本发明涉及图像处理的,尤其涉及一种用于自动驾驶图像的颜色降噪方法。
背景技术:
1、图像采集与读取过程是一个复合随机过程,在采集过程中会引入随机噪声,图像经过isp处理的过程也会引起噪声的变化,因此需要进行降噪处理。图像的噪声通常分为亮度噪声和颜色噪声,亮度噪声表现为高中频噪声,颜色噪声通常主要为中低频率噪声,然而由于坏点、贝尔阵列差值(color filter array interpolation,cfai)以及图像采集与读取引入的随机噪声,因此在颜色通道中存在着细颗粒的离群点,反应在图像中就是小颗粒和团簇的颜色噪点。
2、常规的颜色降噪技术能够处理一部分高频和中频率的颜色噪声,但是对于由于坏点、以及插值引入的离群颜色团簇没有很好的解决方法,同时对于极低频率彩色噪声没有很好的解决方法。由于颜色噪声的存在,对于自动驾驶识别物体有很大影响,尤其是多为红绿黄三色的交通信号灯以及信号标志的识别影响较大,甚至影响后续的基于感知的决策阶段。
技术实现思路
1、本发明提供了一种用于自动驾驶图像的颜色降噪方法,对预处理后的图像进行多通道逐级分解,获得多尺度子带图像;再对多尺度子带图像先后进行联合滤波和重构,以得到最终的降噪图像,其在不同的频率成分上对彩色噪声进行滤波,在大尺度频段上进行联合滤波能够有效去掉低频率彩色噪声。
2、本发明可通过以下技术方案实现:
3、一种用于自动驾驶图像的颜色降噪方法,应用于车辆行驶过程中的道路图像,包括
4、采用逐点滑窗滤波方法对图像进行预处理,抑制离群彩色点以及彩色团簇,获得预处理图像;
5、借助多通道滤波器,对所述预处理图像进行多通道逐级分解,获得多尺度子带图像;
6、对所述多尺度子带图像先后进行联合滤波和重构,以得到最终的降噪图像。
7、进一步,采用逐点滑窗滤波方法分别对图像中u通道和v通道数据进行预处理,给定sxy窗口,zmin为sxy窗口中的最小像素值,zmax为sxy窗口内的最大像素值,zmed为sxy窗口内的中值,zxy为sxy窗口中心点位置对应的像素值,smax为最大滤波尺寸,预处理分为如下两个层次:
8、a层:如果zmin+1<zmed<zmax-1,跳到b层;
9、否则,增大窗口sxy的尺寸;
10、如果sxy<smax,重复a层,否则输出zmed;
11、b层:如果zmin+1<zxy<zmax-1,输出zxy,否则输出zmed。
12、进一步,采用两个不同的多通道滤波器,对预处理图像中u通道数据和v通道数据分别进行卷积运算,将其逐级分解到多个频带的多个子带上,获得多尺度子带图像。
13、进一步,记两个多通道滤波器的参数分别为h、g,采用如下公式对输入图像进行卷积运算,将其逐级分解到多个频带的多个子带上,其中,第一频带分解的输入图像为预处理图像中的u通道数据或者v通道数据,第二频带分解的输入图像为第一频带第0子带,第三频带分解的输入图像为第二频带第0子带,依此类推,得到多尺度子带图像,
14、i0=*i*t
15、i1=*i*gt
16、i2=g*i*t
17、i3=g*i*gt
18、式中,i为输入图像,i0为第0子带,i1为第1子带,i2为第2子带,i3为第3子带,h=[-0.0106,0.0329,0.0308,-0.1870,-0.0280,0.6309,0.7148,0.2304],g=[-0.2304,0.7148,-0.6309,-0.0280,0.1870,0.0308,-0.0329,-0.0106]。
19、进一步,记预处理图像中的u通道数据和v通道数据分别进行多通道三级分解后,得到u通道图像的子带为得到v通道图像的子带为
20、利用以下方程式,分别对u通道图像、v通道图像中各个频带的第0子带的各个像素点(x,y)进行联合滤波,
21、
22、
23、式中,j=1,2,3,wuv=wu*wv表示相应滤波点的联合滤波权重,wu、wv均由如下公式计算得到
24、
25、其中,n为倾斜巴特沃斯滤波器w(z)的阶数,d为倾斜巴特沃斯滤波器w(z)的空间截止阈值,k为倾斜巴特沃斯滤波器w(z)的倾斜斜率,z为采用块匹配方法对来自u通道图像、v通道图像中各个频带的第0子带进行块匹配时计算得到的相似度;
26、联合滤波后,得到u通道图像的各个子带为
27、v通道图像的各个子带为
28、再采用重构滤波器对u通道图像、v通道图像分别进行重构,其重构滤波器的系数为
29、h*=[0.2304 0.7148 0.6309 -0.0280 -0.1870 0.0308 0.0329 -0.0106]g*=[-0.0106 -0.0329 0.0308 0.1870 -0.0280 -0.6309 0.7148 -0.2304]
30、重构过程为:
31、
32、其中,表示第k频带的第t个子带,t=0,1,2,3,k=1,2,3;
33、针对联合滤波后的u通道图像,对第三频带的各个子带重构可以得到于是得到新第二频带对新第二频带进行重构得到于是得到新第一频带对新第一频带进行重构得到经过颜色降噪的u通道图像denoise_u,重复上述过程,对联合滤波后的v通道图像进行重构,得到经过颜色降噪的v通道图像denoise_v,以得到最终的降噪图像。
34、一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行实现如上文所述的方法。
35、本发明有益的技术效果在于:
36、(1)采用逐点滑槽滤波方法能够在有效过滤由于坏点以及贝尔插值cfai等方面引入的离群彩色点以及彩色团簇,同时避免损失真正的颜色细节;
37、(2)本发明采用多通道子带滤波结构,通过将图像分为多个子带,在不同的频率成分上对彩色噪声进行滤波,在大尺度频段上进行联合滤波能够有效去掉低频率彩色噪声;
38、(3)本发明通过对经典的巴特沃斯低通滤波器进行改进,提出一种倾斜巴特沃斯滤波器,该滤波器能够在进行降噪的同时很好保持边缘,能够有效的防止彩色边缘泄露现象;
39、总之,借助本发明的图像颜色降噪方法,能够有效地降低低频颜色噪声,更有利于自动驾驶感知模块对于交通信号标志的识别,从而对于后续的决策阶段有很好的提升。
1.一种用于自动驾驶图像的颜色降噪方法,其特征在于:应用于车辆行驶过程中的道路图像,包括
2.根据权利要求1所述的用于自动驾驶图像的颜色降噪方法,其特征在于:采用逐点滑窗滤波方法分别对图像中u通道和v通道数据进行预处理,给定sxy窗口,zmin为sxy窗口中的最小像素值,zmax为sxy窗口内的最大像素值,zmed为sxy窗口内的中值,zxy为sxy窗口中心点位置对应的像素值,smax为最大滤波尺寸,预处理分为如下两个层次:
3.根据权利要求2所述的用于自动驾驶图像的颜色降噪方法,其特征在于:采用两个不同的多通道滤波器,对预处理图像中u通道数据和v通道数据分别进行卷积运算,将其逐级分解到多个频带的多个子带上,获得多尺度子带图像。
4.根据权利要求3所述的用于自动驾驶图像的颜色降噪方法,其特征在于:记两个多通道滤波器的参数分别为h、g,采用如下公式对输入图像进行卷积运算,将其逐级分解到多个频带的多个子带上,其中,第一频带分解的输入图像为预处理图像中的u通道数据或者v通道数据,第二频带分解的输入图像为第一频带第0子带,第三频带分解的输入图像为第二频带第0子带,依此类推,得到多尺度子带图像,
5.根据权利要求4所述的用于自动驾驶图像的颜色降噪方法,其特征在于:记预处理图像中的u通道数据和v通道数据分别进行多通道三级分解后,得到u通道图像的子带为得到v通道图像的子带为
6.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于:所述计算机程序被处理器执行实现如权利要求1-5任一项所述的方法。