CN110443762B - 一种路面阴影抑制方法 - Google Patents
一种路面阴影抑制方法 Download PDFInfo
- Publication number
- CN110443762B CN110443762B CN201910669850.3A CN201910669850A CN110443762B CN 110443762 B CN110443762 B CN 110443762B CN 201910669850 A CN201910669850 A CN 201910669850A CN 110443762 B CN110443762 B CN 110443762B
- Authority
- CN
- China
- Prior art keywords
- image
- yuv
- gray level
- road
- strip
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000001629 suppression Effects 0.000 title claims abstract description 15
- 230000008030 elimination Effects 0.000 claims abstract description 3
- 238000003379 elimination reaction Methods 0.000 claims abstract description 3
- 238000001914 filtration Methods 0.000 claims description 7
- 230000002146 bilateral effect Effects 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 2
- 230000005764 inhibitory process Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 10
- 238000001514 detection method Methods 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种路面阴影抑制方法,包括如下步骤:(1)将道路彩色图像转到YUV色彩空间,并根据YUV图像的三通道值构建出log(Y/U)和log(Y/V)两个特征式;(2)将YUV图像中所有像素点的YUV特征投影到一维空间中,并计算在一维空间的熵值,通过变化投射角α,得到不同投射角α对应的熵值,确定最大熵值对应的投射角αm;(3)基于投射角αm对YUV图像进行重构,并对重构后的图像进行二值化和小区域消除处理得到阴影抑制后的道路图像。本发明可以解决现有技术的不足,将在最大程度保留道路信息的同时对路面阴影进行有效的抑制,为后续的道路检测提供有力的保障。
Description
技术领域
本发明涉及数字图像处理技术领域,尤其是一种路面阴影抑制方法。
背景技术
用数字图像处理技术进行道路检测,最大的挑战在于道路周边场景和路面阴影的干扰。现有的道路阴影抑制方法大致可分为两大类:第一类方法是先进行阴影检测,再根据阴影周围的色彩特征对检测出来的阴影进行颜色补偿;第二类方法是通过某种方式对图像进行重构,将路面和阴影作为一个整体同时处理,从而间接地对阴影进行抑制。
第一类方法的典型代表是《Shadow detection and removal from remotesensing images using NDI and morphological operators》(Singh K K,Pal K,Nigam MJ.Int J Comput Appl,2012,42(10):37-40)。在该文献中,作者首先在YUV空间下对图像进行二值处理,得到若干个连通域,将其作为阴影区域。接着,作者对二值图进行一定程度的膨胀处理,并把它同最初的二值图相减,得到阴影区域的轮廓,称为“缓冲区域”。随后,利用缓冲区域中的颜色均值代替其所包围的阴影区域的颜色,由此得到阴影抑制后的图像。但是,这种方法以检测阴影为基础,而阴影复杂多样、分布无规律,所以它不能把所有的阴影都很好地检测出来,从而也就不能全面地进行阴影抑制。此外,由于“缓冲区域”的色彩特征跟阴影区域没有特别明显的差别,因此处理之后的阴影只是在视觉上显得颜色变浅了,并没有被彻底消除。
第二类方法的典型代表是《Road detection based on illuminant invariance》(Alvarez J M A,Lopez A M.Intelligent Transportation Systems,IEEE Transactionson,2011,12(1):184-193)。在该文献中,作者首先分析了图像整体的光强分布,发现阴影的产生其实是由光强分布不均引起的。光强分布越杂乱,阴影的影响就越明显;反之,如果能把光强分布统一在一个方向上,那么阴影的影响会大大降低。由杂乱到统一,这是一个熵减的过程,而最小熵对应的光强分布是对阴影抑制效果最好的情况。因此,作者将光强按照一定的角度投射到一维空间,计算各个角度下所对应的熵值,找出最小熵值对应的角度,以该角度对图像进行重构,由此阴影与路面呈现相似的色彩特征,阴影得到了抑制。但是,这种方法是对图像整体进行处理的,为了达到光强分布的平衡,它以牺牲路面的信息为代价。也就是说,原本有效的路面信息也被处理掉了,它跟背景之间的区分度大幅度降低,这会对后续的道路检测带来不利的影响。
