一种基于b-p神经网络判断照明场景的自动曝光方法
【专利摘要】本发明公开一种基于B-P神经网络判断照明场景的自动曝光方法，包括以下步骤，S1通过视频采集系统获得原始图像；S2将原始图像划分为多个区域；S3求每个区域的图像亮度平均值，获得亮度矢量；S4设计B-P神经网络，将亮度矢量作为神经网络的输入，对照明场景进行判断；S5根据神经网络的判断结果，计算图像的理想亮度；S6将原始图像的实际亮度与理想亮度的偏差作为PID算法的初始输入，利用PID算法获取理想亮度对应的理想可控量；S7依据理想可控量，获得曝光时间t和模拟增益系数g，将t和g传输到视频采集系统的传感器中即可实现自动曝光。该方法对照明场景的判断准确，算法简单，可广泛应用。
【专利说明】—种基于B-P神经网络判断照明场景的自动曝光方法
【技术领域】
[0001]本发明属于视频图像处理【技术领域】，具体涉及一种基于B-P神经网络判断照明场景的自动曝光方法。
【背景技术】
[0002]自动曝光是指自动进行光圈、快门、信号增益等的调节，从而获得清晰、颜色接近实物的图像的方法。从傻瓜相机诞生以来，相关领域技术人员就一直在研究自动曝光方法。早期的曝光方法采用模拟曝光的方式，其速度快，无需大量计算，但是无法进行场景分析，虽然能进行曝光补偿，仍然难以得到理想的图片亮度，且其机械电子结构复杂，稳定性差。
[0003]数字图像技术诞生后，电子曝光方式逐渐替代了模拟曝光的方式，电子曝光方式只需要对数字图像进行分析即可得到光强，进而调节光圈和快门从而进行自动曝光，随着嵌入式设备如单片机、DSP和FPGA等硬件编程设备逐渐应用于数字图像采集中，图像采集设备具备一些基本的图像分析功能，为了获得更加清晰、颜色更加接近实物的图像，技术人员将简单的场景分析技术引入自动曝光方法中，采用动态的理想亮度值的方式，来适应各种外部照明情况，如背光和对光，从而使曝光方法基于照明场景而进行，即产生了判断照明场景的曝光方法。
[0004]基于图像熵的图像分析技术来设定理想曝光值为一种基于照明场景的曝光方法，使图像主体无论在什么光照条件下均拥有良好的曝光，但图像熵的算法较为复杂，使其适用面受到限制，无法广泛应用。还有基于人脸辨识以及模糊逻辑的自动曝光方法，该算法实现比较复杂，也无法广泛运用。
【发明内容】
[0005]针对上述问题，本发明目的是在于提供一种基于B-P神经网络判断照明场景的自动曝光方法，其对照明场景的判断准确，算法简单，能对背光和对光条件下图像主体进行合适的曝光，满足网络摄相机应用下的视频处理前端的自动曝光要求。
[0006]为实现上述目的，本发明提供了一种基于B-P神经网络判断照明场景的自动曝光方法，其特征在于，包括以下步骤:
[0007]S1:通过视频采集系统获得原始图像；
[0008]S2:根据对图片不同区域的关注程度将所述原始图像划分为多个区域，并按照被关注程度的大小依次给区域编号；
[0009]S3:对所述划分的区域求每个区域的图像亮度平均值，结合该区域位置编号和其区域内图像的平均亮度，获得亮度矢量；
[0010]S4:根据所述原始图像区域划分的数量设计B-P神经网络，将所述亮度矢量作为神经网络的输入，对照明场景进行判断，输出判断结果；
[0011]S5:根据所述神经网络的判断结果，计算图像的理想亮度；
[0012]S6:将所述原始图像的实际亮度与所述S5中理想亮度的偏差作为PID算法的初始输入，利用PID算法获取理想亮度所需要的理想可控量；
[0013]S7:依据所述S6中获得理想可控量，获取理想曝光时间t和理想模拟增益系数g，将获得的理想曝光时间t和理想模拟增益系数g传输到视频采集系统的传感器中，即可实现自动曝光。
[0014]进一步的，所述步骤S4中B-P神经网络的输入层变量个数为原始图像区域划分的个数，设计的B-P神经网络输出公式如下:
[0015]y = f (X) , y = O, I
[0016]X为神经网络输入数据的向量表示，y为神经网络的输出，y = O或者1，即所述B-P神经网络输出的判定结果为两种，O代表正常光照，I代表特殊光照情况。这样的设计能快速确定神经网络的结构，且使其结构简化，有利于其学习训练过程。
[0017]进一步的，所述步骤S5中，当神经网络输出为O时，理想亮度取亮度矢量的最大分量的二分之一；
[0018]当神经网络输出为I时，计算理想亮度的公式如下:
[0019]
【权利要求】
1.一种基于B-P神经网络判断照明场景的自动曝光方法，其特征在于，包括以下步骤: Si:通过视频采集系统获得原始图像； S2:根据对图片不同区域的关注程度将所述原始图像划分为多个区域，并按照被关注程度的大小依次给区域编号； S3:对所述划分的区域求每个区域的图像亮度平均值，结合该区域位置编号和其区域内图像的平均亮度，获得亮度矢量； S4:根据所述原始图像区域划分的数量设计B-P神经网络，将所述亮度矢量作为神经网络的输入，对照明场景进行判断，输出判断结果； 55:根据所述神经网络的判断结果，计算图像的理想亮度； 56:将所述原始图像的实际亮度与所述S5中理想亮度的偏差作为PID算法的初始输入，利用PID算法获取理想亮度所需要的理想可控量； 57:依据所述S6中获得理想可控量，获取理想曝光时间t和理想模拟增益系数g，将获得的理想曝光时间t和理想模拟增益系数g传输到视频采集系统的传感器中，即可实现自动曝光。
2.根据权利要求1所述的一种基于B-P神经网络判断照明场景的自动曝光方法，其特征在于，所述步骤S4中B-P神经网络的输入层变量个数为原始图像区域划分的个数，设计的B-P神经网络输出公式如下:
y = f (X), y = O, I X为神经网络输入数据的向量表示，y为神经网络的输出，y = O或者1，即所述B-P神经网络输出的判定结果为两种，O代表正常光照，I代表特殊光照情况。
3.根据权利要求1或2所述的一种基于B-P神经网络判断照明场景的自动曝光方法，其特征在于，所述步骤S5中，当神经网络输出为O时，理想亮度取亮度矢量的最大分量的二分之一; 当神经网络输出为I时，计算理想亮度的公式如下:
4.根据权利要求3所述的一种基于B-P神经网络判断照明场景的自动曝光方法，其特征在于，所述的图片的评价亮度yp采用如下公式计算:
yP = 其中，yp为图片评价亮度，X为图像的亮度矢量，Wz为评价亮度权重矢量。
5.根据权利要求1-4之一所述的一种基于B-P神经网络判断照明场景的自动曝光方法，其特征在于，所述步骤S6中，所述可控量用以下公式表示:
Inp = Intg式中，Inp为可控量，P = tg, t为自动曝光时间，g模拟增益系数。
6.根据权利要求1-5之一所述的一种基于B-P神经网络判断照明场景的自动曝光方法，其特征在于，所 述步骤S7中，采用查询曝光增益表获得曝光时间t与模拟增益系数g。
【文档编号】H04N5/235GK103973991SQ201410198357
【公开日】2014年8月6日 申请日期:2014年5月12日 优先权日:2014年5月12日
【发明者】宋宝, 周向东, 余晓菁, 唐小琦, 杜宝森, 刘路, 张文杰, 占颂 申请人:华中科技大学