本發(fā)明涉及機(jī)器視覺(jué)領(lǐng)域，尤其涉及一種彩色圖像去陰影方法和基于該方法對(duì)道路路面區(qū)域進(jìn)行檢測(cè)的應(yīng)用。

背景技術(shù)：

圖像中的陰影對(duì)邊緣提取，圖像匹配的機(jī)器視覺(jué)算法都有影響，彩色圖像由RGB三個(gè)灰度分量圖像構(gòu)成。由于這三個(gè)分量的灰度圖像非常類似，機(jī)器視覺(jué)算法通常先將它們轉(zhuǎn)為一個(gè)灰度分量進(jìn)行處理。由于這三個(gè)灰度分量中都包含亮度信息，所以直接采用這三個(gè)分量或者他們的加權(quán)和、最大最小值構(gòu)成的灰度分量都存在光照變化的干擾問(wèn)題。特別是在陰影情況下，光照變化對(duì)機(jī)器視覺(jué)算法的干擾很大?，F(xiàn)有方法對(duì)陰影的預(yù)處理主要分為抗陰影特征提取子、無(wú)陰影特征提取子以及陰影檢測(cè)和去除方法三種：

(一)抗陰影特征提取子。通過(guò)顏色空間轉(zhuǎn)換將亮度成分和對(duì)光照變化不敏感的顏色成分抽取出來(lái)，采用顏色分量進(jìn)行后續(xù)處理。由于顏色空間的描述是理想模型，這些提取子雖然可以一定程度地減弱陰影的干擾，但無(wú)法完全地去除圖像中的陰影。特別是在強(qiáng)陰影情況下，這些提取子可能完全失效。

(二)無(wú)陰影特征提取子。通過(guò)成像物理理論分析和實(shí)驗(yàn)得出的無(wú)陰影特征提取子可以完全地去除陰影。但現(xiàn)有的方法仍然無(wú)法解決一些強(qiáng)陰影情形。

(三)陰影檢測(cè)和去除方法。首先對(duì)陰影區(qū)域進(jìn)行檢測(cè)，然后再利用恢復(fù)算法對(duì)陰影部分的圖像進(jìn)行修復(fù)。這種方法往往復(fù)雜度較高，處理速度較慢，且絕大多數(shù)的現(xiàn)有方法都會(huì)不同程度地丟失陰影區(qū)域的細(xì)節(jié)信息。

綜合來(lái)看，現(xiàn)有對(duì)陰影的處理方法無(wú)法在保證實(shí)時(shí)性的同時(shí)(處理速度快)達(dá)到很好的陰影去除效果，特別是在強(qiáng)陰影情形下。這就使得陰影干擾成為很多實(shí)時(shí)性要求高的機(jī)器視覺(jué)任務(wù)的難點(diǎn)，比如智能車輛感知技術(shù)中的道路檢測(cè)問(wèn)題。

智能車輛感知技術(shù)使得車輛能夠主動(dòng)地感知周圍環(huán)境，進(jìn)而積極地預(yù)防交通事故，甚至完成自動(dòng)駕駛。認(rèn)路是駕駛的前提，因此道路檢測(cè)是智能車輛感知不可或缺的一部分。道路檢測(cè)方法對(duì)一張駕駛員視角的道路圖像進(jìn)行處理，檢測(cè)出其中路面所在的區(qū)域。路邊的樹(shù)木，建筑物都會(huì)在道路上留下陰影，特別是在光照強(qiáng)烈的情形，陰影的干擾十分嚴(yán)重，使得道路區(qū)域難以正確地檢出。

技術(shù)實(shí)現(xiàn)要素：

為了克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供一種彩色圖像去陰影方法和基于該方法對(duì)道路路面區(qū)域進(jìn)行檢測(cè)的應(yīng)用，本發(fā)明方法能夠去除彩色圖像中存在的陰影，作為預(yù)處理步驟應(yīng)用到多種機(jī)器視覺(jué)領(lǐng)域?；谠摲椒▽?duì)道路路面區(qū)域進(jìn)行檢測(cè)的應(yīng)用具體利用所述去陰影方法解決強(qiáng)陰影下的道路路面檢測(cè)問(wèn)題。

