[发明专利]一种基于改进CLAHE和滑窗搜索的自适应夜间车道线检测方法

说明书

本发明提供了一种基于改进CLAHE和滑窗搜索的自适应夜间车道线检测方法，包括：设置图像下半部分的多边形区域为ROI区域；提出一种用于强光照图像增强改进的CLAHE算法，降低过亮区域对车道线检测影响；提出DF融合方法将车道线从复杂背景中分离出来；使用优化后的滑窗搜索算法确定车道线像素点，结合二阶函数拟合车道线边界方程；采用逆透视变换将车道线投影到原图，实现车道线检测。本发明可以在夜间光照、弱光照、强光照及正常光照等不同环境下实现的车道线检测与跟踪，同时解决弯曲车道线难检测的问题。

技术领域

本发明涉及图像处理及道路安全技术领域，具体涉及一种基于改进CLAHE和滑窗搜索的自适应夜间车道线检测方法。

背景技术

车道线检测方法分很多种，Nima Zarbakht等人提出将图像从RGB颜色空间转换到YCbCr颜色空间和HSV颜色空间，利用梯度检测算子来实现车道线检测。Jamel Baili等人提出了一种基于特征的车道检测方法，利用水平差分滤波器简化了边缘检测过程，利用改进的霍夫变换将检测到的边缘点分组成直线。钱基德等人采用Soberx边缘检测算子检测车道线边缘信息，然后在感兴趣区域的基础上，使用改进的霍夫变换检测出可能的车道线。以上车道线检测方法容易受到光照，路面阴影和车道线缺损的影响，无法对弯曲的车道线进行检测，难以应对复杂的城市道路，易受到其他边缘噪声的影响。

发明内容

发明目的：本发明提出一种基于改进CLAHE和滑窗搜索的自适应夜间车道线检测方法，解决在夜间或光线不均匀的情况下算法适应性差的问题，同时解决弯曲车道线难检测的问题。

技术方案：本发明所述一种基于改进CLAHE和滑窗搜索的自适应夜间车道线检测方法，包括以下步骤：

(1)获取视频图像，使用降采样算法对图像进行缩放，将图像尺寸固定，得到处理后的图像IMG；

(2)确定6个顶点，对IMG进行感兴趣区域处理，将区域内图像的像素点的值设置为0，区域外像素点的值不变，得到处理后的图像IMG1；

(3)对CLAHE算法剪切点公式进行优化，对图像IMG1进行预处理，设置像素阈值为[145,255]，对预处理后的图像进行阈值化处理，得到二值图像IMG2；

(4)使用密度Prewitt算子对IMG1进行滤波，设置像素阈值为[1,50]，对滤波后的图像进行阈值化处理，得到二值图像IMG3；

(5)提出DF双重特征融合算法，融合IMG2和IMG3的特征，采用形态学操作对融合后的图像进行滤波，得到图像IMG4；

(6)采用优化后的滑窗搜索算法确定IMG4中的车道线像素点，并利用多项式对像素点进行拟合，确定车道线的边界方程；

(7)根据确定好的边界方程，采用逆透视变换，将车道线投影到IMG，完成车道线追踪和车道线区域可视化。

进一步地，步骤(1)所述图像尺寸为长度范围为[600,380]像素，宽度范围为[460,200]像素。

进一步地，其特征在于，所述步骤(3)包括以下步骤：

(31)根据图像中每个块的动态范围，优化CLAHE剪切点公式，自适应地设置剪切点cp对图像进行处理，剪切点公式如下所示：

其中，cp为CLAHE算法的剪切点，N为分块后每个块中像素点个数，R为块中像素的动态范围，α为裁剪因子，σ为块中像素的方差，Avg为块中平均像素值，ε为一个极小数，优化点为自适应设置剪切点，用方差和平均灰度来表示块中像素的均匀程度；

(32)对剪切后的图像进行高斯滤波，进一步减少图像噪声，接着设置阈值为[145,255]，将图像处理为二值图像IMG2。

进一步地，所述步骤(4)包括以下步骤：