[发明专利]一种基于图像认知区域的光晕抑制方法

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于图像认知区域的光晕抑制方法。

背景技术

随着人类对未来智能化世界的向往和追求，越来越多的产品和设备都已经可以脱离人类的控制，独立自主地完成人类交给的任务。小到家庭使用的清洁机器人，大到生产线、物流分配的工业机器人，将人从许多繁复沉重的工作岗位替换下来。所以图像认知对智能化设备的创造有着非常重要的意义。

传统的图像增强方法处理的对象大都是全局图像。在面对图像更深层次的特征抽取与分析时，显得不够灵活，且运算量受到研究对象大小的影响，图像尺寸越大，图像处理的速度越慢。

因此，现有技术存在缺陷，需要改进。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种基于图像认知区域的光晕抑制方法。

本发明的技术方案如下：

一种基于图像认知区域的光晕抑制方法，包括(1)图像采集，获取视频图像数据；(2)图像样本学习，利用背景建模提取图像样本有效区域，对光晕样本进行分析与机器学习；(3)图像区域认知，对处理图像进行目标位置区域检测；(4)光晕抑制，对识别的光晕区域进行图像抑制处理。

所述的抑制方法，图像采集包括单帧图像的采集和预览视频流的采集。

所述的抑制方法，背景建模是为图像建立合理真实的背景。

所述的抑制方法，图像样本学习包括图像样本筛选及图像样本分类器构建。

所述的抑制方法，图像样本筛选是利用图像颜色和尺寸大小初级筛选及人工精细化筛选。

所述的抑制方法，图像区域认知是利用图像颜色统计信息和图像矩信息作为图像的分类特征，用于分类器的构造。

所述的抑制方，目标位置区域检测是利用灰度信息和图像连通区域对目标所在区域进行初级检测，再利用分类器对初级检测区域进行进一步确认。

所述的抑制方法，光晕抑制是利用分类器确认图像目标区域含有光晕现象，再利用图像抑制算法对该区域的光晕进行抑制处理。

本发明的有益效果为：本发明在获取视频后对视频中出现的光晕目标进行识别与检测，并对检测区域进行光晕抑制，提高了视频监控画面的可读性。

附图说明

图1是本发明基于图像认知区域的光晕抑制方法的流程图。

图2是本实施例提供的光晕区域样本学习示意图。

图3是光晕抑制处理前后的图像。

具体实施方式

以下结合具体实施例，对本发明进行详细说明。

本发明基于图像认知区域的光晕抑制方法的第一实施例流程如图1所示：

(1)步骤101：图像采集，包括视频预览和图像单帧采集。

在实施步骤101中，通过摄像头连接计算机，按照设定图像规格对视频进行实时采集，同时开启视频预览窗口。

(2)步骤102：图像样本学习，对光晕样本进行分析与机器学习。

在实施步骤102中，先根据图像分割规格对采集样本进行自动筛选，再人工筛选一遍确定目标样本，最后利用这些样本构建目标识别的分类器。

(3)步骤103：图像区域认知，对处理图像进行目标位置区域检测。

在实施步骤103中，先根据图像分割方法先确定光晕图像区域的大致坐标位置和显示区域，再由步骤102构建的分类器做进一步的识别。

(4)步骤104：光晕抑制，对光晕区域进行图像抑制处理，光晕包括各种灯光对镜头影响的形式。

在实施步骤104中，在由步骤103确定的图像位置与区域里进行图像灰度计算，降低灰度值过大的像素灰度值。

本发明实施例提供的光晕区域样本学习流程如图2所示：

(1)步骤201：图像分割，利用目标图像的宏观特征，初步分割图像。

在实施步骤201中，利用图像二值化处理方法和图像连通区域寻找算法，对图像进行分割。

(2)步骤202：人工筛选样本包括人工鉴定样本所属的类别。

在实施步骤202中，需要去除那些自动筛选错误的样本图像，为目标分类器的构建做好准备。

(3)步骤203：样本预处理，需要对样本提取色彩统计特征和图像的矩特征。

在实施步骤203中，利用直方图描述样本图像的色彩统计特征，利用几何矩描述图像的几何特征。

(4)步骤204：分类器的构建，利用步骤203得到的样本集合构建分类器。

在实施步骤204中，利用多类分类器对各种类型的样本进行识别。