发明内容
有鉴于此,本发明的目的是提供一种基于加权高斯减法拟合的土壤图像亮度可控增强方法,能通过亮度可控增强,将不一致的自然光照条件下采集的土壤图像进行调整,使其非常近似于某些特定光照条件采集的真实土壤图像,用于机器视觉土种识别,从而降低不同自然光照条件对土壤图像识别的影响,提高后续土种识别精度。
本发明提供的一种基于加权高斯减法拟合的土壤图像亮度可控增强方法,包括以下步骤:
S1.采集土壤图像,并计算土壤图像Y分量的灰度级概率密度Porg(y):
Porg(y)=yfre/h·w;
其中,y表示Y分量灰度级y∈[ya,yb],yfre表示灰度级y的频数,h为图像的高,w为图像的宽;
S2.基于土壤图像的Y分量灰度级以及灰度级概率密度构建土壤图像Y分量直方图;
S3.确定土壤图像Y分量的定义域为[ya,yb],并基于土壤图像的Y分量直方图进行加权高斯减法拟合,得到土壤图像Y分量的加权高斯减法拟合曲线;
S4.基于土壤图像Y分量的高斯减法拟合曲线进行亮度可控增强处理,并将增强处理后的土壤图像进行RGB转化得到增强后的RGB土壤图像。
进一步,步骤S3中具体包括:
S31.对Y分量直方图中y=b(t)左侧直方图h(t)(y)进行高斯g(t)(y)逼近:
S32.对Y分量直方图中y=b(t)的右侧区域(b(t),yb],高斯曲线g(t)(y)尽可能不超过直方图h(t)(y):
s.t.g(t)(y)-h(t)(y)≥0
其中,
a
t是高斯曲线g
(t)(y)尖峰的高度;b
t为位置参数,是高斯曲线g
(t)(y)尖峰中心的坐标;(c
t)
2为尺度参数,表征高斯曲线g
(t)(y)的宽度,t表示第t次高斯拟合;
S33.基于步骤S31和步骤S32建立左局部区域的高斯拟合优化模型对Y分量直方图进行高斯拟合,其中:左局部区域的高斯拟合优化模型为:
S34.确定参数at、bt以及c(t)的搜索区间,并基于高斯拟合优化模型在确定的搜索区间内进行离散搜索,当高斯拟合优化模型得到优化解时得到最终的参数at、bt以及c(t);
S35.确定土壤图像Y分量直方图的加权高斯减法拟合曲线f(y):
其中,具体包括:g(t)(y)表示第t次拟合的高斯曲线,w(t)表示第t次拟合的高斯曲线的权重,N表示左局部区域的高斯拟合次数;
t次拟合的高斯曲线的权重通过如下公式计算:
进一步,根据如下方法确定位置参数bt:
令
位置参数b
t的搜索区间设定为
且其搜索步长设定为灰度级步长1。
进一步,通过如下方法确定第t次拟合时的高斯曲线g(t)(y)的尖峰的高度at的搜索区间:
将a
t的搜索区间确定为
且搜索步长设定为0.001。
进一步,通过如下方法确定第t次拟合时的高斯曲线g(t)(y)的宽度参数c(t):
在h
(t)(y)的
区域内,计算95%置信水平的置信下限l
1和99%置信水平的置信下限l
2,计算
进一步,步骤S4中,具体包括:
对土壤图像Y分量直方图的加权高斯减法拟合曲线f(y)进行归一化处理:
计算f*(y)在[ya,yb]区域内的亮度均值μorg:
设定土壤图像的目标亮度μtar,并计算亮度差值△μ:
△μ=μtar-μorg;
将亮度差值△μ引入高斯曲线,计算g(t)*(y):
计算增强图像Y分量的期望概率密度Ptar(y):
计算原始图像Y分量的累积分布Corg(y):
对增强图像Y分量的期望概率密度Ptar(y)归一化处理:
计算增强图像Y分量的期望累积分布Ctar(y):
在[ya,yb]区域内,由原始图像Y分量的累积分布Corg(y)和增强图像Y分量的期望累积分布Ctar(y)计算新灰度级y′
计算图像Y分量增强比例ratio:
ratio=new_y/org_y;
其中,new_y为增强图像的Y分量,org_y为原图像的Y分量;
计算增强图像的U、V分量new_u、new_v:
new_u=ratio·(org_u-128)+128
new_v=ratio·(org_v-128)+128
其中:将增强图像的亮度分量new_y,色调分量new_u、new_v转换回RGB颜色空间,得到增强RGB图像。
本发明的有益效果:通过本发明,能够实现亮度可控增强,将不一致的自然光照条件下采集的土壤图像进行调整,使其非常近似于某些特定光照条件采集的真实土壤图像,用于机器视觉土种识别,从而降低不同自然光照条件对土壤图像识别的影响,提高后续土种识别精度。
具体实施方式
以下进一步对本发明做出详细说明:
本发明提供的一种基于加权高斯减法拟合的土壤图像亮度可控增强方法,包括以下步骤:
S1.采集土壤图像,并计算土壤图像Y分量的灰度级概率密度Porg(y):
Porg(y)=yfre/h·w;
其中,y表示Y分量灰度级y∈[ya,yb],yfre表示灰度级y的频数,h为图像的高,w为图像的宽;
S2.基于土壤图像的Y分量灰度级以及灰度级概率密度构建土壤图像Y分量直方图;该步骤中,对于Y分量直方图的构建采用现有的方法,在此不加以赘述;
