[发明专利]一种适用于车辆识别的图像处理方法及装置

权利要求书

1.一种适用于车辆识别的图像处理方法，其特征在于，包括步骤：

获取用于车辆识别的原始图像，并构建所述原始图像的图像衰退模型；

基于多边滤波算法，对所述原始图像进行边缘重构、重影矩阵估计和潜在图像估计，得到增强的重影图像；

以所述原始图像、所述增强的重影图像估算所述图像衰退模型的点扩散函数，采用自适应反卷积和所述点扩散函数评估所述原始重影图像中的潜在清晰图像。

2.如权利要求1所述的图像处理方法，其特征在于，所述对所述原始图像进行边缘重构、重影矩阵估计和潜在图像估计，包括：

对所述原始图像进行边缘重构，提取出所述原始图像中的强边缘区域；

基于所述强边缘区域，利用迭代方法估算重影核以进行重影矩阵估计。

3.如权利要求2所述的图像处理方法，其特征在于，所述对所述原始图像进行边缘重构，提取出所述原始图像中的强边缘区域，具体为：

将所述原始图像从RGB颜色空间转换为YCbCr颜色空间并对转换后的图像进行下采样和上采样，得到采样结果；

基于所述原始图像的亮度与所述采样结果的亮度差，得到所述原始图像的高频层，以所述高频层提取出所述原始图像中的强边缘区域。

4.如权利要求2所述的图像处理方法，其特征在于，所述基于所述强边缘区域，利用迭代方法估算重影核以进行重影矩阵估计，具体为：

建立所述原始图像的先验定义函数和设定所述先验定义函数中的正则化项；

基于所述强边缘区域，利用所述先验定义函数和所述正则化项估算重影核。

5.如权利要求1所述的图像处理方法，其特征在于，所述构建所述原始图像的图像衰退模型，包括：

构建重影像素、真实像素、点扩散函数以及加性噪声之间的关系式：

g(x,y)＝f(x,y)*h(x,y)+n(x,y) (1)

根据所述关系式获得点扩散函数：

其中，g(x,y)表示重影像素，f(x,y)表示真实像素，h(x,y)表示点扩散函数，n(x,y)表示加性噪声，符号＊表示卷积算子；L表示重影长度，θ表示重影角度。

6.一种适用于车辆识别的图像处理装置，其特征在于，包括：

图像重影处理模块，用于获取用于车辆识别的原始图像，并构建所述原始图像的图像衰退模型；

图像边缘处理模块，用于基于多边滤波算法，对所述原始图像进行边缘重构、重影矩阵估计和潜在图像估计，得到增强的重影图像；

图像潜像处理模块，用于以所述原始图像、所述增强的重影图像估算所述图像衰退模型的点扩散函数，采用自适应反卷积和所述点扩散函数评估所述原始重影图像中的潜在清晰图像。

7.如权利要求1所述的图像处理装置，其特征在于，所述图像边缘处理模块，还用于：

对所述原始图像进行边缘重构，提取出所述原始图像中的强边缘区域；

基于所述强边缘区域，利用迭代方法估算重影核以进行重影矩阵估计。

8.如权利要求7所述的图像处理装置，其特征在于，所述图像边缘处理模块，还用于：

将所述原始图像从RGB颜色空间转换为YCbCr颜色空间并对转换后的图像进行下采样和上采样，得到采样结果；

基于所述原始图像的亮度与所述采样结果的亮度差，得到所述原始图像的高频层，以所述高频层提取出所述原始图像中的强边缘区域。

9.如权利要求7所述的图像处理装置，其特征在于，所述图像边缘处理模块，还用于：

建立所述原始图像的先验定义函数和设定所述先验定义函数中的正则化项；

基于所述强边缘区域，利用所述先验定义函数和所述正则化项估算重影核。

10.如权利要求1所述的图像处理装置，其特征在于，所述图像重影处理模块，用于：

构建重影像素、真实像素、点扩散函数以及加性噪声之间的关系式：

g(x,y)＝f(x,y)*h(x,y)+n(x,y) (1)

根据所述关系式获得点扩散函数：

其中，g(x,y)表示重影像素，f(x,y)表示真实像素，h(x,y)表示点扩散函数，n(x,y)表示加性噪声，符号＊表示卷积算子；L表示重影长度，θ表示重影角度。