CN111223051B - 一种基于a律13折线的车道线图像增强方法 - Google Patents
一种基于a律13折线的车道线图像增强方法 Download PDFInfo
- Publication number
- CN111223051B CN111223051B CN201910971621.7A CN201910971621A CN111223051B CN 111223051 B CN111223051 B CN 111223051B CN 201910971621 A CN201910971621 A CN 201910971621A CN 111223051 B CN111223051 B CN 111223051B
- Authority
- CN
- China
- Prior art keywords
- image
- enhancement
- gray value
- law
- gray
- 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 23
- 238000012545 processing Methods 0.000 claims abstract description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000010998 test method Methods 0.000 claims description 2
- 230000003014 reinforcing effect Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 7
- 238000003708 edge detection Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001629 suppression Effects 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
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于A律13折线的车道线图像增强算法,解决光线不均匀下的图像增强问题。本发明将灰度图像的灰度值进行归一化处理后,采用A律13折线压扩算法对图像灰度值进行非均匀压扩,实现灰度图像在增强的过程中能够针对不同的原始灰度值进行不同倍数的增强。本发明提出的非均匀图像增强算法即能同时实现对低亮度像素点进行高倍数增强和对高亮度像素点进行低倍数增强,使整个画面度更均衡,减弱了强光的干扰,极大提高车道线识别的准确率;又能直接实现增强后图像的数字化,提高了图像处理的速度。
Description
技术领域
本发明涉及智能汽车车道线检测与识别领域,具体为一种基于A律13折线的车道线图像增强算法。
背景技术
在车辆主动安全技术中,许多技术需要进行车道线识别与检测。比如:车道偏离报警系统、车道保持辅助系统、驾驶辅助系统等。现有的车道线检测技术中,通过单目摄像头捕捉到一帧图像,然后裁剪出图像的感兴趣区域(ROI),经过二值化转化为灰度图,之后对图像进行高斯滤波降噪,最后对图像进行边缘检测,再根据边缘检测的结果使用霍夫变换(Hough Transform)将图像中的车道线检测出来。但目前已有检测算法的预处理结果不够理想,尤其是在道路环境条件较差,如光照较强或路面反光时,会出现图像中较暗的区域容易产生像素点丢失的问题,使得检测结果失真。使用固定阈值的线性增强时,增强后图像亮度不同区域的差别还是明显存在,导致后期滤波效果以及边缘检测结果仍没得到较好的改善。通过查阅资料,目前,在图像增强中采用A律13折线对图像进行增强的算法尚未有相关报道。
发明内容
针对上述问题,本发明提出一种基于A律13折线的车道线图像增强算法,使灰度图在增强的过程中能够针对不同的原始灰度值进行不同倍数的增强。本发明提出的基于A律13折线的非均匀图像增强算法,通过对低亮度像素点的高倍数增强,实现对光照不足条件下的图像进行增强,显示出低灰度部分更多的细节;同时通过对高亮度像素点的低倍数增强,实现对强光部分的抑制,可以在道路情况较差、光线不均匀、有部分阴影的路面图像进行非均匀增强,从而提高在车道线图像识别过程中的车道线检测效果,降低检测结果的失真现象。
本发明的目的在于提供一种基于A律13折线的车道线图像增强算法,解决光线不均匀下的图像增强问题。本发明将车载摄像头捕捉到的车道线图像进行灰度化后,根据最小灰度值与最大灰度值对图像灰度值进行归一化处理,然后采用A律13折线压扩算法对图像的灰度值进行非均匀压扩,实现灰度图像在增强的过程中能够针对不同的原始灰度值进行不同倍数的增强。不同于固定图像增强算法中的直线型图像增强算法,本发明提出的基于A律13折线的非均匀图像增强算法可同时对低亮度像素点进行高倍数增强和对高亮度像素点进行低倍数增强,使整个画面度更均衡,减弱了强光的干扰,能够极大提高车道线识别的准确率。也不同于非线性图像增强算法中的光滑曲线型增强算法,本发明提出的基于A律13折线的非均匀图像增强算法能够直接实现增强后图像的数字化,提高了图像处理的速度。
本发明算法:
为了实现对图像低灰度值部分进行扩展和图像高灰度值部分进行抑制,本发明将图像增强过程分为三部分。首先,将含有车道线的原始图像进行感兴趣区域划分,将感兴趣区域先转换为HSL(色度、饱和度、亮度)模式,从HSL图像中分离出黄色和白色,并将分离的HSL与原始图像相结合进行灰度化的预处理,根据图像的灰度值范围将所有像素灰度值进行归一化处理。其次,根据A律13折线压扩算法对不同像素点的灰度值进行非均匀压扩,实现一次对整个图像像素进行非均匀增强。然后再根据不同光线的行驶环境下,采用离线测试的方法,确定A律13折线算法在不同光线行驶环境中的调整系数。
