[发明专利]一种基于显著性检测和Criminisi算法的车辆光照修复方法

说明书

技术领域

本发明涉及图像处理领域，具体涉及一种基于显著性检测和Criminisi算法的车辆光照修复方法。

背景技术

对于现在车辆的日益剧增，更多的车辆管理技术随之应运而生，车牌识别管理已不能满足现在复杂多变的发展趋势，因此像车辆轮廓和颜色等特征的提取出现在人们的研究范围内。但是在实际生活中的车辆图像，会受到强光、弱光等各种光照的影响，使采集的车辆颜色产生失真而不能准确的提取出车辆的颜色特征，这给车辆管理系统带来很大的阻碍。

目前数字图像破损的修复算法有很多，但是对于车辆受高光影响的颜色修复算法还很不成熟，有待提高。本发明就是在这种情况下，首先利用显著性方法检测出受光照影响的车辆图片的高光区域，然后利用车辆轮廓边缘和Criminisi算法对高光区域进行颜色修复，最后设定阈值判断修复是否结束。本发明对车辆的高光区域有很好的修复作用，实用性强。

发明内容

针对现有车辆颜色识别中光照的影响，本发明的目的在于提供一种鲁棒性好，可以准确恢复出车辆颜色信息的基于显著性检测和Criminisi算法的车辆光照修复方法。

本发明的目的是这样实现的：

一种基于显著性检测和Criminisi算法的车辆光照修复方法，包括如下步骤：

(1)采集受光照影响的车辆图像，光照区域在10％-50％范围内，并做统一大小处理；

(2)将获取的车辆图像从RGB空间转换到YUV空间，在YUV空间进行亮度显著性检测，检测出光照的区域并标记为待修复区域；

(3)同时提取原图像的轮廓边缘特征，找到车辆的边缘信息；

(4)利用车辆的边缘信息和Criminisi算法对待修复区域完成光照修复；

(5)原图像与修复后的图像在lab空间做差值运算，设定阈值进行判断，若计算结果大于阈值，转到步骤(4)继续修复，否则退出，修复完成。

所述YUV空间亮度显著性检测，其步骤包括：

(2.1)将车辆图像从RGB空间转换到YUV空间；

(2.2)在YUV空间计算像素点的显著值；

(2.3)计算显著性阈值；

(2.4)根据像素点的显著值和阈值判断高光区域，并标记。

利用车辆的边缘信息和Criminisi算法对待修复区域进行修复，其步骤包括：

(4.1)对待修复区域预处理，转化为二值图；

(4.2)计算图像的非零像素值的个数，如果为零则退出本次修复程序进入到步骤(5)做lab差值运算，否则执行下一步骤(4.3)；

(4.3)计算所有待修复区域内像素点的置信度值、数据项和优先级值；

(4.4)判断若像素点位于车辆轮廓边缘，则将该点的优先级设置为0，否则执行下一步骤(4.5)；

(4.6)找到优先级最大的点，创建矩形领域，同时创建已知区域，找最佳匹配块进行矩形块填充，同时将该点的灰度值设置为0，转到步骤(4.2)。

将修复后的图像与原图像在lab空间做差值运算，判断修复是否结束，其步骤包括：

(5.1)将原图像和修复后的图像转换到lab空间中，进行相减运算；

(5.2)统计差值灰度图像非零像素值的像素点的个数；

(5.3)设置阈值，若统计结果大于阈值，则转到步骤(4)继续修复，否则修复完成，退出程序。

本发明的有益效果在于：本发明采用轮廓边缘信息和Criminisi算法相结合可以减少轮廓边缘处信息跳变对修复的影响，采用lab空间原图像和修复图像差值运算，可以使修复效果更准确。本发明具有很大的实际应用性，对车辆的颜色特征识别有很大的帮助。

附图说明

图1为本发明实施例提供的一车辆光照修复方法构成方框图；

图2为本发明实施例提供的一亮度空间显著性检测流程图；

图3为本发明实施例提供的一高光区域颜色修复方法流程图；

图4为本发明实施例提供的一车辆光照修复前后对比图；

图5为本发明实施例提供的一车辆光照修复方法框架结构图。

具体实施方式

下面结合附图对本发明做进一步描述。

为了使本发明的目的、技术、优点和实用价值易于明白理解，以下结合附图和具体实施例对本申请进行详细描述。应当理解，所描述的实施例仅用于解释说明本发明，而不是全部的实施例并且并不限制本发明。