[发明专利]基于图像分层的显著性预处理方法

说明书

基于图像分层的显著性预处理方法，属于车辆识别检测领域，技术要点：用显著性分析图减去拉伸图像，得到突出的目标图像，该目标图像是分离出来的第一层图像，由背景图像中分离出来的包含目标物体的子背景图像为第二背景图像，从第二背景图像中，将目标物体分离出来；同时，将子背景图像映射到0‑255的范围内，得到拉伸的子背景图像；效果：利用逐层剥离的手段将阴影与道路、车辆与阴影逐步剥离开，然后再进行车辆边界的修正，并精确检测的方法。

技术领域

本发明属于车辆识别检测领域，涉及一种基于对比度与显著性分析的车辆检测方法。

背景技术

作为FCW(前方碰撞预警，Front Collision Warning)中重要的一环，基于视觉传感器的移动车辆检测成为众多同行研究的焦点之一。传统的基于视觉传感器的移动车辆检测技术主要应用在高速公路上或城市快道上，这些道路背景干净，干扰比较少，基本不受城市高楼等的阴影影响，所以整体的检测效果比较理想。而在普通道路上，由于车辆在道路上行驶的过程中，容易受到周围高楼的投影影响或马路两侧树木阴影的影响，以及其他物体的干扰，导致车辆检测效果出现很大程度的滑坡，检出率降低而虚警增高。

发明内容

为了解决上述问题，本发明提出如下方案：一种基于图像分层的显著性预处理方法，步骤是：

遍历图像统计输入图像各个像素的频率并记录像素最大最小值；

对计算每个像素值到其他像素值的距离之和作为衡量该点像素对比度的一种度量。

使用各个像素点的距离之和取指数运算，作为该点的显著性特征值；得到整幅图像的显著性分析图像；

在遍历图像的过程中，将显著性特征值的最大值与最小值记录下来；

对显著性分析图像进行均值滤波以增强其边缘部分。

计算距离之和的变化幅度，使用上面的最大值-最小值，将原始图像映射到0-255的范围内；同时，将特征图像也映射到0-255的范围内；

用显著性分析图减去拉伸图像，得到突出的目标图像，该目标图像是分离出来的第一层图像，由背景图像中分离出来的包含目标物体的子背景图像为第二背景图像，从第二背景图像中，将目标物体分离出来；同时，将子背景图像映射到0-255的范围内，得到拉伸的子背景图像；

使用拉伸后的子背景图像减去前面的显著性图，得到二次分层后的目标图；

对目标图像进行二值化获得突出的显著性对象的二值图像。

有益效果：利用逐层剥离的手段将阴影与道路、车辆与阴影逐步剥离开，然后再进行车辆边界的修正，并精确检测的方法。

附图说明

图1车辆检测总体流程图；

图2基于图像分层技术的目标区域确定流程图。

具体实施方式

如图1所示，本发明使用经过采样的图像Y通道信息进行车辆目标的检测。首先经过基于图像分层的显著性分析来进行预处理，得到筛选后的含有目标车辆的候选区域；然后，对含有目标车辆的候选目标区域进行边界修正；之后，将修正后的含有目标车辆的候选区域送给分类器进行精确判断；之后，根据多帧联合机制与图像去重合机制处理后得到最终的目标车辆区域。

(一)基于图像分层的显著性预处理

首先，本发明遍历图像统计输入图像各个像素的频率并记录像素最大最小值。

然后，对计算每个像素值到其他像素值的距离之和(这里使用欧式距离，但不限于欧式距离)，作为衡量该点像素对比度的一种度量。