根据本算法设计的流程如下所示:
(1)、利用车载摄像头对行驶中的前方道路进行图像的采集;
(2)、在采集到的图像中,划分出车道线所在的感兴趣区域,并将其进行HSL模式的转化,从HSL图像中分离出黄色和白色;
(3)、将分离的HSL与原始图像相结合并灰度化;
(4)、根据图像的灰度值范围将图像灰度值进行归一化的处理;
(5)、利用A律13折线压扩算法对不同像素点的灰度值进行非均匀性增强,实现一次对整个图像像素进行非均匀增强;
(6)、在不同光线条件下进行测试,以确定各种光线下理想的调整系数D。
本发明技术方案:
具体地,根据本发明算法的流程结合具体数值对本发明技术方案做如下进一步说明:
(1)、利用车载摄像头对行驶中的前方道路进行图像的采集;
(2)、在采集到的图像中,划分出车道线所在的感兴趣区域,并将其进行HSL模式的转化,从HSL图像中分离出黄色和白色;
(3)、将分离的HSL与原始图像相结合并灰度化;
(4)、根据图像的灰度值范围将图像灰度值进行归一化的处理,灰度值的区间为0~1;
(5)、利用A律13折线压扩算法对不同像素点的灰度值进行非均匀性增强;
以归一化图像原始灰度值作为横坐标(x轴),以增强后的图像灰度值为纵坐标(y轴)。
首先,将图像原始灰度值区间(0~1)划分为8段非均匀区间,即将x轴的0~1划分为8段非均匀区间,具体划分方法为:将0~1之间一分为二,其中点为1/2,取1/2~1之间作为第八段;剩余的0~1/2再一分为二,中点为1/4,取1/4~1/2之间作为第七段,再把剩余的0~1/4一分为二,中点为1/8,取1/8~1/4之间作为第六段,依此分下去,直至剩余的最小一段为0~1/128作为第一段。
然后将增强后的图像灰度值均匀划分为8段,即y轴的0~1均匀地分为八段,从第一段到第八段分别为,0~1/8,1/8~2/8,…,7/8~1,它们与x轴的八段一一对应。在此过程中,图像灰度值的增强倍数逐步递减,第一段~第八段的斜率分别为:k1=16,k2=16,k3=8,k4=4,k5=2,k6=1,如表1所示:
表1
这样,对于x轴上像素点的每一段像素的灰度值,其增强过程通过一段折线来表示,每一段折线的斜率由16逐步递减到因为x轴是非均匀划分的,而y轴是均匀划分的,所以实现了同时对低亮度像素点进行高倍数增强和对高亮度像素点进行低倍数增强。
本发明每一段像素增强后的灰度值yi(i=1,2,...8)与原始像素每一段的灰度值xi(i=1,2,...8)的关系如公式(1)所示:
由公式(1)可以看出,由于各个像素灰度值都可以表示为2的整数次幂的形式,而本算法中的系数也都是2的整数次幂,因此发明提出的非均匀图像增强算法能够直接实现增强后图像的数字化,提高了图像处理的速度。
同时,公式(1)中的D是一个调整系数,用来在不同光线条件下对非均匀增强效果的调整。
因此,本发明可以得到每一段像素的增强倍数hi如公式(2)所示:
(6)、在不同光线条件下进行测试,以确定各种光线下理想的调整系数D。
当对原始图像像素灰度值进行非均匀压扩后,图像灰度值整体偏高的情况下,通过调节调整系数D<0,可以将非均匀增强后的图像灰度值统一降低,达到进一步抑制强光的目的。
当对原始图像像素灰度值进行非均匀压扩后,图像灰度值整体偏低的情况下,通过调节调整系数D>0,可以将非均匀增强后的图像灰度值统一升高,达到进一步增强的目的。
本发明的有益效果:
本发明提出的一种基于A律13折线的车道线图像增强算法,利用A律13折线的压扩特性对归一化灰度图像的灰度值进行非均匀压扩,即能同时实现对低亮度像素点进行高倍数增强和对高亮度像素点进行低倍数增强,使整个画面度更均衡,减弱了强光的干扰,极大提高车道线识别的准确率;又能直接实现增强后图像的数字化,提高了图像处理的速度。
附图说明
图1为本发明算法流程图。
图2为本发明非均匀图像增强算法曲线图。
图3为本发明增强倍数曲线图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
根据本算法设计的流程图如图1所示,根据图1所示流程,结合附图再做如下进一步说明:
(1)、利用车载摄像头对行驶中的前方道路进行图像的采集;
(2)、在采集到的图像中,划分出车道线所在的感兴趣区域,并将其进行HSL模式的转化,从HSL图像中分离出黄色和白色;
(3)、将分离的HSL与原始图像相结合并灰度化;
(4)、根据图像的灰度值范围将图像灰度值进行归一化的处理,灰度值的区间为0~1;
(5)、利用A律13折线压扩算法对不同像素点的灰度值进行非均匀性增强;
以归一化图像原始灰度值作为横坐标(x轴),以增强后的图像灰度值为纵坐标(y轴)。
首先,将图像原始灰度值区间(0~1)划分为8段非均匀区间,即将x轴的0~1划分为8段非均匀区间,具体划分方法为:将0~1之间一分为二,其中点为1/2,取1/2~1之间作为第八段;剩余的0~1/2再一分为二,中点为1/4,取1/4~1/2之间作为第七段,再把剩余的0~1/4一分为二,中点为1/8,取1/8~1/4之间作为第六段,依此分下去,直至剩余的最小一段为0~1/128作为第一段。
根据公式(1)对原始图像像素灰度值进行非均匀增强。
增强后的图像灰度值如图2所示,图2中的折线段表示本发明非均匀增强后的灰度值,图2中的直线段表示原始像素值;图3为本发明增强倍数曲线图。
(6)、在不同光线条件下进行测试,以确定各种光线下理想的调整系数D。
当对原始图像像素灰度值进行非均匀压扩后,图像灰度值整体偏高的情况下,通过调节调整系数D<0,可以将非均匀增强后的图像灰度值统一降低,达到进一步抑制强光的目的。
当对原始图像像素灰度值进行非均匀压扩后,图像灰度值整体偏低的情况下,通过调节调整系数D>0,可以将非均匀增强后的图像灰度值统一升高,达到进一步增强的目的。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于A律13折线的车道线图像增强方法,其特征在于,将车载摄像头捕捉到的车道线图像进行灰度化后,根据最小灰度值与最大灰度值对图像灰度值进行归一化处理,然后采用A律13折线压扩算法对图像的灰度值进行非均匀压扩,使得灰度图像在增强的过程中能够针对不同的原始灰度值进行不同倍数的增强,同时对低亮度像素点进行高倍数增强和对高亮度像素点进行低倍数增强,使整个画面更均衡;
利用A律13折线压扩算法对不同像素点的灰度值进行非均匀性增强的具体方法如下:
以归一化图像原始灰度值作为横坐标x轴,以增强后的图像灰度值为纵坐标y轴,
首先,将图像原始灰度值区间0~1划分为8段非均匀区间,即将x轴的0~1划分为8段非均匀区间,具体划分方法为:将0~1之间一分为二,其中点为1/2,取1/2~1之间作为第八段;剩余的0~1/2再一分为二,中点为1/4,取1/4~1/2之间作为第七段,再把剩余的0~1/4一分为二,中点为1/8,取1/8~1/4之间作为第六段,依此分下去,直至剩余的最小一段为0~1/128作为第一段;
然后将增强后的图像灰度值均匀划分为8段,即y轴的0~1均匀地分为八段,从第一段到第八段分别为,0~1/8,1/8~2/8,…,7/8~1,它们与x轴的八段一一对应;在此过程中,图像灰度值的增强倍数逐步递减,即第一段至第八段的斜率分别为:k1=16,k2=16,k3=8,k4=4,k5=2,k6=1,
建立每一段像素增强后的灰度值yi(i=1,2,...8)与原始像素每一段的灰度值xi(i=1,2,...8)的关系如下式所示:
公式中的D是一个调整系数,用来在不同光线条件下对非均匀增强效果的调整;
所述车道线图像增强的倍数为:
2.根据权利要求1所述的一种基于A律13折线的车道线图像增强方法,其特征在于,所述图像增强方法包含三部分:
首先,将含有车道线的原始图像进行感兴趣区域划分,将感兴趣区域先转换为HSL模式,从HSL图像中分离出黄色和白色,并将分离的HSL与原始图像相结合进行灰度化的预处理,根据图像的灰度值范围将所有像素灰度值进行归一化处理;
其次,根据A律13折线压扩算法对不同像素点的灰度值进行非均匀压扩,实现一次对整个图像像素进行非均匀增强;
最后,再根据不同光线的行驶环境下,采用离线测试的方法,确定A律13折线算法在不同光线行驶环境中的调整系数。
3.根据权利要求1所述的一种基于A律13折线的车道线图像增强方法,其特征在于,所述图像增强方法的实现流程包含如下:
(1)、利用车载摄像头对行驶中的前方道路进行图像采集;
(2)、在采集到的图像中,划分出车道线所在的感兴趣区域,并将其进行HSL模式的转化,从HSL图像中分离出黄色和白色;
(3)、将分离的HSL与原始图像相结合并灰度化;
(4)、根据图像的灰度值范围将图像灰度值进行归一化的处理;
(5)、利用A律13折线压扩算法对不同像素点的灰度值进行非均匀性增强,实现一次对整个图像像素进行非均匀增强;
(6)、在不同光线条件下进行测试,以确定不同光线下理想的调整系数D。
4.根据权利要求1所述的一种基于A律13折线的车道线图像增强方法,其特征在于,所述调整系数D是在不同光线条件下进行测试,确定该光线下理想的调整系数。
5.根据权利要求4所述的一种基于A律13折线的车道线图像增强方法,其特征在于,利用所述D对车道线图像灰度值的调整方法具体如下:
当对原始图像像素灰度值进行非均匀压扩后,图像灰度值整体偏高的情况下,通过调节调整系数D<0,可以将非均匀增强后的图像灰度值统一降低;
当对原始图像像素灰度值进行非均匀压扩后,图像灰度值整体偏低的情况下,通过调节调整系数D>0,可以将非均匀增强后的图像灰度值统一升高。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910971621.7A CN111223051B (zh) | 2019-10-14 | 2019-10-14 | 一种基于a律13折线的车道线图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910971621.7A CN111223051B (zh) | 2019-10-14 | 2019-10-14 | 一种基于a律13折线的车道线图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111223051A CN111223051A (zh) | 2020-06-02 |
CN111223051B true CN111223051B (zh) | 2023-12-15 |
Family
ID=70810784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910971621.7A Active CN111223051B (zh) | 2019-10-14 | 2019-10-14 | 一种基于a律13折线的车道线图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111223051B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114132149B (zh) * | 2021-12-30 | 2022-08-30 | 镇江东方电热科技股份有限公司 | 电动汽车热泵空调温度规划方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0798888A2 (en) * | 1996-03-29 | 1997-10-01 | Nokia Mobile Phones Ltd. | Method and apparatus for digital communication with error encoding according to division of data in classes |
CN106358046A (zh) * | 2016-11-12 | 2017-01-25 | 深圳市迪威码半导体有限公司 | 一种高清视频图像无线传输方法和系统 |
CN110164228A (zh) * | 2019-05-28 | 2019-08-23 | 塔里木大学 | 一种通信工程专业实验平台 |
-
2019
- 2019-10-14 CN CN201910971621.7A patent/CN111223051B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0798888A2 (en) * | 1996-03-29 | 1997-10-01 | Nokia Mobile Phones Ltd. | Method and apparatus for digital communication with error encoding according to division of data in classes |
CN106358046A (zh) * | 2016-11-12 | 2017-01-25 | 深圳市迪威码半导体有限公司 | 一种高清视频图像无线传输方法和系统 |
CN110164228A (zh) * | 2019-05-28 | 2019-08-23 | 塔里木大学 | 一种通信工程专业实验平台 |
Also Published As
Publication number | Publication date |
---|---|
CN111223051A (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8111943B2 (en) | Smart image enhancement process | |
CN102665034A (zh) | 一种针对摄像机采集视频的夜间效果去除方法 | |
CN111080661B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
CN111968065B (zh) | 一种亮度不均匀图像的自适应增强方法 | |
Xu et al. | Colour image enhancement by virtual histogram approach | |
WO2020130799A1 (en) | A system and method for licence plate detection | |
CN101447027B (zh) | 磁码字符区域的二值化方法及其应用 | |
CN111223051B (zh) | 一种基于a律13折线的车道线图像增强方法 | |
Zhang et al. | The linear transformation image enhancement algorithm based on HSV color space | |
CN111598811A (zh) | 一种单幅全色遥感雾霾图像清晰化方法 | |
CN107145824B (zh) | 一种基于显著性分析的车道线分割方法及系统、车载终端 | |
CN110533626B (zh) | 一种全天候水质识别方法 | |
CN110060221B (zh) | 一种基于无人机航拍图像的桥梁车辆检测方法 | |
CN113111883B (zh) | 车牌检测方法、电子设备及存储介质 | |
CN113095283B (zh) | 一种基于动态roi和改进萤火虫算法的车道线提取方法 | |
Zhu et al. | Optimization of image processing in video-based traffic monitoring | |
Mori et al. | Visibility estimation in foggy conditions by in-vehicle camera and radar | |
Zhang et al. | Research on the License Plate Recognition based on MATLAB | |
CN116452447A (zh) | 一种低照度高清图像处理方法 | |
CN109359651A (zh) | 一种车牌定位处理器及其定位处理方法 | |
CN114821529A (zh) | 一种用于智能汽车的视觉检测系统、方法及装置 | |
CN114418874A (zh) | 一种低照度图像增强方法 | |
Mortezaie et al. | Image enhancement using an adaptive un-sharp masking method considering the gradient variation | |
Yang et al. | A novel binarization approach for license plate | |
Yakimov | Preprocessing digital images for quickly and reliably detecting road signs |
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 |