因此,现有的方法虽然对阴影抑制有一定的效果,但其局限性也是不容忽视的,这集中体现在两个方面:阴影消除不彻底、容易将道路区域也处理掉。
发明内容
本发明要解决的技术问题是提供一种路面阴影抑制方法,能够解决现有技术的不足,将在最大程度保留道路信息的同时对路面阴影进行有效的抑制,为后续的道路检测提供有力的保障。
为解决上述技术问题,本发明所采取的技术方案如下。
一种路面阴影抑制方法,包括如下步骤:
(1)将道路彩色图像转到YUV色彩空间,并根据YUV图像的三通道值构建出log(Y/U)和log(Y/V)两个特征式;
(2)将YUV图像中所有像素点的YUV特征投影到一维空间中,并计算在一维空间的熵值,通过变化投射角α,得到不同投射角α对应的熵值,确定最大熵值对应的投射角αm;
(3)基于投射角αm对YUV图像进行重构,并对重构后的图像进行二值化和小区域消除处理得到阴影抑制后的道路图像。
作为优选,所述步骤(1)中将道路彩色图像转到YUV色彩空间之前,还包括使用双边滤波对图像进行降噪处理。
作为优选,道路彩色图像中的像素点(R,G,B)的YUV信息由如下的转换公式获得:
Y=0.299R+0.587G+0.114B
U=-0.1687R-0.3313G+0.5B+128
V=0.5R-0.4187G-0.0813B+128。
作为优选,所述步骤(2)中计算在一维空间的熵值的具体步骤包括:
(a)在一维空间的最大值和最小值之间分成m等份,每一个区间的长度为(最大值-最小值)/m,统计每个区间内的点的个数;
(b)根据公式计算熵值,其中pi=ni/N,ni表示当投射角为α时第i个区间内点的个数,N表示各区间点数总和。
作为优选,投射角α的变化范围是从1°变化到180°,每次变化1°。
作为优选,所述步骤(3)中基于投射角αm对YUV图像进行重构的表达式为:
I=log(H/S)·cosαm+log(V/S)·sinαm。
采用上述技术方案所带来的有益效果在于:本发明原理简单、高效易行,能够有效抑制道路图像中的阴影,且最大程度地保留道路信息,在不同道路阴影情况下的鲁棒性较强。
附图说明
图1是原始图像。
图2是双边滤波后的图像
图3是一维空间投影示意图。
图4是熵值随投射角度变化示意图。
图5是最大熵示意图。
图6是重构图像效果图。
图7是后期处理前的效果图。
图8是后期处理后的效果图
图9是未经过阴影抑制的道路图像二值图。
图10是用本发明提出的方法进行阴影抑制后的道路图像的二值图。
图11是道路图像的ground-truth图。
具体实施方式
1、图像预处理
(1)降噪处理
这里使用双边滤波对图像进行降噪处理。双边滤波是一种非线性的滤波方式,它同时考虑到图像的空域信息和灰度相似性。相比于其他的滤波方式,双边滤波最大的好处在于去除噪声的同时能够很好地保留道路的边缘信息。
(2)RGB空间转YUV空间
对于RGB空间内的一个像素点(R,G,B),它的YUV信息可由如下的转换公式获得:
Y=0.299R+0.587G+0.114B
U=-0.1687R-0.3313G+0.5B+128
V=0.5R-0.4187G-0.0813B+128
2、求取最大熵
(1)提取YUV特征
这里根据YUV图像三通道值,构建出如下两个特征式(log(Y/U),log(Y/V))。
分别以上下两式为x轴和y轴。
(2)一维投影
将点投影到一维空间内,投射角为α。由于是一维,我们仅选取点的横坐标进行计算。由计算可知,对于点(x,y),其经过投影后的横坐标值变成
x′=x·cosα+y·sinα
由此得到一维的数据集A={x′(1),x′(2),...,x′(n)},n是图3中点的总个数。
令A(max)、A(min)分别为数据集A中的最大值和最小值,故数据总长度为
L=A(max)-A(min)。
L需被分为若干等份,为保证投射后分布的合理性,等份的数量可取特征点总数的1/4到1/2。这里我们仿照灰度空间0-255共256个等级,将数据长度L平均分成256等份,每一个区间的长度为L/256。根据A中数值大小,统计每个区间内点的个数,构成数据集N={n1,n2,...,n256}。投射角度不同,各个区间内点的数目也不同。
(3)计算熵值
熵是信息论中信息的度量,事件越不确定,其信息量越大,熵也越大。设有一随机变量ξ,它有R1,R2,…,Rm共m个不同的结果,每个结果出现的概率为p1,p2,…,pm,那么ξ的熵为
在本例中,pi=ni/N,ni表示当投射角为α时第i个区间内点的个数,N表示各区间点数总和。每个投射角都对应一个熵值,使α从1°变化到180°,每次变化1°,共得到180个熵值。
(4)获取最大熵对应的投射角
如图4所示,熵最大处的点被标记成红色,记下它所对应的投射角αm。在本例中,αm为47°。
3、图像重构
(1)图像重构表达式
定义图像重构表达式为I=log(H/S)·cosαm+log(V/S)·sinαm,其中,I为重构后图像的像素点的值,H、S、V分别为对应像素的点YUV空间的分量值。
图像重构之后,根据图像中灰度变化幅度确定若干个分区中心点,将分区中心点外侧与分区中心点灰度偏差小于设定阈值的区域划分为一个分区,且任意两个分区交界处的灰度不变或单调变化;在每个分区中标记出若干个宽度不大于该分区最小宽度50%的条带,保证标记出的条带完全覆盖分区区域,计算每个条带上的灰度标准差,以灰度标准差最小的条带作为特征条带;每个条带中,以通过其几何中心且灰度单调变化且灰度变化幅度最小的直线作为该条带的灰度参考线,建立每个非特征条带的灰度参考线与特征条带灰度参考线的映射关系;对特征条带进行灰度平滑处理,然后根据非特征条带的灰度参考线与特征条带灰度参考线的映射关系,使用处理后的特征条带像素集合逆向计算出处理后的非特征条带的像素集合。这种处理方式可以大大降低对于整个图像的计算量,在保证处理效果的同时,提高处理效率。
(2)后期处理
为尽可能多地排除杂点干扰且保护道路信息(包括路面信息和边缘信息),将图像二值化后,对二值图中的空洞区域进行填充,如白色背景中有一个黑色的圆圈,则这个圆圈内的区域将被白色填充。由此便可得到最终的经过阴影抑制后的图像。
本发明提出的方法对路面上的阴影起到了很好的抑制作用。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (2)
1.一种路面阴影抑制方法,其特征在于,包括如下步骤:
(1)将道路彩色图像转到YUV色彩空间,并根据YUV图像的三通道值构建出log(Y/U)和log(Y/V)两个特征式;将道路彩色图像转到YUV色彩空间之前,还包括使用双边滤波对图像进行降噪处理;道路彩色图像中的像素点(R, G, B)的YUV信息由如下的转换公式获得:
Y = 0.299 R + 0.587 G + 0.114 B
U = - 0.1687 R - 0.3313 G + 0.5 B + 128
V = 0.5 R - 0.4187 G - 0.0813 B + 128;
(2)将YUV图像中所有像素点的YUV特征投影到一维空间中,并计算在一维空间的熵值,通过变化投射角α,得到不同投射角α对应的熵值,确定最大熵值对应的投射角αm;
(3)基于投射角αm对YUV图像进行重构,并对重构后的图像进行二值化和小区域消除处理得到阴影抑制后的道路图像;基于投射角αm对YUV图像进行重构的表达式为:
;
图像重构之后,根据图像中灰度变化幅度确定若干个分区中心点,将分区中心点外侧与分区中心点灰度偏差小于设定阈值的区域划分为一个分区,且任意两个分区交界处的灰度不变或单调变化;在每个分区中标记出若干个宽度不大于该分区最小宽度50%的条带,保证标记出的条带完全覆盖分区区域,计算每个条带上的灰度标准差,以灰度标准差最小的条带作为特征条带;每个条带中,以通过其几何中心且灰度单调变化且灰度变化幅度最小的直线作为该条带的灰度参考线,建立每个非特征条带的灰度参考线与特征条带灰度参考线的映射关系;对特征条带进行灰度平滑处理,然后根据非特征条带的灰度参考线与特征条带灰度参考线的映射关系,使用处理后的特征条带像素集合逆向计算出处理后的非特征条带的像素集合;
将图像二值化后,对二值图中的空洞区域进行填充,将白色背景中黑色的圆圈内的区域使用白色填充。
2.根据权利要求1所述的路面阴影抑制方法,其特征在于:所述步骤(2)中计算在一维空间的熵值的具体步骤包括:
(a)在一维空间的最大值和最小值之间分成m等份,每一个区间的长度为(最大值-最小值)/m,统计每个区间内的点的个数;
(b)根据公式计算熵值,其中/>,/>表示当投射角为α时第i个区间内点的个数,N表示各区间点数总和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910669850.3A CN110443762B (zh) | 2019-07-24 | 2019-07-24 | 一种路面阴影抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910669850.3A CN110443762B (zh) | 2019-07-24 | 2019-07-24 | 一种路面阴影抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110443762A CN110443762A (zh) | 2019-11-12 |
CN110443762B true CN110443762B (zh) | 2023-09-22 |
Family
ID=68431246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910669850.3A Active CN110443762B (zh) | 2019-07-24 | 2019-07-24 | 一种路面阴影抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110443762B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020913A (zh) * | 2012-12-18 | 2013-04-03 | 武汉大学 | 基于分段校正的遥感影像条带噪声去除方法 |
CN104809699A (zh) * | 2015-04-15 | 2015-07-29 | 东南大学 | 基于最大熵的路面阴影抑制方法 |