S3.确定土壤图像Y分量的定义域为[ya,yb],该阈值范围表示Y分量的灰度级,并基于土壤图像的Y分量直方图进行加权高斯减法拟合,得到土壤图像Y分量的加权高斯减法拟合曲线;
S4.基于土壤图像Y分量的加权高斯减法拟合曲线进行亮度可控增强处理,并将增强处理后的土壤图像进行RGB转化得到增强后的RGB土壤图像;通过上述方法,
本实施例中,步骤S3中具体包括:
S31.对Y分量直方图中y=b(t)左侧直方图h(t)(y)进行高斯g(t)(y)逼近:
S32.对Y分量直方图中y=b(t)的右侧区域(b(t),yb],高斯曲线g(t)(y)尽可能不超过直方图h(t)(y):
s.t.g(t)(y)-h(t)(y)≥0
其中,
a
t是高斯曲线g
(t)(y)尖峰的高度;b
t为位置参数,是高斯曲线g
(t)(y)尖峰中心的坐标;(c
t)
2为尺度参数,表征高斯曲线g
(t)(y)的宽度,t表示第t次高斯拟合;
S33.基于步骤S31和步骤S32建立左局部区域的高斯拟合优化模型对Y分量直方图进行高斯拟合,其中:左局部区域的高斯拟合优化模型为:
S34.确定参数at、bt以及c(t)的搜索区间,并基于高斯拟合优化模型在确定的搜索区间内进行离散搜索,当高斯拟合优化模型得到优化解时得到最终的参数at、bt以及c(t);
由于上述过程中需要多次进行高斯逼近拟合,因此,需要判断拟合终止条件:
计算h(t)(y)在[ya,yb]区域内的拟合剩余差和sum:
如果sum≤0.01,则结束左局部区域的高斯拟合;如果sum>0.01,则拟合未完成,对h(t)(y)继续左局部区域的高斯拟合。多次拟合的示意图如图6所示。
S35.确定土壤图像Y分量直方图的加权高斯减法拟合曲线f(y):
其中,包括:g(t)(y)表示第t次拟合的高斯曲线,w(t)表示第t次拟合的高斯曲线的权重,N表示左局部区域的高斯拟合次数;
t次拟合的高斯曲线的权重通过如下公式计算:
具体地:根据如下方法确定位置参数bt:
令
位置参数b
t的搜索区间设定为
且其搜索步长设定为灰度级步长1。
通过如下方法确定第t次拟合时的高斯曲线g(t)(y)的尖峰的高度at的搜索区间:
将a
t的搜索区间确定为
且搜索步长设定为0.001。
通过如下方法确定第t次拟合时的高斯曲线g(t)(y)的宽度参数c(t):
在h
(t)(y)的
区域内,计算95%置信水平的置信下限l
1和99%置信水平的置信下限l
2,计算
本实施例中,步骤S4中,具体包括:
对土壤图像Y分量直方图加权高斯减法拟合曲线f(y)进行归一化处理:
计算f*(y)在[ya,yb]区域内的亮度均值μorg:
设定土壤图像的目标亮度μtar,并计算亮度差值△μ:
△μ=μtar-μorg;
将亮度差值△μ引入高斯曲线,计算g(t)*(y):
计算增强图像Y分量的期望概率密度Ptar(y):
计算原始图像Y分量的累积分布Corg(y):
对增强图像Y分量的期望概率密度Ptar(y)归一化处理:
计算增强图像Y分量的期望累积分布Ctar(y):
在[ya,yb]区域内,由原始图像Y分量的累积分布Corg(y)和增强图像Y分量的期望累积分布Ctar(y)计算新灰度级y′
计算图像Y分量增强比例ratio:
ratio=new_y/org_y;
其中,new_y为增强图像的Y分量,org_y为原图像的Y分量;
计算增强图像的U、V分量new_u、new_v:
new_u=ratio·(org_u-128)+128
new_v=ratio·(org_v-128)+128
其中:将增强图像的亮度分量new_y,色调分量new_u、new_v转换回RGB颜色空间,得到增强RGB图像。
下面以一个具体实例对本发明做出详细说明:
如图2所示:根据图2的图像,采用现有算法得到不同图低亮度到高亮度的精度对比表格如下:
d(·)为增强图像(·)分量与目标图像(·)分量对应像素间差的绝对值,D(d(·))为标准差。其中(·)分别表示图像的Y分量、r分量、g分量和b分量。dc表示dr+dg+db,D(dc)表示D(dr)+D(dg)+D(db);
本发明算法比1-D HS和2-D HS算法图像结果的整体亮度更符合目标图像的亮度,颜色差异、失真更小;因为本发明加权高斯减法算法拟合原始图像的亮度直方图,相比1-DHS和2-D HS算法用一维高斯和二维高斯描述更精准,保留更多原图像的亮度结构信息;同时本发明算法校正了U,V分量颜色,而对比算法1-D HS和2-D HS仅变化了图像LAB颜色空间中的L分量。
在亮度和转换结果恢复的RGB颜色与目标图差异,本发明算法转换图像与目标图像差异最小,精度最高。因此本发明算法将子图低亮度向高亮度转换,能实现亮度可控映射和颜色校正,精度较高,算法是有效的。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。