基于统计特征的昼夜图像识别方法
【技术领域】
[0001] 本发明涉及一种计算机图像处理方法，尤其涉及一种昼夜图像识别方法。
【背景技术】
[0002] 由于光照、温度等环境条件的差异，昼夜图像的亮度、对比度、饱和度等存在较大 差别，从而在基于图像进行目标识别、图像复原等领域的算法，昼夜差别较大，这给实际问 题中需要连续工作的系统如智能交通系统中的行人检测、低空航拍系统中雾霾自动去除等 带来极大困难，因此昼夜图像识别问题在计算机视觉应用领域和数字图像处理领域亟待解 决。
[0003] 现有的昼夜区分方法主要有时间判定法、特征物体状态法和光感元件探测法。其 中时间判断法是利用时间判断昼夜，方法简单，但无法适应阴雨天对照度的影响，且由于时 间、地理位置的差异，无法适应同一地点不同季节和同一季节的不同地域。特征物体状态法 是通过检测场景中特征物体的状态判断昼夜，如路灯的开闭等，虽然能满足街道、路口等场 景，但对于不含明显特征物体的场景基本无效。光感元件探测法是通过光感元器件探测到 的照度等特征判断昼夜，准确度高，但元器件寿命有限，敏感度会随着年限的增加而降低， 且容易损坏，成本高等。对于特定场景，除以上算法外，还有一些特殊的算法，如针对交通视 频提出的基于统计学习的昼夜识别算法 [1<]，根据交通视频背景固定的特点，利用图像的灰 度特征和视频的变化性，不断学习得到时间和亮度的关系，进而判断昼夜，准确度较高，但 仅仅对固定背景的视频有效，使用范围受限。利用图像或视频的能见度间接识别昼夜图像 的方法+ 6]，虽然能准确估算能见度，但能见度高低并不能与昼夜划等号，对于图像复原，昼 夜图像退化的成像模型并不相同，因此利用能见度进行昼夜识别借鉴度不高。杨权等提出 的基于灰度直方图的时段检测算法 [7]，通过对交通视频中含有人工设置目标物的典型数据 分析发现：图像的灰度均值、标准差、扭曲度和熵等特征在昼夜过度时间段存在差异，并没 有考虑普通图像视频中人工光源的影响，且经试验发现，这些特征差异仅对典型图像有效， 对一般图像区分效果不明显。此外利用墨卡托投影判断昼夜的方法 [8]，虽能能有效判断一 个地区所属昼夜半球，但无法满足实际中判断条件是图像或视频的情况。
[0004] 而实际应用中，昼夜图像的获取时间、地点等均不确定，特征物体的有无、搜索复 杂性难以预测，对特征物体的搜索实现智能化难度较大，图像背景的变化更是变化无常。此 外，相比于利用成本和维护费用昂贵的硬件检测，基于图像处理的识别算法更加引人入目， 且更符合国家和广大纳税人的利益。因此，以上方法均无法满足实际应用的广泛需求。
[0005] [参考文献]
[0006] [1]祁磊，周超英，曹泉，向怀坤，刘建伟.基于图像统计学习进行昼夜区分的算法 研究[J]·公路交通科技，2007,24(2): 118-121。
[0007] [2]胡家兴，陈燕，张力为，等.图像统计学习进行昼夜区分的算法[J].大连海事大 学学报，2006,02 期：82-85。
[0008] [3]张潇，李勃，陈启美.基于亮度特征的PTZ视频能见度检测算法及实现[J].仪器 仪表学报，2011，第2期：381-387。
[0009] [4]杨娴，李勃，丁文，等.基于路面亮度特征估算的视频能见度检测系统[J].上海 交通大学学报，2013,08 期(08): 1257-1263。
[0010] [5]吴炜，李勃，杨娴，等.基于路面视亮度差平方最优化的视频能见度检测算法
[J].电子与信息学报，2014,第10期：2412-2418。
[0011] [6]安明伟，陈启美，郭宗良.基于路况视频的气象能见度检测方法与系统设计 [J]·仪器仪表学报，2010,第5期：1148-1153。
[0012] [7]杨权，黄山，张洪斌，等.基于纹理特征的能见度测量时段区分方法[J].现代电 子技术,2008,第 23 期：192-194。
[0013] [8]张昆，张松林.墨卡托投影中区分昼夜半球的方法与实现[J].华中师范大学学 报：自然科学版，2013，第4期:587-590。
【发明内容】
[0014] 针对上述问题，本发明提出一种基于统计的昼夜图像识别方法，利用昼夜图像的 特征差异实现对图像的无差别识别。首先，统计图像库中大量昼夜图像的平均亮度、暗像素 比例、暗边缘、亮像素和光源等特征;然后，通过统计数据得到单个特征的统计结果，利用拟 合法得到对应特征的特征阈值及其对应的正确率;最后，利用多个特征的特征阈值和区分 准确率，结合各个特征的特点，通过将昼夜图像的差异量化，融合得到昼夜图像识别方法， 本发明昼夜图像识别方法不仅能准确、无差别地识别图像类型，而且识别时间较短，基本能 够满足实际生活中对系统实时性的要求。
[0015] 为了解决上述技术问题，本发明提出的一种基于统计特征的昼夜图像识别方法， 包括以下步骤：
[0016] 步骤1:输入图像I，转换得到亮度图像Ilight_img;
[0017] 步骤2:该亮度图像Iiightjg的平均亮度imgmean_i?inance为：
[001 8] illlgmean-luminance - ??Θ??Ι (??Θ??Ι ( 11 ight img ) ) ( 1 )
[0019 ] 利用亮度图像I lightimg的平均亮度irngmeanlumin咖4导到亮度特征Li:
[0020]
(2)
[0021] 式（2)中，mi = 90,〇1 = 0.86;[0022] 步骤3:获取亮度图像I iight_img的暗像素比例imgpercent_dark Pixei;
[0024]式(3)中，M，N为亮度图像I iight_img的长和宽，（i，j)为像素的坐标，ε为阶跃函数， [0025] 利用暗像素比例imgperc；ent_dark Pixei得到暗像素特征L2:
[0023] C3)
[0026]
⑷
[0027] 式（4)中，m2 = 0.2,〇2 = 0.88;
[0028] 步骤4:获取亮度图像Iiight_img的暗边缘数imgd ark_bian;
[0029]
(5)
[0030] 式(5)中，biam为图像的第i条边;进而得到图像I的暗边缘特征L3:
[0031] L3= (imgdark-bian-m3) X 〇3 (6)
[0032] 式（6)中，Π?3 = 0·5，σ3 = 0·90;
[0033] 步骤5:获取亮度图像I iight_img的亮像素比例imgpercent_iigh tpixei; _4]
(7)
[0035] 与该亮像素比例对应的亮像素特征L4如下：
[0036] L4 - - ￡ ( irngpercent lightpixel-ΓΠ 4 ) ( 8 )
[0037] 式（8)中，m4=0.3115;
[0038] 步骤6:获取含光源特征的二值图像的光源离心率imgmin_e;
[0039] 利用离心率imgmin_e得到对应的光源特征L5 :
[0040] L5=e(m5-imgmin_e) (9)
[0041] 其中 η?5 = 0·44;
[0042] 步骤7:利用基于亮度图像Ilight_img得到的亮度特征1^、暗像素特征L2、暗边缘特征 L3、亮像素特征L4和光源特征。融合得到昼夜图像识别参考值Drv:
[0043]
[0044] 步骤8:通过该昼夜图像识别参考值Drv判断图像类别：当Drv为正时，判断图像I为 夜晚图像，反之为白天图像。
[0045] 与现有技术相比，本发明的有益效果是：
[0046]本发明改进了传统的仅仅根据亮度特征进行统计学习的昼夜图像识别方法，充分 利用昼夜图像的平均亮度、暗像素比例、暗边缘、亮像素和光源等特征差异，被检测图像不 受地域、时间限制，极大程度上增加了该昼夜图像识别方法的应用范围和实用性。
[0047] 本发明昼夜图像识别方法不仅充分利用昼夜图像的特征差异，有效识别昼夜图 像，而且算法简单，检测时间短，基本能够满足实际应用的要求，此外本发明图像识别方法 对检测图像要求较低，检测图像类型不受地域和时间限制，且由于未利用硬件进行辅助识 另IJ，因此还可减少实际应用中基于硬件检测带来的成本、维护费用等负担，所以在人工智 能、模式识别、目标检测等领域有广泛的应用前景。
【附图说明】
[0048] 图1是本发明昼夜图像识别方法框图；
[0049] 图2(a)至图2(f)是本发明具体实施例中的各特征图像，其中：
[0050] 图2(a)是白天图像亮通道(无暗边缘）；
[0051]图2(b)是白天图像对应的暗像素图像；
[0052]图2(c)是白天图像对应的亮区域图像；
[0053]图2(d)是夜晚图像对应的亮通道(含暗边缘）；
[0054] 图2 (e)是夜晚图像对应的暗像素图像；
[0055] 图2(f)是夜晚图像对应的光源图像；
[0056] 图3(a)至图3(e)是本发明具体实施例中的各统计特征，其中：
[0057] 图3(a)是亮度；
[0058]图3(b)是暗像素比例；
[0059]图3(c)是壳区域面积；
[0060]图3(d)是暗边缘数；
[0061 ] 图3(e)是离心率；
[0062]图4是不同特征相组合的准确率。
【具体实施方式】
[0063]下面结合附图和具体实施例对本发明技术方案作进一步详细描述，所描述的具体 实施例仅对本发明进行解释说明，并不用以限制本发明。
[0064]本发明基于统计特征的昼夜图像识别方法涉及到如下基本理论：
[0065]图像亮度的定义如下：
[0066]
[0067]其中，Φ为光通量；Ω是立体角；Θ是给定方向与单位面积元ds法线方向的夹角； [0068]亮度与发光体(反光体)表面发光(反光）的强度成正比，即La Φ，假设物体的反射 率R和入射角度Θ不变，则物体的反射光Φ与入射光强度1成正比，即Φ & 1，因此La 1，即物 体的亮度与入射光强度成正比。白天场景入射光光源一般为太阳，照射范围广、入射光强度 大，因此光线可在空气中经无数次反射、折射和散射，全裸物体