用以車輛和路面識別的交通遙感圖像處理方法
【專利摘要】本發(fā)明公開一種用以車輛和路面識別的交通遙感圖像處理方法，包括1)將圖像分為兩個(gè)圖層；2)將每個(gè)圖層的亮度進(jìn)行增強(qiáng)；3)將其中一個(gè)圖層進(jìn)行翻轉(zhuǎn)，使其與另一個(gè)圖層具有相同的像素區(qū)間；4)將翻轉(zhuǎn)后的兩個(gè)圖層，分別使用最大類間方差法確定閾值，從而完成圖像中車、路分割的步驟。本發(fā)明首先以圖層分離為核心，利用直方圖中的路面像素點(diǎn)分布較集中、呈現(xiàn)峰狀的特征，以峰值點(diǎn)為分水嶺對遙感圖像進(jìn)行分層，將深色汽車和淺色汽車分離到深、淺兩個(gè)圖層內(nèi)，然后，利用最大類間方差法進(jìn)行閾值分割，實(shí)現(xiàn)了非常好的汽車和路面識別效果，汽車的坐標(biāo)可以在遙感圖像中精確定位。
【專利說明】用以車輛和路面識別的交通遙感圖像處理方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于遙感圖像處理技術(shù)，特別是關(guān)于一種用以車輛和路面識別的交通遙感 圖像處理方法。

【背景技術(shù)】
[0002] 遙感平臺從高空（甚至太空）俯視地面，能夠大范圍、全區(qū)域地判別整個(gè)城市的交 通狀況，一次性獲取城市整體交通狀況信息（即影像數(shù)據(jù)），非常有利于從全局角度為交通 指揮決策提供依據(jù)。
[0003] 目前主要的交通遙感圖像處理方式是通過圖像灰度閾值分割技術(shù)，區(qū)分遙感圖像 中的道路和汽車。通過一些預(yù)處理技術(shù)，還可以有效改善識別效果，例如在閾值分割前，先 采用形態(tài)共享權(quán)神經(jīng)網(wǎng)進(jìn)行腐蝕和膨脹運(yùn)算突出汽車的特征。此外，還有學(xué)者在研究以自 適應(yīng)建模的方式，區(qū)分汽車和路面，例如使用機(jī)器學(xué)習(xí)中的徑向基神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò) 識別汽車，并通過加入紋理特征進(jìn)一步提高識別率。
[0004] 全色遙感圖像中，汽車顏色呈現(xiàn)為深、淺兩種形式，交通遙感圖像處理需要實(shí)現(xiàn)深 色汽車、淺色汽車和路面三者的區(qū)分。這是交通遙感圖像處理的難點(diǎn)，要比僅是前景（汽 車）和背景（路面）兩者的區(qū)分更加復(fù)雜。
[0005] 并且圖像景物的多類分割一般很難做到準(zhǔn)確：識別淺色車時(shí)，深色車的存在會使 最大類間方差法自適應(yīng)求取的閾值偏小，路面上一些較亮的點(diǎn)會被誤識別為淺色車；識別 深色車時(shí)，淺色車的存在會造成閾值偏大，較深的路面像素點(diǎn)會被誤識別為深色車。
[0006] 因此，目前常用的方法是在利用閾值區(qū)分車、路之前，先將一張遙感圖像變?yōu)閮?張，通過形態(tài)神經(jīng)網(wǎng)絡(luò)使得一張削弱深色車保留淺色車、另一張削弱淺色車保留深色車，然 后再用閾值分割法。但這種方法很難完全消除某一顏色的汽車，其殘留部分仍會造成干擾。


【發(fā)明內(nèi)容】

[0007] 為了解決交通遙感圖像處理中，難以區(qū)分深色汽車、淺色汽車和路面三者圖像的 問題，本發(fā)明提供一種用以車輛和路面識別的交通遙感圖像處理方法，它采用圖像分層，力口 入閾值處理的方式，將車輛和路面準(zhǔn)確、明顯區(qū)分開來。
[0008] 該方法采取的具體方案是：一種用以車輛和路面識別的交通遙感圖像處理方法， 包括如下步驟：
[0009] 1)將圖像分為兩個(gè)圖層；
[0010] 2)將每個(gè)圖層的亮度進(jìn)行增強(qiáng)；
[0011] 3)將其中一個(gè)圖層進(jìn)行翻轉(zhuǎn)，使其與另一個(gè)圖層具有相同的像素區(qū)間；
[0012] 4)將翻轉(zhuǎn)后的兩個(gè)圖層，分別使用最大類間方差法確定閾值，從而完成圖像中車、 路分割。
[0013] 在步驟1)中，采用直方圖法將圖像分割為深色和淺色兩個(gè)圖層，所述直方圖法 為：以橫坐標(biāo)為像素值，縱坐標(biāo)為像素個(gè)數(shù)，建立遙感圖像的灰度直方圖，像素值區(qū)間是從 0至255;以直方圖中的峰值點(diǎn)對應(yīng)的橫坐標(biāo)作為分界線，把圖像分為左、右兩個(gè)圖層。
[0014] 在步驟2)中，對兩個(gè)圖層進(jìn)行亮度增強(qiáng)的方法是：將兩個(gè)圖層的像素都擴(kuò)展到全 部的像素級范圍，即分別擴(kuò)展為〇?圖像中的最高像素值，擴(kuò)展方法是：采用線性變換，變 換的數(shù)學(xué)表達(dá)式為：
[0015]

【權(quán)利要求】
1. 一種用以車輛和路面識別的交通遙感圖像處理方法，其特征在于：包括如下步驟： 1) 將圖像分為兩個(gè)圖層； 2) 將每個(gè)圖層的亮度進(jìn)行增強(qiáng)； 3) 將其中一個(gè)圖層進(jìn)行翻轉(zhuǎn)，使其與另一個(gè)圖層具有相同的像素區(qū)間； 4) 將翻轉(zhuǎn)后的兩個(gè)圖層，分別使用最大類間方差法確定閾值，從而完成圖像中車、路分 割。
2. 根據(jù)權(quán)利要求1所述的用以車輛和路面識別的交通遙感圖像處理方法，其特征在 于：在步驟1)中，采用直方圖法將圖像分割為深色和淺色兩個(gè)圖層，所述直方圖法為：以橫 坐標(biāo)為像素值，縱坐標(biāo)為像素個(gè)數(shù)，建立遙感圖像的灰度直方圖，像素值區(qū)間是從〇至255 ; 以直方圖中的峰值點(diǎn)對應(yīng)的橫坐標(biāo)作為分界線，把圖像分為左、右兩個(gè)圖層。
3. 根據(jù)權(quán)利要求1所述的用以車輛和路面識別的交通遙感圖像處理方法，其特征在 于：在步驟2)中，對兩個(gè)圖層進(jìn)行亮度增強(qiáng)的方法是：將兩個(gè)圖層的像素都擴(kuò)展到全部的 像素級范圍，即分別擴(kuò)展為0?圖像中的最高像素值，擴(kuò)展方法是：采用線性變換，變換的 數(shù)學(xué)表達(dá)式為 ：
式中，g(x，y)為擴(kuò)展后圖像在（X，y)處的灰度值，a為擴(kuò)展前的灰度下限，b為擴(kuò)展前 的灰度上限，[a，b]為變換前的像素范圍，f(x，y)為原始圖像在（x，y)處的灰度值。
4. 根據(jù)權(quán)利要求1所述的用以車輛和路面識別的交通遙感圖像處理方法，其特征在 于：在步驟3)中，圖層翻轉(zhuǎn)相對于深色圖層處理，其方法是： 用最高像素值與深色圖層每個(gè)像素點(diǎn)逐點(diǎn)相減，數(shù)學(xué)描述為： q(x, y) = 255-g(x, y) 其中，q(x，y)為翻轉(zhuǎn)后的圖像在（X，y)處的灰度值，得到原圖層中的〇級對應(yīng)最高像 素級、原圖層中的最高像素級對應(yīng)0級。
5. 根據(jù)權(quán)利要求1所述的用以車輛和路面識別的交通遙感圖像處理方法，其特征在 于：在步驟4)中，使用最大類間方差法完成車、路分割的方法為： 設(shè)圖像的灰度級范圍是（〇, 1，2, . Λ，L-1)，灰度級為i的像素點(diǎn)個(gè)數(shù)為IV則圖像的像 素點(diǎn)總數(shù)為：
灰度級i出現(xiàn)的概率Pi的定義為：
用閾值t把圖像的像素分為CQ = (0, 1，2,. Λ，t)和Q = (t+1，t+2,. Λ，L-1)兩類區(qū) 間，分別代表目標(biāo)與背景，Q和Q類出現(xiàn)的概率分別對應(yīng)為：
兩類像素區(qū)間的平均灰度分別為： 這里，令
則這兩類像素區(qū)間的類間方差為：
分類準(zhǔn)則函數(shù)定義為：
A2取最大值時(shí)，這時(shí)的t就是分割的最佳閾值，閾值一側(cè)即為汽車，另一側(cè)即為路面。
6.根據(jù)權(quán)利要求1或5所述的用以車輛和路面識別的交通遙感圖像處理方法，其特征 在于：圖像分割后，再使用開啟運(yùn)算對兩個(gè)圖層進(jìn)行濾波，去除噪聲，識別出每輛汽車。
【文檔編號】G06T7/00GK104050663SQ201410242595
【公開日】2014年9月17日 申請日期:2014年6月3日 優(yōu)先權(quán)日:2014年6月3日
【發(fā)明者】曹天揚(yáng), 申莉 申請人:北京航天福道高技術(shù)股份有限公司