专利名称：基于环境因素的图像光线强度动态校正方法
技术领域：
本发明涉及一种固定场景图像的自适应动态校正方法，具体涉及基于环境因素的 图像光线强度动态校正方法，属于图像处理技术中光线强度校正领域。
背景技术：
随着经济的快速发展和城市规模的不断扩大，机动车辆的数目也在急速增长，然 而交通建设和人们的交通法制意识却相对滞后，交通违章肇事频频发生，给交通监管部门 提出了更高的要求。交通视频中机动车辆检索系统的应用，不仅能够为城市的交通规划提 供第一手的数据，也能够为交管部门和公安部门追查肇事违章车辆提供极大的便利。
计算机视觉和模式识别技术的不断发展，为以图像理解为基础的智能交通系统进 入实际应用提供了良好发展契机。基于图像理解的车辆检测、跟踪及分类技术的研究与发 展为交通信息的采集与分析提供了一条良好途径，这些技术可广泛地应用于车辆收费、道 路监控、大型停车场以及提高公路利用效率等领域，是基于计算机视觉的智能交通系统中 的关键技术，也是目前智能交通系统研究的热点。
由于交通图像的采集设备固定，而环境因素复杂多变，特别是光照因素对图像的 分割、检测影响极大，最终导致识别效果与实际情况不一致。不同时间段光照对交通图像的 影响极大。例如白天、傍晚、夜晚、强烈日光、汽车车灯、路面反光等。因此将一幅图像的光 线根据其环境和时间段进行光线校正，使之包含特征清晰，不乏细节表述，对交通图像的识 别与理解具有重要意义。
传统的图像校正技术只要集中于去噪，使用统一的阈值对整幅图像进行处理。首 先选用一定尺寸的模板，要处理的象素点位于模板的中心，随着模板的移动，完成对所有像 素的滤波。第一种线性平滑空间滤波器实际是对模板所包含的像素的简单平均，即均值滤 波器；第二种线性平滑空间滤波器实际是对模板所包含的像素的加权平均，即加权均值滤 波器，这两种滤波器的缺点是造成图像边缘模糊。最常用的非线性排序统计滤波器是中值 滤波器，它是用像素邻域内灰度的中值来代替该像素的值，中值滤波器对处理椒盐噪声非 常有效。中值滤波器的缺点是对所有象素点采用一致的处理，在滤除噪声的同时有可能改 变真正象素点的值，引入误差，损坏图像的边缘和细节，不能满足识别的要求。
由于交通图像的特殊性和复杂性，这些传统的技术在图像的去噪过程中都不能发 挥很好的作用。首先，由于同一图像采集点在不同时间段采集的图像质量相差很大，如中午 的阳光，傍晚路灯与日光的混合光，夜晚车辆车灯的光所照射的角度与强度大不一样，若遇 上雨天，路面的反光照片的识别影响极大。将所图像不分其所处环境就直接用一个平均数 值调整图像的光线强度，其效果相当差，还会带来重要物体特征信息的丢失。因此针对不同 环境光线强度不同，同一图像内部，不同位置的光线强度也不同，校正时的方法和反馈信息 的获取至关重要。
因而，需要一种新的方法对交通图像的光线强度进行校正，在此基础上对图像中 的关键特征进行提取，以构建交通图像识别系统，对智能交通系统的构建起到推进作用。
近年来，图像处理在频率域和空间域都有许多发展。但由于图像的非结构化信 息的划分标准是一个模糊概念，传统的单一阈值处理已不能很好的处理包含复杂信息的图 像。而具有处理过程的同步动态性的动态模糊理论的创立对解决此类非结构化数据的处理 问题提供了有力的理论支持。
1965年，模糊集理论由美籍数学家Zadeh先生提出，该理论对解决静态数据问题 提供了有效途径，但现实中许多问题是动态发展的，因而Fanzhang Li教授在此基础上提出 动态模糊逻辑理论对解决动态模糊问题提供了理论支持。发明内容
本发明的目的是克服现有技术存在的不足，提供一种基于环境因素的图像光线强 度动态校正方法。
本发明的目的通过以下技术方案来实现基于环境因素的图像光线强度动态校正方法，特点是包括下列步骤步骤(I):将图像进行反转处理，通过图像反转突出显示关键区域，即原先光线较亮偏 白的区域转化为光线较深偏黑的区域；步骤(2):将图像分割成N*N的子图块进行处理，N取9 ;步骤(3):对子图块进行幂次变换；步骤(4):对子图块进行灰度映射变换；步骤(5):对子图块进行直方图处理；步骤(6):对子图块进行直方图动态模糊均衡化；步骤(7):使用混合空间处理法分别对子图块进行掩模滤波处理；步骤(8):使用Lucy_Richardson滤波器对每一个N*N子图块进行迭代处理；步骤(9):使用动态模糊逻辑理论对步骤(3)和步骤(6)分别计算优化，优化标准是根 据子图块所携带的信息熵为最大时判断为最优；步骤(10):将图像再进行反转处理输出最终图像。
进一步地，上述的基于环境因素的图像光线强度动态校正方法，包括下列步骤 步骤(I):读入图片，并且对其进行图像反转变换，步骤为读入图片，图片大小重新设置为1024像素长X 1024像素宽，灰度级范围为
的 图像反转表达式为s=L-l-r ；其中L代表最大灰度值，r表示处理前的像素值，s表示处理后的像素值；步骤(2):将图像分割成NN的子图块进行处理；步骤(3):对子图块进行幂次变换，其基本形式为其中c和为正常数，幂次曲线中的部分值把输入窄带暗值映射到宽带输出值，>1的值 和〈I的值产生的曲线效果相反；当值从O. 7-0. 4时，图像细节更为明显，当值进一步降低到O. 3时背景中细节进一步 增强，但对比度开始降低，即背景不明显；比较结果，看到对比度和肉眼可辨别细节的最好 效果在=0. 5 ；根据环境因素的不同的设置有所不同；(a)光线较弱时取O.2至O. 4之间的某一个数；(b)光线正常时取O.4至O. 6之间的某一个数；(c)光线较强时取O.6至O. 8之间的某一个数；步骤(4):对子图块进行灰度映射变换，将图像中0-127间的所有灰度映射到一个灰度级；将129-255间的灰度映射为另一个灰度级，对关键光线区域产生切割效果；步骤(5):对灰度级
范围的子图块进行直方图处理；
权利要求
1.基于环境因素的图像光线强度动态校正方法，其特征在于包括下列步骤 步骤(I):将图像进行反转处理，通过图像反转突出显示关键区域，即原先光线较亮偏白的区域转化为光线较深偏黑的区域； 步骤(2):将图像分割成N*N的子图块进行处理，N取9 ; 步骤(3):对子图块进行幂次变换； 步骤(4):对子图块进行灰度映射变换； 步骤(5):对子图块进行直方图处理； 步骤(6):对子图块进行直方图动态模糊均衡化； 步骤(7):使用混合空间处理法分别对子图块进行掩模滤波处理； 步骤(8):使用Lucy_Richardson滤波器对每一个N*N子图块进行迭代处理； 步骤(9):使用动态模糊逻辑理论对步骤(3)和步骤(6)分别计算优化，优化标准是根据子图块所携带的信息熵为最大时判断为最优； 步骤(10):将图像再进行反转处理输出最终图像。
2.根据权利要求1所述的基于环境因素的图像光线强度动态校正方法，其特征在于包括下列步骤 步骤(I):读入图片，并且对其进行图像反转变换，步骤为 读入图片，图片大小重新设置为1024像素长X 1024像素宽，灰度级范围为
的图像反转表达式为s=L-l-r ； 其中L代表最大灰度值，r表示处理前的像素值，s表示处理后的像素值； 步骤(2):将图像分割成NN的子图块进行处理； 歩■ <3.):对子il块S行憂次变換*箕基本爷式为S= CTr.其中e和X为IE常数，幂次曲线兮61￡辕Af-E复信硖魏到宽 喏 翁出 . >>1的 和&1的5#主1^_线效果柜氏;. 当^值从0J44時.逐懲S节更.为明显 当^管逬一歩》賅到0.3 S才W 景+兹节进一步_透.《对比豐开始^ .即背景不钥显比较结粟.看 1: 比變和肉Il可荇帮练节的 好效樂在^=0.5: ‘ s.囊约不同y有所不_:- U〗光线较Il时7取0, 2 .至0. 4之间的某一-H . (b)光线正常时11 0. 4至CK 8之间的某一个数:' 光线较 _i时0. 6至0. S之闺_某一个. 步骤(4):对子图块进行灰度映射变换，将图像中0-127间的所有灰度映射到一个灰度级；将129-255间的灰度映射为另一个灰度级，对关键光线区域产生切割效果； 步骤(5):对灰度级
范围的子图块进行直方图处理；
全文摘要
本发明设计基于环境因素的图像光线强度动态校正方法，将图像进行反转处理，通过图像反转突出显示关键区域；将图像分割成NN的子图块进行处理，N取9；对子图块进行幂次变换；对子图块进行灰度映射变换；对子图块进行直方图处理；对子图块进行直方图动态模糊均衡化；使用混合空间处理法分别对子图块进行掩模滤波处理；使用Lucy_Richardson滤波器对每一个NN的子图块进行迭代处理；使用动态模糊逻辑理论对上述子图块进行幂次变换和对上述子图块进行直方图动态模糊均衡化分别计算优化，优化标准是根据子图块所携带的信息熵为最大时判断为最优，将图像再进行反转处理输出最终图像。本发明有效提高图像的信息熵，达到良好的光线校正效果。
文档编号G06T5/40GK102999890SQ201110266440
公开日2013年3月27日 申请日期2011年9月9日 优先权日2011年9月9日
发明者崔志明, 张广铭, 吴健, 杨元峰 申请人:苏州普达新信息技术有限公司