[发明专利]基于环境因素的图像光线强度动态校正方法

说明书

技术领域

本发明涉及一种固定场景图像的自适应动态校正方法，具体涉及基于环境因素的图像光线强度动态校正方法，属于图像处理技术中光线强度校正领域。

背景技术

随着经济的快速发展和城市规模的不断扩大，机动车辆的数目也在急速增长，然而交通建设和人们的交通法制意识却相对滞后，交通违章肇事频频发生，给交通监管部门提出了更高的要求。交通视频中机动车辆检索系统的应用，不仅能够为城市的交通规划提供第一手的数据，也能够为交管部门和公安部门追查肇事违章车辆提供极大的便利。

计算机视觉和模式识别技术的不断发展，为以图像理解为基础的智能交通系统进入实际应用提供了良好发展契机。基于图像理解的车辆检测、跟踪及分类技术的研究与发展为交通信息的采集与分析提供了一条良好途径，这些技术可广泛地应用于车辆收费、道路监控、大型停车场以及提高公路利用效率等领域，是基于计算机视觉的智能交通系统中的关键技术，也是目前智能交通系统研究的热点。

由于交通图像的采集设备固定，而环境因素复杂多变，特别是光照因素对图像的分割、检测影响极大，最终导致识别效果与实际情况不一致。不同时间段光照对交通图像的影响极大。例如白天、傍晚、夜晚、强烈日光、汽车车灯、路面反光等。因此将一幅图像的光线根据其环境和时间段进行光线校正，使之包含特征清晰，不乏细节表述，对交通图像的识别与理解具有重要意义。

传统的图像校正技术只要集中于去噪，使用统一的阈值对整幅图像进行处理。首先选用一定尺寸的模板，要处理的象素点位于模板的中心，随着模板的移动，完成对所有像素的滤波。第一种线性平滑空间滤波器实际是对模板所包含的像素的简单平均，即均值滤波器；第二种线性平滑空间滤波器实际是对模板所包含的像素的加权平均，即加权均值滤波器，这两种滤波器的缺点是造成图像边缘模糊。最常用的非线性排序统计滤波器是中值滤波器，它是用像素邻域内灰度的中值来代替该像素的值，中值滤波器对处理椒盐噪声非常有效。中值滤波器的缺点是对所有象素点采用一致的处理，在滤除噪声的同时有可能改变真正象素点的值，引入误差，损坏图像的边缘和细节，不能满足识别的要求。

由于交通图像的特殊性和复杂性，这些传统的技术在图像的去噪过程中都不能发挥很好的作用。首先，由于同一图像采集点在不同时间段采集的图像质量相差很大，如中午的阳光，傍晚路灯与日光的混合光，夜晚车辆车灯的光所照射的角度与强度大不一样，若遇上雨天，路面的反光照片的识别影响极大。将所图像不分其所处环境就直接用一个平均数值调整图像的光线强度，其效果相当差，还会带来重要物体特征信息的丢失。因此针对不同环境光线强度不同，同一图像内部，不同位置的光线强度也不同，校正时的方法和反馈信息的获取至关重要。

因而，需要一种新的方法对交通图像的光线强度进行校正，在此基础上对图像中的关键特征进行提取，以构建交通图像识别系统，对智能交通系统的构建起到推进作用。

近年来， 图像处理在频率域和空间域都有许多发展。但由于图像的非结构化信息的划分标准是一个模糊概念，传统的单一阈值处理已不能很好的处理包含复杂信息的图像。而具有处理过程的同步动态性的动态模糊理论的创立对解决此类非结构化数据的处理问题提供了有力的理论支持。

1965年，模糊集理论由美籍数学家 Zadeh先生提出，该理论对解决静态数据问题提供了有效途径，但现实中许多问题是动态发展的，因而Fanzhang Li教授在此基础上提出动态模糊逻辑理论对解决动态模糊问题提供了理论支持。

发明内容

本发明的目的是克服现有技术存在的不足，提供一种基于环境因素的图像光线强度动态校正方法。

本发明的目的通过以下技术方案来实现：

基于环境因素的图像光线强度动态校正方法，特点是：包括下列步骤：

步骤（1）：将图像进行反转处理，通过图像反转突出显示关键区域，即原先光线较亮偏白的区域转化为光线较深偏黑的区域；

步骤（2）：将图像分割成N*N的子图块进行处理，N取9；

步骤（3）：对子图块进行幂次变换；

步骤（4）：对子图块进行灰度映射变换；

步骤（5）：对子图块进行直方图处理；

步骤（6）：对子图块进行直方图动态模糊均衡化；

步骤（7）：使用混合空间处理法分别对子图块进行掩模滤波处理；

步骤（8）：使用Lucy_Richardson滤波器对每一个N*N子图块进行迭代处理；