C＝λsin(ω(t-ts))，其中λ为补偿系数，相机朝西时大于0，朝东时小于0，南北朝向时等于0；其中w为补偿函数的角频率，ts为光补偿的起始时刻，te为光补偿的终止时刻，w＝2π/(te-ts)；
一个得到亮度实时反馈模型的步骤：根据图像的实时变化情况，在对图像补偿时考虑到上一帧图像的亮度补偿量，得到图像的实时反馈模型，具体方法是：图像的实时反馈模型是通过亮度参考值和亮度实时值反馈得到；首先在提取分量通道数据的步骤得到亮度参考值l，然后计算图像的亮度均值m和亮度参考值l之间的偏差e＝m-l，令图像的亮度修正量为b，则有b＝ηe，其中η为修正步长，其取值在0～1之间；
一个依据顺逆光补偿模型和亮度实时反馈模型对图像自适应补偿亮度分量的步骤，具体方法是：根据得到的亮度参考值和得到的亮度修正值相加得到修正后的亮度参考值；依据该亮度参考值将亮度分量通道数据分割为高亮度区和低亮度区，令vmin表示图像亮度最小值，vmax表示图像亮度最大值，mp表示亮度均值，则低亮度区增强系数为高亮度区增强系数为令iL(s)和iR(s)分别为低亮度区和高亮度区的亮度值，IL(s)和IR(s)分别为增强后低亮度区和高亮度区的亮度值；低亮度区亮度级进行如下操作：IL(s)＝[iL(s)-vmin]×α，高亮度区亮度级进行如下操作：IR(s)＝[iR(s)-vmax]×β+255；
一个获取最终增强的彩色图像的步骤：具体是将新的亮度分量和原始的色度分量和饱和度分量组合并转换到RGB色彩空间得到最后增强的彩色图像。
2.根据权利要求1所述的一种基于时间序列的顺逆光交通图像自适应增强方法，其特征在于，在得到亮度实时反馈模型的步骤中，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，bk为当前帧亮度修正量，bk-1为上一帧亮度修正量，αk为取值在0～1之间的惯性项系数，则有：bk＝ηkek+αkbk-1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510222562.5A CN104778674B (zh) | 2015-04-30 | 2015-04-30 | 一种基于时间序列的顺逆光交通图像自适应增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510222562.5A CN104778674B (zh) | 2015-04-30 | 2015-04-30 | 一种基于时间序列的顺逆光交通图像自适应增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104778674A CN104778674A (zh) | 2015-07-15 |
| CN104778674B true CN104778674B (zh) | 2018-01-12 |
Family
ID=53620122
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510222562.5A Active CN104778674B (zh) | 2015-04-30 | 2015-04-30 | 一种基于时间序列的顺逆光交通图像自适应增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104778674B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106791471B (zh) * | 2016-12-29 | 2021-07-20 | 宇龙计算机通信科技(深圳)有限公司 | 图像优化方法、图像优化装置和终端 |
| CN108805103B (zh) * | 2018-06-29 | 2020-09-11 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
| CN111696047B (zh) * | 2019-03-14 | 2023-08-22 | 四川中测辐射科技有限公司 | 一种医用成像设备的成像质量确定方法及系统 |
| CN110718069B (zh) * | 2019-10-10 | 2021-05-11 | 浙江大华技术股份有限公司 | 图像亮度调节方法、装置和存储介质 |
| CN111274952B (zh) * | 2020-01-20 | 2021-02-05 | 新疆爱华盈通信息技术有限公司 | 背光人脸图像处理方法、人脸识别方法 |
| CN111770284B (zh) * | 2020-07-10 | 2021-08-27 | 广东电网有限责任公司 | 一种输电杆塔的逆光补偿拍摄方法及相关装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102231206A (zh) * | 2011-07-14 | 2011-11-02 | 浙江理工大学 | 适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法 |
| CN103632351A (zh) * | 2013-12-16 | 2014-03-12 | 武汉大学 | 一种基于亮度基准漂移的全天候交通图像增强方法 |
-
2015
- 2015-04-30 CN CN201510222562.5A patent/CN104778674B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102231206A (zh) * | 2011-07-14 | 2011-11-02 | 浙江理工大学 | 适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法 |
| CN103632351A (zh) * | 2013-12-16 | 2014-03-12 | 武汉大学 | 一种基于亮度基准漂移的全天候交通图像增强方法 |
Non-Patent Citations (1)
| Title |
|---|
| 夜间交通视频图像增强方法研究和应用;张铿 等;《交通信息与安全》;20130220;第31卷(第1期);第89-92页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104778674A (zh) | 2015-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104778674B (zh) | 一种基于时间序列的顺逆光交通图像自适应增强方法 | |
| CN103632351B (zh) | 一种基于亮度基准漂移的全天候交通图像增强方法 | |
| CN103593830B (zh) | 一种低照度视频图像增强方法 | |
| CN110047051B (zh) | 一种非均匀照明彩色图像增强方法 | |
| CN107657594A (zh) | 一种高质量的快速色调映射方法和系统 | |
| CN106897981A (zh) | 一种基于引导滤波的低照度图像增强方法 | |
| CN101783963B (zh) | 一种具有高光抑制的夜间图像增强方法 | |
| CN107820069B (zh) | 一种视频监控设备isp调试方法 | |
| CN106169182B (zh) | 一种合成多幅不同曝光度图像的方法 | |
| CN106504212A (zh) | 一种改进的hsi空间信息低照度彩色图像增强算法 | |
| CN109447910A (zh) | 一种基于模糊理论的低照度彩色图像增强方法 | |
| CN109087254B (zh) | 无人机航拍图像雾霾天空和白色区域自适应处理方法 | |
| CN109785240B (zh) | 一种低照度图像增强方法、装置及图像处理设备 | |
| CN102750674A (zh) | 基于自适应容差的视频图像去雾方法 | |
| CN110706172B (zh) | 基于自适应混沌粒子群优化的低照度彩色图像增强方法 | |
| CN105046663A (zh) | 一种模拟人类视觉感知的自适应低照度图像增强方法 | |
| CN111105359B (zh) | 一种高动态范围图像的色调映射方法 | |
| CN104268843A (zh) | 基于直方图修饰的图像自适应增强方法 | |
| CN106454014B (zh) | 一种提高逆光场景车辆抓拍图像质量的方法及装置 | |
| CN108364271B (zh) | 一种图像对比度的提高方法和装置 | |
| CN109325918B (zh) | 一种图像处理的方法、装置及计算机存储介质 | |
| CN102496152A (zh) | 一种基于直方图的自适应图像对比度增强方法 | |
| CN113822826B (zh) | 一种低照度图像亮度增强方法 | |
| CN108288258A (zh) | 一种针对恶劣天气条件下的低质图像增强方法 | |
| CN110211070A (zh) | 一种基于局部极值的低照度彩色图像增强方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |