CN110493509A - 一种激光模组的图像信息处理系统及处理方法 - Google Patents
一种激光模组的图像信息处理系统及处理方法 Download PDFInfo
- Publication number
- CN110493509A CN110493509A CN201910562390.4A CN201910562390A CN110493509A CN 110493509 A CN110493509 A CN 110493509A CN 201910562390 A CN201910562390 A CN 201910562390A CN 110493509 A CN110493509 A CN 110493509A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- laser
- processed
- laser image
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 26
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000012937 correction Methods 0.000 claims abstract description 20
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 8
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims description 73
- 238000000605 extraction Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000002834 transmittance Methods 0.000 claims description 6
- 230000000052 comparative effect Effects 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims 1
- 238000003384 imaging method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 239000002131 composite material Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/95—Computational photography systems, e.g. light-field imaging systems
- H04N23/951—Computational photography systems, e.g. light-field imaging systems by using two or more images to influence resolution, frame rate or aspect ratio
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/265—Mixing
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种激光模组的图像信息处理系统及处理方法，所述图像信息处理系统包括激光图像获取模块、激光图像预处理模块和激光图像识别模块，所述激光图像获取模块用于获取待处理激光图像并将待处理激光图像传输给激光图像预处理模块，所述激光图像预处理模块用于对待处理激光图像进行去雾处理，并将得到的待分类激光图像传输给激光图像识别模块，所述激光图像识别模块用于对待分类激光图像中的目标进行识别,并输出目标识别结果，所述激光图像获取模块包括激光模组、第一摄像头、第二摄像头、图像处理合成模块、亮度分布特征计算模块、亮度校正值计算模块和校正处理模块，所述激光模组用于发出激光。
Description
技术领域
本发明涉及激光模组领域，具体是一种激光模组的图像信息处理系统及处理方法。
背景技术
水下成像技术是人类认识海洋、开发利用海洋和保护海洋的重要手段和工具，水下成像技术在水下目标发现、海面材料探测及海洋地理工程中具有要的应用价值，因此科技人员越来越重视水下成像技术的发展。与空气中成像技术不同，由于水的强散射效应和快速吸收功率衰减，如果直接将摄像机应用在水中，会导致图像的噪声很大，将激光模组应用于水下成像，能够在一定程度上减小散射光对成像的影响，但是水的强散射效应仍然对图像的质量有很大的限制，导致图像质量不高，从而在进行图像识别时精确度和效率不高。
发明内容
本发明的目的在于提供一种激光模组的图像信息处理系统及处理方法，以解决现有技术中的问题。
为实现上述目的，本发明提供如下技术方案：
一种激光模组的图像信息处理系统，所述图像信息处理系统包括激光图像获取模块、激光图像预处理模块和激光图像识别模块，所述激光图像获取模块用于获取待处理激光图像并将待处理激光图像传输给激光图像预处理模块，所述激光图像预处理模块用于对待处理激光图像进行去雾处理，并将得到的待分类激光图像传输给激光图像识别模块，所述激光图像识别模块用于对待分类激光图像中的目标进行识别,并输出目标识别结果。
作为优选方案，所述激光图像获取模块包括激光模组、第一摄像头、第二摄像头、图像处理合成模块、亮度分布特征计算模块、亮度校正值计算模块和校正处理模块，所述激光模组用于发出激光，用于激光成像，所述第一摄像头用于拍摄与第一摄像头的距离小于等于距离L的景物并输出第一图像，所述第二摄像头用于拍摄与第一摄像头的距离大于距离L的景物并输出第二图像，所述图像处理合成模块用于接收第一摄像头输出的第一图像和第二摄像头输出的第二图像，并将第一图像和第二图像相加并合成获得待处理合成图像，所述亮度分布特征计算模块用于计算第一图像、第二图像的亮度分布特征量以及待处理合成图像的实际亮度分布特征量，所述亮度校正值计算模块用于计算待处理合成图像亮度的校正值，所述校正处理模块根据校正值校正待处理合成图像得到待分类激光图像并将待分类激光图像传输给激光图像预处理模块。
作为优选方案，所述激光图像预处理模块包括暗通道值计算模块、全局环境光值计算模块、环境通道值计算模块、透射率计算模块和去雾处理模块，所述暗全局环境光值计算模块用于根据暗通道值计算全局环境光值，所述环境通道值计算模块用于根据暗通道值计算环境通道值，所述透射率计算模块用于根据环境通道值和全局环境光值计算透射率，所述去雾处理模块根据透射率对待处理激光图像去雾处理得到待分类激光图像。
作为优选方案，所述激光图像识别模块包括训练模型建立模块、二值化处理模块、目标区域提取模块、目标区域分割模块、灰度均值计算模块、灰度方差计算模块、目标区域比较模块和识别结果输出模块，所述训练模型建立模块用于预建立训练目标模型及分类训练模型，所述二值化处理模块用于对待分类激光图像进行二值化处理，所述目标区域提取模块用于从待分类激光图像提取出目标区域，所述目标区域划分模块用于将目标区域分割成若干个子区域，所述灰度均值计算模块用于计算目标区域内每个子区域的灰度均值，所述灰度方差计算模块用于计算每个子区域的灰度方差，所述目标区域比较模块用于比较目标区域与训练目标模型，并确定目标区域所属训练模型，所述识别结果输出模块用于输出待分类激光图像所属的训练目标模型。
一种激光模组的图像信息处理方法，所述处理方法包括以下步骤：
S1：获取待处理激光图像；
S2：预处理待处理激光图像，得到带分类激光图像；
S3：提取目标特征，根据目标特征识别目标。
作为优选方案，所述步骤S1中获取激光图像包括以下步骤：
S11：激光模组照射某一场景，第一摄像头和第二摄像头对该场景进行拍摄，第一摄像头用于拍摄与第一摄像头的距离小于等于距离L的景物，第一摄像头输出第一图像，第二摄像头用于拍摄与第一摄像头的距离大于距离L的景物，第二摄像头输出第二图像；
S12：将第一图像和第二图像相加并合成，获取待处理合成图像；第一摄像头用于拍摄近景图像，第二摄像头用于拍摄远景图像，从而第一图像上近景图像更加清晰，第二图像上远景图像更加清晰，将第一图像上的近景与第二图像上的远景相加合成，从而获得的待处理合成图像更加清晰，提高了待处理合成图像的质量；
S13：分别计算第一图像、第二图像的亮度分布特征量以及待处理合成图像的实际亮度分布特征量；
S14：根据第一图像和第二图像的亮度分布特征量计算获取待处理合成图像的理论亮度分布特征量，
S15：根据实际亮度分布特征量和理论亮度分布特征量计算待处理合成图像亮度校正值；
S16：根据校正值校正待处理合成图像，校正过的待处理合成图像即为待处理激光图像，使得待处理激光图像上的色调更加精确，便于提高后续识别目标的精确度。
作为优选方案，所述步骤S2预处理待处理激光图像为对待处理激光图像进行去雾处理，所述去雾处理包括以下步骤：
S21：按照从上往下的顺序遍历待处理激光图像上的各个像素点，计算并比较待处理激光图像上各个像素点的暗通道值；
S22：选取最小的暗通道值为当前检测图像的像素点为全局环境光值；
S23：在待处理激光图像上，以最大暗通道值和最小暗通道值所在直线为对角线，确定一个正方形，在该正方形内任意一条参考直线，该参考直线与最大暗通道值和最小暗通道值所在直线相交，并且该参考直线与正方形相交于两定点，计算直线上这两定点之间的像素点的暗通道值的平均值，该平均值即为环境通道值；
S24：根据环境通道值和全局环境光值计算透射率；
S25：利用透射率，选取预设的水下散射模型对待处理激光图像去雾处理得到待分类激光图像。
作为优选方案，所述步骤S3中提取目标特征包括以下步骤：
S31：建立分类训练模型：收集若干张训练目标图像，将每张训练目标图像分割若干个子区域，计算每个子区域的灰度均值M0和灰度方差N0，将每个子区域的灰度均值和灰度方差作为特征得到训练目标模型，根据训练目标模型进行分类得到分类训练模型；
S32：将待分类激光图像进行二值化处理，得到二值化图像；
S33：对二值化做形态学处理得到图像标记，根据图像标记对待分类激光图像进行分割提取得到目标区域；
S34：将目标区域分割成若干个子区域，计算每个子区域的灰度均值M和灰度方差N，遍历分类训练模型中的所有训练目标模型，确定目标区域所属的训练目标模型：
若存在训练目标的每个子区域的灰度均值M0等于目标区域每个子区域的灰度均值M，且该训练目标的每个子区域的灰度方差N0等于目标区域每个子区域的灰度方差N，则该目标区域属于该训练目标模型；
若不存在训练目标的每个子区域的灰度均值M0等于目标区域每个子区域的灰度均值M，或不存在训练目标的每个子区域的灰度方差N0等于目标区域每个子区域的灰度方差N，则计算并比较评估值Q＝[(M0-M)/M]2+[(N0-N)/N]2，评估值最小的训练目标模型即为目标区域所属的训练目标模型；
S35：输出待分类激光图像所属的训练目标模型。
与现有技术相比，本发明的有益效果是：本发明通过第一图像和第二图像相加合成待处理合成图像，从而使得获得待处理合成图像更加清晰，图像的质量更高；通过获取待处理激光图像上的目标区域，利用目标区域的每个子区域的灰度均值和灰度均值以及训练目标的每个子区域的灰度均值和灰度均值，确定目标区域所属的训练目标模型，从而也进一步提高了图像识别的精确度和效率。
附图说明
图1为本发明一种激光模组的图像信息处理系统的模块结构示意图；
图2为本发明一种激光模组的图像信息处理方法的流程示意图；
图3为本发明一种激光模组的图像信息处理方法的步骤1的流程示意图；
图4为本发明一种激光模组的图像信息处理方法的步骤2的流程示意图；
图5为本发明一种激光模组的图像信息处理方法的步骤3的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1～5，本发明实施例中，一种激光模组的图像信息处理系统及处理方法，图像信息处理系统包括激光图像获取模块、激光图像预处理模块和激光图像识别模块，激光图像获取模块用于获取待处理激光图像并将待处理激光图像传输给激光图像预处理模块，激光图像预处理模块用于对待处理激光图像进行去雾处理，并将得到的待分类激光图像传输给激光图像识别模块，激光图像识别模块用于对待分类激光图像中的目标进行识别,并输出目标识别结果。
激光图像获取模块包括激光模组、第一摄像头、第二摄像头、图像处理合成模块、亮度分布特征计算模块、亮度校正值计算模块和校正处理模块，激光模组用于发出激光，用于激光成像，第一摄像头用于拍摄与第一摄像头的距离小于等于距离L的景物并输出第一图像，第二摄像头用于拍摄与第一摄像头的距离大于距离L的景物并输出第二图像，图像处理合成模块用于接收第一摄像头输出的第一图像和第二摄像头输出的第二图像，并将第一图像和第二图像相加并合成获得待处理合成图像，亮度分布特征计算模块用于计算第一图像、第二图像的亮度分布特征量以及待处理合成图像的实际亮度分布特征量，亮度校正值计算模块用于计算待处理合成图像亮度的校正值，校正处理模块根据校正值校正待处理合成图像得到待分类激光图像并将待分类激光图像传输给激光图像预处理模块。
激光图像预处理模块包括暗通道值计算模块、全局环境光值计算模块、环境通道值计算模块、透射率计算模块和去雾处理模块，暗全局环境光值计算模块用于根据暗通道值计算全局环境光值，环境通道值计算模块用于根据暗通道值计算环境通道值，透射率计算模块用于根据环境通道值和全局环境光值计算透射率，去雾处理模块根据透射率对待处理激光图像去雾处理得到待分类激光图像。
激光图像识别模块包括训练模型建立模块、二值化处理模块、目标区域提取模块、目标区域分割模块、灰度均值计算模块、灰度方差计算模块、目标区域比较模块和识别结果输出模块，训练模型建立模块用于预建立训练目标模型及分类训练模型，二值化处理模块用于对待分类激光图像进行二值化处理，目标区域提取模块用于从待分类激光图像提取出目标区域，目标区域划分模块用于将目标区域分割成若干个子区域，灰度均值计算模块用于计算目标区域内每个子区域的灰度均值，灰度方差计算模块用于计算每个子区域的灰度方差，目标区域比较模块用于比较目标区域与训练目标模型，并确定目标区域所属训练模型，识别结果输出模块用于输出待分类激光图像所属的训练目标模型。
一种激光模组的图像信息处理方法，处理方法包括以下步骤：
S1：激光图像获取模块获取待处理激光图像；
S2：激光图像预处理模块预处理待处理激光图像，得到带分类激光图像；
S3：激光图像识别模块提取目标特征，根据目标特征识别目标。
步骤S1中获取激光图像包括以下步骤：
S11：激光模组照射某一场景，第一摄像头和第二摄像头对该场景进行拍摄，第一摄像头用于拍摄与第一摄像头的距离小于等于距离L的景物，第一摄像头输出第一图像，第二摄像头用于拍摄与第一摄像头的距离大于距离L的景物，第二摄像头输出第二图像；
S12：图像处理合成模块将第一图像和第二图像相加并合成，获取待处理合成图像；
S13：亮度分布特征计算模块分别计算第一图像、第二图像的亮度分布特征量以及待处理合成图像的实际亮度分布特征量；
S14：亮度分布特征计算模块根据第一图像和第二图像的亮度分布特征量计算获取待处理合成图像的理论亮度分布特征量，
S15：亮度校正值计算模块根据实际亮度分布特征量和理论亮度分布特征量计算待处理合成图像亮度校正值；
S16：校正处理模块根据校正值校正待处理合成图像，校正过的待处理合成图像即为待处理激光图像。
步骤S2预处理待处理激光图像为对待处理激光图像进行去雾处理，去雾处理包括以下步骤：
S21：按照从上往下的顺序遍历待处理激光图像上的各个像素点，暗通道值计算模块计算并比较待处理激光图像上各个像素点的暗通道值；
S22：全局环境光值计算模块选取最小的暗通道值为当前检测图像的像素点为全局环境光值；
S23：在待处理激光图像上，以最大暗通道值和最小暗通道值所在直线为对角线，确定一个正方形，在该正方形内任意一条参考直线，该参考直线与最大暗通道值和最小暗通道值所在直线相交，并且该参考直线与正方形相交于两定点，环境通道值计算模块计算直线上这两定点之间的像素点的暗通道值的平均值，该平均值即为环境通道值；
S24：透射率计算模块根据环境通道值和全局环境光值计算透射率；
S25：利用透射率，透射率计算模块选取预设的水下散射模型对待处理激光图像去雾处理得到待分类激光图像。
步骤S3中提取目标特征包括以下步骤：
S31：训练模型建立模块建立分类训练模型：收集若干张训练目标图像，将每张训练目标图像分割若干个子区域，计算每个子区域的灰度均值M0和灰度方差N0，将每个子区域的灰度均值和灰度方差作为特征得到训练目标模型，根据训练目标模型进行分类得到分类训练模型；
S32：二值化处理模块将待分类激光图像进行二值化处理，得到二值化图像；
S33：目标区域提取模块对二值化做形态学处理得到图像标记，根据图像标记对待分类激光图像进行分割提取得到目标区域；
S34：目标区域分割模块将目标区域分割成若干个子区域，灰度均值计算模块计算每个子区域的灰度均值M，灰度方差计算模块每个子区域的灰度方差N，目标区域比较模块遍历分类训练模型中的所有训练目标模型，确定目标区域所属的训练目标模型：
若存在训练目标的每个子区域的灰度均值M0等于目标区域每个子区域的灰度均值M，且该训练目标的每个子区域的灰度方差N0等于目标区域每个子区域的灰度方差N，则该目标区域属于该训练目标模型；
若不存在训练目标的每个子区域的灰度均值M0等于目标区域每个子区域的灰度均值M，或不存在训练目标的每个子区域的灰度方差N0等于目标区域每个子区域的灰度方差N，则计算并比较评估值Q＝[(M0-M)/M]2+[(N0-N)/N]2，评估值最小的训练目标模型即为目标区域所属的训练目标模型；
S35：识别结果输出模块输出待分类激光图像所属的训练目标模型。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (8)
1.一种激光模组的图像信息处理系统，其特征在于：所述图像信息处理系统包括激光图像获取模块、激光图像预处理模块和激光图像识别模块，所述激光图像获取模块用于获取待处理激光图像并将待处理激光图像传输给激光图像预处理模块，所述激光图像预处理模块用于对待处理激光图像进行去雾处理，并将得到的待分类激光图像传输给激光图像识别模块，所述激光图像识别模块用于对待分类激光图像中的目标进行识别,并输出目标识别结果。
2.根据权利要求1所述的一种激光模组的图像信息处理系统，其特征在于：所述激光图像获取模块包括激光模组、第一摄像头、第二摄像头、图像处理合成模块、亮度分布特征计算模块、亮度校正值计算模块和校正处理模块，所述激光模组用于发出激光，用于激光成像，所述第一摄像头用于拍摄与第一摄像头的距离小于等于距离L的景物并输出第一图像，所述第二摄像头用于拍摄与第一摄像头的距离大于距离L的景物并输出第二图像，所述图像处理合成模块用于接收第一摄像头输出的第一图像和第二摄像头输出的第二图像，并将第一图像和第二图像相加并合成获得待处理合成图像，所述亮度分布特征计算模块用于计算第一图像、第二图像的亮度分布特征量以及待处理合成图像的实际亮度分布特征量，所述亮度校正值计算模块用于计算待处理合成图像亮度的校正值，所述校正处理模块根据校正值校正待处理合成图像得到待分类激光图像并将待分类激光图像传输给激光图像预处理模块。