CN107220949A (zh) * | 2017-05-27 | 2017-09-29 | 安徽大学 | 公路监控视频中运动车辆阴影的自适应消除方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8294794B2 (en) * | 2010-07-06 | 2012-10-23 | GM Global Technology Operations LLC | Shadow removal in an image captured by a vehicle-based camera for clear path detection |
-
2019
- 2019-07-24 CN CN201910669850.3A patent/CN110443762B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020913A (zh) * | 2012-12-18 | 2013-04-03 | 武汉大学 | 基于分段校正的遥感影像条带噪声去除方法 |
CN104809699A (zh) * | 2015-04-15 | 2015-07-29 | 东南大学 | 基于最大熵的路面阴影抑制方法 |
CN107220949A (zh) * | 2017-05-27 | 2017-09-29 | 安徽大学 | 公路监控视频中运动车辆阴影的自适应消除方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110443762A (zh) | 2019-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Image contrast enhancement using adjacent-blocks-based modification for local histogram equalization | |
CN110766736B (zh) | 缺陷检测方法、装置、电子设备以及存储介质 | |
JP5754065B2 (ja) | 光学文字認識されるテキスト画像のテキスト解像度の改善方法及びシステム | |
CN107067389B (zh) | 一种图像篡改盲取证方法 | |
Kaur et al. | Fractional Fourier Transform based Riesz fractional derivative approach for edge detection and its application in image enhancement | |
CN112561804A (zh) | 基于多尺度细节增强的低光照水下图像增强方法 | |
JP5534411B2 (ja) | 画像処理装置 | |
CN116468641A (zh) | 一种红外血管图像增强处理方法 | |
CN111476758A (zh) | Amoled显示屏的缺陷检测方法、装置、计算机设备及存储介质 | |
CN104809699A (zh) | 基于最大熵的路面阴影抑制方法 | |
CN110827209A (zh) | 一种联合颜色与深度信息的自适应深度图像修复方法 | |
CN110443762B (zh) | 一种路面阴影抑制方法 | |
Keaomanee et al. | Implementation of four kriging models for depth inpainting | |
Liu et al. | Multi-modal ship target image smoothing based on adaptive mean shift | |
Ji et al. | A novel method of image segmentation using watershed transformation | |
CN116205939A (zh) | 线条提取方法、线条提取设备和计算机存储介质 | |
CN115358948A (zh) | 一种基于改进Retinex算法的低照度图像增强方法 | |
CN108846312A (zh) | 一种细菌有效活动区域的识别方法、装置及终端设备 | |
CN114862889A (zh) | 基于遥感图像的道路边缘提取方法和装置 | |
Hu et al. | Edge detection method based on lifting B-spline dyadic wavelet | |
Jiang et al. | An improved canny operator in the application of medical image segmentation | |
CN109035171B (zh) | 一种网纹人脸图像修复方法 | |
Jia et al. | A piecewise nonlinear enhancement method of side scan sonar images | |
Kaur et al. | Hand Gesture Image Enhancement for Improved Recognition and Subsequent Analysis | |
Wang et al. | Shadow detection of urban color aerial images based on partial differential equations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |