一种改善抓拍取证图像roi清晰度的方法
【技术领域】
[0001] 本发明设及图像清晰度处理领域，尤其设及的是一种改善抓拍取证图像ROI清晰 度的方法。
【背景技术】
[0002] 近年来，随着城镇化速度不断加快，交通道路W及交通车辆日益增多。无论是在发 达国家还是发展中国家，都不同程度地受到交通发展带来问题的困扰，由此导致了能源消 耗，时间浪费，财产损失。随着智能交通领域的迅猛发展，交通安全管理部口对违章违法行 驶的交通车辆进行快速有效的监控有着重要的实际意义，使得智能交通抓拍取证系统也逐 渐得到广泛应用。
[0003] 智能交通抓拍摄像机安装在道路边上，由于内部图像传感器本身特性约束，外界 光源干扰，灰尘雨雾等不利工作环境，会影响违法/违章车辆抓拍图像的取证效果。另外，图 像后期处理和传输过程中，有些图像处理算法，比如平滑，去隔行效应，压缩编码等，使得图 像轮廓细节模糊，造成关键特征不清晰。鉴于抓拍图像一般作为违法取证材料，所W，执法 人员和违法/违章驾驶嫌疑人都对取证图像的清晰度提出了较高要求。能否较好地呈现感 兴趣区域(Region Of Interest，R0I)目标图像的关键细节与特征显得尤其重要，比如车辆 型号，车牌字符、驾驶员特征，W及违章/违法事件检测到的其他辅助参考目标等。
[0004] 随着交通道路的智能抓拍摄像机监控点日益增多，每个摄像机日夜工作，会产生 海量的视频图像数据传送至监控中屯、，给取证执法人员带来较大压力。因此，如何有目的性 地关注全景视频图像的ROI感兴趣区域显得尤其重要。如图1所示，当全景取证图像的多个 ROI目标经过ROI筛选之后，再将ROI显示在监控中屯、的显示屏幕，辅助监控中屯、的全景视频 图像。
[0005] 目前的抓拍图像中ROI图像清晰度效果无法全部达到最佳，主要原因有如下方面： 智能抓拍摄像机工作时间长，外部玻璃罩积累的灰尘会影响图像的清晰度和画面的颜色鲜 艳程度;光线不足或光线被遮挡，也会使得特定区域图像亮度欠佳;视频图像在传输过程 中，压缩编码也会损失图像的高频细节和轮廓;除此之外，抓拍摄像机生成全景图像的参数 (如亮度、锐度、饱和度、对比度等)是全局调节控制的，一般在初始化配置之后很少调整，全 局控制的参数不能同时兼顾画面中多个子区域的显示效果。该情况下，如果直接在全景图 像中截取ROI图像进行预览显示，肯定会导致部分ROI清晰度不理想等问题。所W，该问题是 当前智能交通领域抓拍取证系统亟待需要解决的主要内容之一。
【发明内容】
[0006] 本发明的目的在于克服现有技术的不足，提供了一种改善抓拍取证图像ROI清晰 度的方法。
[0007] 本发明是通过W下技术方案实现的：一种改善抓拍取证图像ROI清晰度的方法，其 特征在于步骤如下：
[0008] 步骤一、通过智能摄像机获取原始图像，测量原始图像的尺寸，并确定出ROI目标 图像在原始图像中的位置；
[0009] 步骤二、判断ROI目标图像的有效性，
[0010] 根据输入的全景图像尺寸信息W及ROI信息，运里的全景图像尺寸信息包括全景 图像宽度LwdithW及全景图像的高度IJieightDROI信息包括ROI目标图像横向坐标起始 位置R〇I_x、ROI目标图像纵向坐标起始位置R0I_y、R0I目标图像宽度R0I_wdith W及ROI目 标图像的高度ROIJiei曲t。然后判断输入的ROI目标图像位置是否在全景图像的有效边界 范围内，具体做法是判断是否满足如下条件：
[0011] 1)、R0I_x+R0I_wdith< = I-Wdith;
[0012] 2)、R0I_y+R0I_hei 曲t< = I_hei 曲t;
[OOU] 3)、R0I目标图像的宽度R0I_wdith不少于32像素；
[0014] 4)、R0I目标图像的高度ROIJieight不少于32像素；
[001引 5)、R0I区域的像素总和不少于预置的判断阔值THR_roisize，即：
[0016] ROIJiei 曲 1:*R0I_hei 曲t〉= THR_;roisize
[0017] 其中，I_wdith是全景图像宽度，IJiei曲t是全景图像的高度，R0I_x是ROI目标图 像横向坐标起始位置，R〇I_y是ROI目标图像纵向坐标起始位置，R〇I_wdith是ROI目标图像 的宽度，ROIJiei曲t是ROI目标图像的高度，
[0018] 只有同时满足上述5个条件才判决该ROI目标图像为有效ROI目标图像，否则判决 该ROI目标图像无效；
[0019]步骤S、控制参数创建一，提取有效ROI目标图像的每一个像素点的RGB颜色通道 的信息 R(i，j)，G(i，jWPB(i，j)，
[0020]计算有效ROI目标图像的每一个像素点的亮度Y(i，j):
[0022] (i，j)E Q，Q表示有效ROI目标图像的全部像素点坐标集，
[0023] 其中，Wr为R通道系数取值0.299，Wg为G通道系数取值0.587, Wb为B通道系数取值 0.114,全部通道权重系数总和W' 龙居各，口 I
[0024] 根据上述获得的Y(i，j)计算该有效ROI目标图像的亮度整体平均值Y_mean，
[00%] Q是有效ROI目标图像的全部像素点坐标集，Psum是有效ROI目标图像的全部像素 总和，
[0027] 然后采用HSV颜色空间转换模型，将该有效ROI目标图像的R、G、B通道信号转换为 H、S、V通道信号，具体转换公式如下：
[0028] 有效ROI目标图像的每一个像素点的V通道信号为V(i，j)，S通道信号为S(i，j)，H 通道信号为H(i，j)，
[0029] V通道信号计算方式如下，
[0030] Wi, j)=max[R(i, j)，G(i, j)，B(i, j)]，
[0031] S通道信号计算方式如下，
[0033] H通道信号计算方式如下，
[0035] 步骤四、控制参数创建二，计算有效ROI目标图像V分量和S分量的平均值：
[0036] 计算有效ROI目标图像V分量的平均值V_mean;
[0038] Q是有效ROI目标图像的全部像素点坐标集，Psum是有效ROI目标图像的全部像素 总和
[0039] 计算有效ROI目标图像S分量平均值S_mean:
[0045] S_thr是有效ROI目标图像的S分量统计阔值，S_sum是有效ROI目标图像的S分量的 累加和变量，S_cnt是有效ROI目标图像的S分量的计数器变量，S_num是S分量满足阔值S_ thr的有效像素数目总和；
[0046] 步骤五、调整有效ROI目标图像的亮度，经过亮度处理后输出的有效ROI目标图像 的各个颜色通道分量公，Xe {R，G，B}，r是经过亮度处理后输出的有效ROI目标图像的R通 道分量，护是G通道分量，是B通道分量；
[0047] 经过亮度处理后输出的有效ROI目标图像的每个像素上R、G、B各颜色通道的分量 的数值为户（1^)，乂￡{1?，6,8}，心（1^)是经过亮度处理后每个像素上1?通道的分量的数 值，(i，j)是经过亮度处理后G通道分量的数值，(i，j)是经过亮度处理后B通道分量的 数值，（i，j) e Q，Q表示有效ROI目标图像的全部像素点坐标集；
[004引 X'(i，j)=Wxi(i，j) ? V(i，j)+[1-Wxi(i，j)] -XQJ),
[0049] 其中 X(i，j)是步骤=提取的有效ROI目标图像的
? 每个像素上RGB各颜色通道分量信息，X e {R，G，B};
[0050] 步骤六、有效ROI目标图像锐度处理，
[0051] 使用锐化掩膜系数矩阵Ms对步骤五获得的经过亮度处理后输出的有效ROI目标图 像的各个颜色通道分量r进行卷积滤波处理，获得高频信息图像，高频信息图像的各个颜 色通道分量为Xs，Xe{R，G，B}，
[0052] 使用高频细节过滤阔值THRJif对高频信息图像的每个像素的各个颜色通道分量 数值Xs (i，j)进行抑噪处理，THRJif的取值范围为[0，4]，抑噪处理