3.根据权利要求1所述的一种激光模组的图像信息处理系统，其特征在于：所述激光图像预处理模块包括暗通道值计算模块、全局环境光值计算模块、环境通道值计算模块、透射率计算模块和去雾处理模块，所述暗全局环境光值计算模块用于根据暗通道值计算全局环境光值，所述环境通道值计算模块用于根据暗通道值计算环境通道值，所述透射率计算模块用于根据环境通道值和全局环境光值计算透射率，所述去雾处理模块根据透射率对待处理激光图像去雾处理得到待分类激光图像。
4.根据权利要求1所述的一种激光模组的图像信息处理系统，其特征在于：所述激光图像识别模块包括训练模型建立模块、二值化处理模块、目标区域提取模块、目标区域分割模块、灰度均值计算模块、灰度方差计算模块、目标区域比较模块和识别结果输出模块，所述训练模型建立模块用于预建立训练目标模型及分类训练模型，所述二值化处理模块用于对待分类激光图像进行二值化处理，所述目标区域提取模块用于从待分类激光图像提取出目标区域，所述目标区域划分模块用于将目标区域分割成若干个子区域，所述灰度均值计算模块用于计算目标区域内每个子区域的灰度均值，所述灰度方差计算模块用于计算每个子区域的灰度方差，所述目标区域比较模块用于比较目标区域与训练目标模型，并确定目标区域所属训练模型，所述识别结果输出模块用于输出待分类激光图像所属的训练目标模型。
5.一种激光模组的图像信息处理方法，其特征在于：所述处理方法包括以下步骤：
S1：获取待处理激光图像；
S2：预处理待处理激光图像，得到带分类激光图像；
S3：提取目标特征，输出识别结果。
6.根据权利要求5所述的一种激光模组的图像信息处理方法，其特征在于：所述步骤S1中获取激光图像包括以下步骤：
S11：激光模组照射某一场景，第一摄像头和第二摄像头对该场景进行拍摄，第一摄像头用于拍摄与第一摄像头的距离小于等于距离L的景物，第一摄像头输出第一图像，第二摄像头用于拍摄与第一摄像头的距离大于距离L的景物，第二摄像头输出第二图像；
S12：将第一图像和第二图像相加并合成，获取待处理合成图像；
S13：分别计算第一图像、第二图像的亮度分布特征量以及待处理合成图像的实际亮度分布特征量；
S14：根据第一图像和第二图像的亮度分布特征量计算获取待处理合成图像的理论亮度分布特征量，
S15：根据实际亮度分布特征量和理论亮度分布特征量计算待处理合成图像亮度校正值；
S16：根据校正值校正待处理合成图像，校正过的待处理合成图像即为待处理激光图像。
7.根据权利要求5所述的一种激光模组的图像信息处理方法，其特征在于：所述步骤S2预处理待处理激光图像为对待处理激光图像进行去雾处理，所述去雾处理包括以下步骤：
S21：按照从上往下的顺序遍历待处理激光图像上的各个像素点，计算并比较待处理激光图像上各个像素点的暗通道值；
S22：选取最小的暗通道值为当前检测图像的像素点为全局环境光值；
S23：在待处理激光图像上，以最大暗通道值和最小暗通道值所在直线为对角线，确定一个正方形，在该正方形内任意一条参考直线，该参考直线与最大暗通道值和最小暗通道值所在直线相交，并且该参考直线与正方形相交于两定点，计算直线上这两定点之间的像素点的暗通道值的平均值，该平均值即为环境通道值；
S24：根据环境通道值和全局环境光值计算透射率；
S25：利用透射率，选取预设的水下散射模型对待处理激光图像去雾处理得到待分类激光图像。
8.根据权利要求5所述的一种激光模组的图像信息处理方法，其特征在于：所述步骤S3中提取目标特征包括以下步骤：
S31：建立分类训练模型：收集若干张训练目标图像，将每张训练目标图像分割若干个子区域，计算每个子区域的灰度均值M0和灰度方差N0，将每个子区域的灰度均值和灰度方差作为特征得到训练目标模型，根据训练目标模型进行分类得到分类训练模型；
S32：将待分类激光图像进行二值化处理，得到二值化图像；
S33：对二值化做形态学处理得到图像标记，根据图像标记对待分类激光图像进行分割提取得到目标区域；
S34：将目标区域分割成若干个子区域，计算每个子区域的灰度均值M和灰度方差N，遍历分类训练模型中的所有训练目标模型，确定目标区域所属的训练目标模型：
若存在训练目标的每个子区域的灰度均值M0等于目标区域每个子区域的灰度均值M，且该训练目标的每个子区域的灰度方差N0等于目标区域每个子区域的灰度方差N，则该目标区域属于该训练目标模型；
若不存在训练目标的每个子区域的灰度均值M0等于目标区域每个子区域的灰度均值M，或不存在训练目标的每个子区域的灰度方差N0等于目标区域每个子区域的灰度方差N，则计算并比较评估值Q＝[(M0-M)/M]2+[(N0-N)/N]2，评估值最小的训练目标模型即为目标区域所属的训练目标模型；
S34：输出待分类激光图像所属的训练目标模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910562390.4A CN110493509B (zh) | 2019-06-26 | 2019-06-26 | 一种激光模组的图像信息处理系统及处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910562390.4A CN110493509B (zh) | 2019-06-26 | 2019-06-26 | 一种激光模组的图像信息处理系统及处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110493509A true CN110493509A (zh) | 2019-11-22 |
| CN110493509B CN110493509B (zh) | 2021-03-19 |
Family
ID=68546381
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910562390.4A Active CN110493509B (zh) | 2019-06-26 | 2019-06-26 | 一种激光模组的图像信息处理系统及处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110493509B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112926383A (zh) * | 2021-01-08 | 2021-06-08 | 浙江大学 | 一种基于水下激光图像的目标自动识别系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103426151A (zh) * | 2013-08-12 | 2013-12-04 | 广东威创视讯科技股份有限公司 | 一种图像去雾方法及装置 |
| WO2015008873A1 (ko) * | 2013-07-15 | 2015-01-22 | 엘지전자 주식회사 | 이종 카메라를 이용한 3차원 영상 인식 장치 및 방법 |
| CN105728918A (zh) * | 2015-08-04 | 2016-07-06 | 梁彦云 | 基于激光图像处理的水下焊接平台 |
| CN106112202A (zh) * | 2015-08-04 | 2016-11-16 | 李小春 | 基于多重滤波处理的水下机器人 |
| CN108765342A (zh) * | 2018-05-30 | 2018-11-06 | 河海大学常州校区 | 一种基于改进暗通道的水下图像复原方法 |
-
2019
- 2019-06-26 CN CN201910562390.4A patent/CN110493509B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015008873A1 (ko) * | 2013-07-15 | 2015-01-22 | 엘지전자 주식회사 | 이종 카메라를 이용한 3차원 영상 인식 장치 및 방법 |
| CN103426151A (zh) * | 2013-08-12 | 2013-12-04 | 广东威创视讯科技股份有限公司 | 一种图像去雾方法及装置 |
| CN105728918A (zh) * | 2015-08-04 | 2016-07-06 | 梁彦云 | 基于激光图像处理的水下焊接平台 |
| CN106112202A (zh) * | 2015-08-04 | 2016-11-16 | 李小春 | 基于多重滤波处理的水下机器人 |
| CN108765342A (zh) * | 2018-05-30 | 2018-11-06 | 河海大学常州校区 | 一种基于改进暗通道的水下图像复原方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112926383A (zh) * | 2021-01-08 | 2021-06-08 | 浙江大学 | 一种基于水下激光图像的目标自动识别系统 |
| CN112926383B (zh) * | 2021-01-08 | 2023-03-03 | 浙江大学 | 一种基于水下激光图像的目标自动识别系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110493509B (zh) | 2021-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110909690B (zh) | 一种基于区域生成的遮挡人脸图像检测方法 | |
| CN106407927B (zh) | 基于偏振成像的适用于水下目标检测的显著性视觉方法 | |
| CN109410207A (zh) | 一种基于ncc特征的无人机巡线图像输电线路检测方法 | |
| CN110166692A (zh) | 一种提高摄像机自动聚焦准确率和速度的方法及装置 | |
| CN111310718A (zh) | 一种遮挡人脸图像高准确率检测对比方法 | |
| CN108985170A (zh) | 基于三帧差分法及深度学习的输电线路悬挂物识别方法 | |
| CN110378865A (zh) | 一种复杂背景下的雾天能见度智能分级识别方法及系统 | |
| CN105894484A (zh) | 一种基于直方图归一化与超像素分割的hdr重建算法 | |
| CN109270853A (zh) | 一种智能生态水资源管理系统的工作方法 | |
| CN107680114A (zh) | 一种基于计算机图像处理的草地盖度测算方法 | |
| CN112561899A (zh) | 电力巡检图像识别方法 | |
| CN115223004A (zh) | 基于改进的多尺度融合生成对抗网络图像增强方法 | |
| CN108416814A (zh) | 一种菠萝头部的快速定位与识别方法及系统 | |
| CN110363727A (zh) | 基于多尺度暗通道先验级联深度神经网络的图像去雾方法 | |
| CN105678245A (zh) | 一种基于哈尔特征的靶位识别方法 | |
| CN106027850A (zh) | 云端中值滤波系统 | |
| CN106057700B (zh) | 一种太阳能电池片的边红片的检测方法 | |
| Mai et al. | Back propagation neural network dehazing | |
| CN110288623A (zh) | 无人机海上网箱养殖巡检图像的数据压缩方法 | |
| Huang et al. | Enhancing object detection in the dark using U-Net based restoration module | |
| CN110493509A (zh) | 一种激光模组的图像信息处理系统及处理方法 | |
| CN114022820A (zh) | 一种基于机器视觉的航标灯灯质智能检测方法 | |
| CN107944424A (zh) | 分布前端人像采集及多角度人像比对方法 | |
| Aldabbagh et al. | Classification of chili plant growth using deep learning | |
| CN104794445A (zh) | 一种基于arm平台的动态人脸虹膜采集方法 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210823 Address after: 224000 building 6, No. 20 Keji Road, Kecheng street, Yannan high tech Zone, Yancheng City, Jiangsu Province (CMK) Patentee after: People Baiye Technology Co.,Ltd. Address before: 224014 intersection of Weiba road and Qinchuan Road, Yanlong sub district office, Yandu District, Yancheng City, Jiangsu Province (d) Patentee before: YANCHENG HUAYU PHOTOELECTRIC TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An image information processing system and processing method of laser module Effective date of registration: 20220715 Granted publication date: 20210319 Pledgee: Yancheng Chengnan New Area big data industry venture capital fund (L.P.) Pledgor: People Baiye Technology Co.,Ltd. Registration number: Y2022980010530 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |