[发明专利]一种车载红外图像的场景识别及彩色化处理方法

摘要

本发明公开了一种车载红外图像的场景识别及彩色化处理技术，提出了一种基于label Transfer技术的车载红外图像场景识别方法，该方法首先根据车载红外图像的GIST特征快速判断图像整体场景所属类别，再根据车载红外图像的SIFT局部特征确定与其局部对象最为接近的样本图像，之后使用SIFT-Flow方法将样本图像的场景类别标记转移至待测试车载红外图像，从而获得待处理车载红外图像中场景的类别标记，最后根据场景的类别，基于对应的色调，同时将原图像的亮度信息融合到彩色图像中实现车载红外图像的彩色化。

主权项

一种车载红外图像的场景识别及彩色化处理方法，其特征在于，包括如下步骤：步骤1、提取少量反映不同典型行车场景的车载红外图像作为样本图像，对这些样本图像中包含的场景信息进行人工标定，将这些样本图像及其对应人工标定的场景信息作为后续场景识别步骤的样本，建立人工标定样本库；步骤2、分别提取人工标定样本库中各样本图像的特征信息，并保存至人工标定样本库中；步骤3、提取待处理车载红外图像的特征信息，在人工标定样本库中查找与待处理车载红外图像的特征信息最为接近的K幅样本图像，定义为K近邻图像，其中与待处理车载红外图像的特征信息最接近的一幅样本图像称为最佳匹配图像，K是一个取值小于人工标定样本库中样本总数且不小于3的奇数；步骤4、分别计算待处理车载红外图像及K幅近邻图像的SIFT特征，根据各近邻图像与待处理图像的SIFT特征间的能量差对K幅近邻图像重新排序，并选择其中最接近的N幅近邻图像作为候选图像，N是一个取值小于K的奇数；步骤5、分别根据待处理车载红外图像与N幅候选图像的SIFT特征，使用SIFT‑Flow算法，对SIFT特征进行密集采样，将对应的对象对齐，并将各候选图像手动标记的场景类别分配至待处理车载红外图像对应的部分；步骤6、待处理车载红外图像的每一部分均得到了N个场景类别标记，综合这N个场景类别标记，得到待处理车载红外图像中每一部分的最终场景类别标记；步骤7、根据步骤6中得到的场景类别标记，对待处理车载红外图像的不同场景类别赋予不同的色彩，得到彩色类别标记图；步骤8、对原始待处理车载红外图像进行亮度提升和边缘锐化操作，得到优化灰度图；步骤9、提取彩色类别标记图的色调层和对比度层，分别作为新的色调层和对比度层，将优化灰度图作为亮度层，重新组合成为待处理车载红外图像对应的彩色图像。