本發(fā)明提供的圖像去陰影方法包括無(wú)陰影特征分析、無(wú)陰影變換參數(shù)獲取、無(wú)陰影特征成像；道路路面檢測(cè)方法包括先進(jìn)行感興趣區(qū)域選擇和特征提取(采用前面的無(wú)陰影特征提取方法)，再進(jìn)行圖像濾波、分割和路面區(qū)域選擇，最后進(jìn)行圖像形態(tài)學(xué)濾波和孔洞填充。本發(fā)明提供的彩色圖像去陰影方法，包括無(wú)陰影特征分析過(guò)程、無(wú)陰影變換參數(shù)獲取過(guò)程和無(wú)陰影特征成像過(guò)程。上述圖像去陰影方法可應(yīng)用于道路檢測(cè)，；除道路檢測(cè)外，還可應(yīng)用于其他場(chǎng)景，包括前景分割、圖像匹配、基于顏色的圖像分割和邊緣提取等。在前景分割問(wèn)題中，由于感興趣的前景物體的投影也會(huì)隨著物體的運(yùn)動(dòng)而運(yùn)動(dòng)，同時(shí)背景中也有可能有運(yùn)動(dòng)的陰影，這會(huì)使得部分陰影被錯(cuò)誤地識(shí)別為前景。應(yīng)用該方法去除陰影后，再應(yīng)用前景分割算法，能夠減弱陰影造成的干擾。圖像匹配此外，光照差異也是圖像匹配的一大問(wèn)題，我們希望在不同光照下的物體能夠正確的匹配，而不希望由于局部陰影造成的光照不均勻使得匹配算法失效。因此本方法也適用于圖像匹配問(wèn)題，進(jìn)一步地，可以應(yīng)用到基于圖像的定位系統(tǒng)中。

本發(fā)明提供的技術(shù)方案是：

一種圖像去陰影方法，包括無(wú)陰影特征分析提取過(guò)程、無(wú)陰影變換參數(shù)獲取過(guò)程和無(wú)陰影特征成像過(guò)程；具體包括如下步驟：

1)無(wú)陰影特征分析提取過(guò)程：對(duì)原始圖像中同一材料在不同光照下的像素RGB值進(jìn)行統(tǒng)計(jì)分析，或者通過(guò)物理成像模型找出含陰影圖像中不變的特性，獲得無(wú)陰影特征的表達(dá)式K＝f(R,G,B,…)，其中，K為無(wú)陰影特征矩陣；R、G、B分別對(duì)應(yīng)原始圖像的紅綠藍(lán)顏色的三個(gè)分量矩陣；…表示其他額外參數(shù)；f為轉(zhuǎn)換表達(dá)式；

2)無(wú)陰影變換參數(shù)獲取過(guò)程：對(duì)步驟1)所述無(wú)陰影特征矩陣K＝f(R,G,B,…)，通過(guò)確定表達(dá)式中的參數(shù)，計(jì)算得到對(duì)應(yīng)的無(wú)陰影特征矩陣K；

3)無(wú)陰影特征成像過(guò)程：將所述無(wú)陰影矩陣轉(zhuǎn)換為灰度圖像，通過(guò)特征可視化得到無(wú)陰影特征灰度圖像。

針對(duì)上述圖像去陰影方法，進(jìn)一步地，步驟1)利用RGB空間的線性關(guān)系定義所述無(wú)陰影特征的表達(dá)式；所述RGB空間的線性關(guān)系包括RGB每?jī)蓚€(gè)分量的線性關(guān)系或RGB三分量的線性組合的線性關(guān)系。

針對(duì)上述圖像去陰影方法，進(jìn)一步地，步驟1)選用B和G分量的線性關(guān)系表示用于路面檢測(cè)的圖像的無(wú)陰影特征，所述無(wú)陰影特征的表達(dá)式為式1：

其中，b為待確定的其他參數(shù)，幾何意義是擬合直線的截距；對(duì)于路面區(qū)域，K的取值為一個(gè)定值，K即為所求的無(wú)陰影特征矩陣。

針對(duì)上述圖像去陰影方法，進(jìn)一步地，步驟3)所述將無(wú)陰影特征矩陣轉(zhuǎn)換為灰度圖像，具體通過(guò)圖像分割方法提取得到感興趣區(qū)域材料的灰度值。更進(jìn)一步地，所述圖像分割方法具體采用對(duì)無(wú)陰影特征矩陣進(jìn)行歸一化，使得矩陣各個(gè)元素的值分布在0和1之間，從而得到無(wú)陰影特征灰度圖像。更具體地，通過(guò)求解最優(yōu)劃分區(qū)間的方法獲得自然圖像特征值最優(yōu)區(qū)間的下界和上界m和n，再將區(qū)間(m,n)映射到區(qū)間(0，1)做歸一化，得到無(wú)陰影灰度圖C；所述最優(yōu)劃分區(qū)間通過(guò)式1～式3求解：

分別計(jì)算得到一張或多張圖像中的像素值對(duì)應(yīng)的K的取值，將K取值的最大值和最小值分別記作K_max和K_min，統(tǒng)計(jì)直方圖記作H：

max:g(m,n)-c(m,n) (式1)

其中，m和n為所求最優(yōu)區(qū)間的下界和上界；將(m,n)區(qū)間映射到(0，1)區(qū)間做歸一化：

得到最終的無(wú)陰影灰度圖C。

本發(fā)明提供的上述圖像去陰影方法可應(yīng)用于多種機(jī)器視覺(jué)領(lǐng)域，包括圖像前景分割、圖像匹配、基于顏色的圖像分割和邊緣提取、道路檢測(cè)等場(chǎng)景。

本發(fā)明具體提供了上述圖像去陰影方法在道路檢測(cè)中的應(yīng)用方法，包括圖像預(yù)處理過(guò)程、路面提取過(guò)程和圖像后處理過(guò)程；具體地，首先通過(guò)無(wú)陰影特征分析提取過(guò)程進(jìn)行感興趣區(qū)域選擇和特征提取，再進(jìn)行圖像濾波、分割和路面區(qū)域選擇，最后進(jìn)行圖像形態(tài)學(xué)濾波和孔洞填充；具體包括如下步驟：

81)進(jìn)行圖像預(yù)處理，取出無(wú)關(guān)區(qū)域和干擾信息；

82)路面提取過(guò)程：包括圖像分割和路面區(qū)域選擇；通過(guò)所述圖像分割，將道路圖像劃分成多個(gè)區(qū)域；通過(guò)所述路面區(qū)域選擇對(duì)各個(gè)區(qū)域進(jìn)行評(píng)估，選擇得到最可能為路面的區(qū)域；

83)圖像后處理過(guò)程：通過(guò)圖像形態(tài)學(xué)濾波，將多余的部分去除；采用孔洞填充算法對(duì)路面區(qū)域中的孔洞進(jìn)行填補(bǔ)；

完成后處理后，輸出道路檢測(cè)結(jié)果。

針對(duì)上述圖像去陰影方法在道路檢測(cè)中的應(yīng)用，其中，步驟81)具體通過(guò)選擇感興趣區(qū)域去除無(wú)關(guān)區(qū)域；通過(guò)無(wú)陰影特征提取方法去除掉陰影的干擾，得到無(wú)陰影灰度圖。

進(jìn)一步地，所述無(wú)陰影灰度圖為式5：

式5中，C為無(wú)陰影灰度圖；G、B分別對(duì)應(yīng)圖像的綠和藍(lán)顏色的分量矩陣；b為相機(jī)參數(shù)，為擬合得到直線在G軸上的截距。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

相比背景技術(shù)中總結(jié)的三類現(xiàn)有技術(shù)(抗陰影特征提取子、無(wú)陰影特征提取子和陰影檢測(cè)和去除方法)，本方法結(jié)合了低復(fù)雜度(決定處理速度)和高準(zhǔn)確度的優(yōu)勢(shì)。對(duì)于一些強(qiáng)陰影的情形，抗陰影特征提取子和無(wú)陰影特征提取子都無(wú)法很好地工作。而且，抗陰影特征提取子和無(wú)陰影特征提取子提取出的特征圖像區(qū)分度差，不利于后續(xù)的圖像處理和分析工作。

相比之下，本發(fā)明提供的去陰影方法具有很好的區(qū)分度，便于圖像分割等后續(xù)處理。第三類技術(shù)陰影檢測(cè)和去除的缺陷是復(fù)雜度高，處理速度慢，而本發(fā)明所述的方法在低復(fù)雜度的情況下取得了準(zhǔn)確的去陰影效果，能夠應(yīng)對(duì)實(shí)時(shí)性要求高的場(chǎng)合。因此，本發(fā)明方法能夠去除彩色圖像中存在的陰影，作為預(yù)處理步驟應(yīng)用到多種機(jī)器視覺(jué)領(lǐng)域。先采用本發(fā)明提供的去陰影方法進(jìn)行預(yù)處理，之后再使用相應(yīng)處理方法，可以提高其對(duì)陰影干擾的魯棒性，取得更好的性能。

附圖說(shuō)明

圖1是本發(fā)明實(shí)施例中采用同一材料平面的像素值在RGB空間的分布規(guī)律示意圖；

其中，(a)為從道路圖像中選出的路面區(qū)域(感興趣對(duì)象的樣本)；(b)為該區(qū)域的各個(gè)像素點(diǎn)；(c)為將像素點(diǎn)繪制到RGB三維空間，這些點(diǎn)分布在一條直線附近；(d)為將三維空間的像素點(diǎn)投影到GB二維平面上，這些點(diǎn)的坐標(biāo)可以用一個(gè)直線去擬合。

圖2為本發(fā)明實(shí)施例的去陰影效果圖；

其中，左圖均為原始圖像的灰度圖；右圖為得到的相應(yīng)的無(wú)陰影圖像。

圖3是道路檢測(cè)任務(wù)說(shuō)明；

其中，左圖(a)是原始圖像，作為輸入；右圖(b)為輸出的處理結(jié)果，通過(guò)一個(gè)二值圖像表征路面區(qū)域位置。

圖4是本發(fā)明提供的將圖像去陰影方法應(yīng)用于道路路面檢測(cè)的方法流程框圖。

具體實(shí)施方式

下面結(jié)合附圖，通過(guò)實(shí)施例進(jìn)一步描述本發(fā)明，但不以任何方式限制本發(fā)明的范圍。

本發(fā)明提供一種彩色圖像去陰影方法和基于該方法對(duì)道路路面區(qū)域進(jìn)行檢測(cè)的應(yīng)用，提供了利用所述去陰影方法解決強(qiáng)陰影下的道路路面檢測(cè)問(wèn)題的實(shí)施實(shí)例。本發(fā)明方法能夠去除彩色圖像中存在的陰影，作為預(yù)處理步驟應(yīng)用到多種機(jī)器視覺(jué)領(lǐng)域。

以下敘述本發(fā)明提供的圖像去陰影方法和道路路面檢測(cè)方法的具體實(shí)施。去陰影方法包括無(wú)陰影特征分析，無(wú)陰影變換參數(shù)獲取、無(wú)陰影特征成像；道路路面檢測(cè)方法包括先進(jìn)行感興趣區(qū)域選擇和特征提取(采用前面的無(wú)陰影特征提取方法)，再進(jìn)行圖像濾波、分割和路面區(qū)域選擇，最后進(jìn)行圖像形態(tài)學(xué)濾波和孔洞填充。

在圖像去陰影方法中，無(wú)陰影特征提取子的設(shè)計(jì)框架包括三大步驟：無(wú)陰影特征分析，無(wú)陰影變換參數(shù)獲取和無(wú)陰影特征成像：

無(wú)陰影特征分析：根據(jù)對(duì)含陰影圖像中同一材料在不同光照下的像素RGB值進(jìn)行統(tǒng)計(jì)分析或者從物理成像模型出發(fā)，找出其中不變的特性規(guī)律，對(duì)該規(guī)律的描述即為無(wú)陰影特征的表達(dá)式K＝f(R,G,B,…)，其中K為無(wú)陰影特征矩陣，R，G，B對(duì)應(yīng)原始圖像的紅綠藍(lán)三個(gè)顏色分量矩陣，省略號(hào)表示其他可能的參數(shù)，f為轉(zhuǎn)換表達(dá)式。具體地，我們采用RGB空間的線性規(guī)律：把位于同一材料平面上的像素映射到RGB空間，它們的像素值分布在一條直線上，如圖(c)。對(duì)于不同的問(wèn)題，我們可以采用不同的定義方式，以路面檢測(cè)問(wèn)題為例，我們可以僅選用B,G分量，給出下列無(wú)陰影特征定義：

$f:(G,B,b)\→K,K=\frac{G-b}{B}$

其中，b為待確定的額外參數(shù)。該定義的導(dǎo)出是利用了B,G分量之間的線性關(guān)系。將圖右圖的三維像素分布投影到BG坐標(biāo)平面后，可以看到BG之間服從線性關(guān)系(如圖1(d))，因此對(duì)于路面區(qū)域，K的取值為一個(gè)定值，K即為所求的無(wú)陰影特征矩陣。此外，利用RGB空間的線性規(guī)律還可以定義很多其他的變式，如選用其他兩個(gè)分量的線性關(guān)系，或利用三分量的線性組合之間的線性關(guān)系。

無(wú)陰影變換參數(shù)獲取。在表達(dá)式中，除了各點(diǎn)的像素值(R、G、B外)待確定外，一般還有其他參數(shù)需要確定。通過(guò)數(shù)據(jù)擬合或者其他標(biāo)定方法確定這些參數(shù)。在前面的定義中，b是待確定的參數(shù)，它的幾何意義是擬合直線的截距。對(duì)于路面檢測(cè)問(wèn)題我們感興趣的平面是路面，對(duì)路面區(qū)域像素做擬合，取出所得直線在G軸上的截距的值，即為待確定的b的值。確定了b值后，輸入一張道路彩色圖像(RGB已知)，我們就可以計(jì)算出對(duì)應(yīng)的無(wú)陰影矩陣。

無(wú)陰影特征成像。這一步進(jìn)行對(duì)所得特征的可視化(將矩陣轉(zhuǎn)換為適合人眼觀察的灰度圖像)，特征可視化后就得到一個(gè)無(wú)陰影特征灰度圖像。在得到的無(wú)陰影圖像中，感興趣區(qū)域材料的灰度值一致，可以通過(guò)圖像分割方法提取出來(lái)。最簡(jiǎn)單的成像方法是對(duì)特征矩陣直接進(jìn)行歸一化，即使得矩陣各個(gè)元素的值分布在0和1之間。如果有一個(gè)取值非常大或者非常小的像素，就會(huì)使得整個(gè)圖像對(duì)比度很低。因此，為了得到有效的特征灰度圖像，我們需要分析對(duì)于應(yīng)用場(chǎng)合的自然圖像該特征值的分布情況，剔除那些少數(shù)偏大或者偏小的像素值。以路面檢測(cè)問(wèn)題為例，可以取出一張或多張道路圖像中的像素值，分別計(jì)算出這些像素值對(duì)應(yīng)的K的取值，將K取值的最大最小值分別記作K_max和K_min，統(tǒng)計(jì)直方圖記作H，則最優(yōu)劃分區(qū)間的求解可以定義為一個(gè)最優(yōu)化問(wèn)題：

max:g(m,n)-c(m,n),

$g(m,n)=\frac{{\Σ}_{i=m}^{n}H\left(i\right)}{{\Σ}_{i=K_{\min }}^{K_{\max }}H\left(i\right)},$

$c(m,n)=\frac{m-n}{K_{max}-K_{min}}$

其中，m和n為所求最優(yōu)區(qū)間的下界和上界。求得最優(yōu)解后，將(m,n)區(qū)間映射到(0，1)區(qū)間做歸一化，就得到最終的無(wú)陰影灰度圖C：

$C=\frac{K-m}{n-m}$

本發(fā)明還提供一種基于無(wú)陰影特征提取的道路檢測(cè)框架，圖1是本發(fā)明提供的將圖像去陰影方法應(yīng)用于道路路面檢測(cè)的方法流程框圖，主要包括三大部分：

圖像預(yù)處理。預(yù)處理的目的是取出無(wú)關(guān)區(qū)域和干擾信息，這里通過(guò)感興趣區(qū)域選擇去除掉無(wú)關(guān)區(qū)域，通過(guò)無(wú)陰影特征提取去除掉陰影的干擾；

路面提取。通過(guò)預(yù)處理后，現(xiàn)有的路面提取方法可以抵御陰影的干擾，不再在強(qiáng)陰影下失效。路面提取主要?jiǎng)澐譃閮纱蟛襟E：圖像分割和路面區(qū)域選擇。通過(guò)圖像分割，將道路圖像劃分成一個(gè)個(gè)區(qū)域；接著進(jìn)行路面區(qū)域選擇：對(duì)各個(gè)區(qū)域進(jìn)行評(píng)估，選擇最可能為路面的區(qū)域；

圖像后處理。路面提取得到的路面候選區(qū)域并不完美，可能含有多余或者缺失的區(qū)域。通過(guò)圖像形態(tài)學(xué)濾波，可以將多余的部分去除；道路上的車道標(biāo)記可能會(huì)在區(qū)域中形成孔洞，采用孔洞填充算法對(duì)這些洞進(jìn)行填補(bǔ)。完成后處理后，輸出最終的道路檢測(cè)結(jié)果。

實(shí)施例一：

在本發(fā)明實(shí)施例中，基于無(wú)陰影特征提取子的設(shè)計(jì)框架，提供一種適合于路面檢測(cè)的無(wú)陰影特征提取子，其步驟如下：

離線相機(jī)標(biāo)定。對(duì)應(yīng)用場(chǎng)景的圖像進(jìn)行標(biāo)定，即人工標(biāo)出其中感興趣的對(duì)象區(qū)域。標(biāo)定工作可以使用交互軟件完成。對(duì)于路面檢測(cè)我們感興趣的區(qū)域是路面，打開(kāi)一張含陰影圖片，圈出其中部分路面區(qū)域，如圖1(a)所示，交互軟件會(huì)將該區(qū)域內(nèi)部的圖像像素，如圖1(b)所示，繪制到RGB空間如圖1(c)，然后投影到GB空間，像素點(diǎn)云的分布可以由一個(gè)直線方程去擬合，軟件對(duì)數(shù)據(jù)進(jìn)行擬合得到直線在G軸上的截距b即為所需的相機(jī)參數(shù)，如圖1(d)。

映射范圍確定。得到相機(jī)參數(shù)b后，下一步是確定歸一化的區(qū)間，即前面的m和n。以前面所選的道路圖像為例，為簡(jiǎn)化運(yùn)算，我們選用m＝1、n＝2作為歸一化區(qū)間。此外，為了使得到的無(wú)陰影灰度圖更加自然，我們做了反相處理(用1-C代替C)。最終得到的無(wú)陰影灰度圖定義為：

$C=2-\frac{G-b}{B}$

利用上述轉(zhuǎn)換公式，即可將彩色道路圖像轉(zhuǎn)換為無(wú)陰影灰度圖，并且實(shí)驗(yàn)結(jié)果表明，該公式不僅可應(yīng)用于道路圖像，對(duì)于大多數(shù)自然圖像，該轉(zhuǎn)換公式都能得到很好的去陰影效果。使用該方法得到的無(wú)陰影特征提取效果如圖所示。

實(shí)施例二：

在本發(fā)明實(shí)施例中，提供一種道路路面檢測(cè)方法。道路檢測(cè)方法對(duì)一張駕駛員視角的道路圖像進(jìn)行處理，檢測(cè)出其中路面所在的區(qū)域,如圖3。所述道路路面檢測(cè)的方法框架如圖4所示，具體包括以下步驟：

感興趣區(qū)域(ROI,Region of interest)選擇。該步驟將后續(xù)處理步驟限定于一個(gè)子區(qū)域內(nèi)，以提高系統(tǒng)效率。對(duì)無(wú)關(guān)的區(qū)域進(jìn)行處理不僅浪費(fèi)時(shí)間，還可能引入噪聲影響系統(tǒng)的性能。因此第一步是定義對(duì)于實(shí)施應(yīng)用來(lái)說(shuō)那些圖像區(qū)域是沒(méi)用的，哪些區(qū)域是有用的。對(duì)后續(xù)處理有用的區(qū)域稱為感興趣區(qū)域。另外，從簡(jiǎn)單角度考慮，一般選取矩形的感興趣區(qū)域，按照矩形的ROI窗口劃分后，直接得到一個(gè)子圖像，方便了后續(xù)處理。對(duì)于道路檢測(cè)問(wèn)題，我們感興趣的是路面部分，而在采集設(shè)備(如行車記錄儀，車載攝像頭)道路圖像中，路面一般位于下半部分，而上半部分主要是天空，對(duì)道路檢測(cè)是干擾信息。簡(jiǎn)單地，可以直接選取下半部分圖像作為感興趣區(qū)域，也可以根據(jù)實(shí)際應(yīng)用場(chǎng)合做一定的調(diào)整，采用更加精確的ROI。

路面特征提取。一般采用顏色信息進(jìn)行路面的分割，但由于路面可能出現(xiàn)大量陰影，采用顏色信息進(jìn)行的分割可能失效。我們采用前面提出的無(wú)陰影特征提取方法，輸入ROI內(nèi)的彩色圖像，輸出一個(gè)無(wú)陰影的灰度圖像。

圖像濾波去噪。在原始圖像中可能存在噪聲，同時(shí)前面的路面特征提取也會(huì)引入噪聲。該步驟通過(guò)對(duì)圖像應(yīng)用一組濾波器去除這些噪聲。首先利用中值濾波去除其中的椒鹽噪聲，其次使用平滑濾波，過(guò)濾掉高頻的噪聲。

圖像分割。采用圖像分割算法對(duì)濾波后的圖像進(jìn)行分割，劃分為一個(gè)個(gè)連通的區(qū)域。

路面區(qū)域選擇。由于路面是ROI區(qū)域內(nèi)最顯著的區(qū)域，其占有面積也最大，通過(guò)連通分量分析即可提取出其中面積最大的路面區(qū)域。采用連通分量是在分割區(qū)域中篩選出路面區(qū)域的最簡(jiǎn)單的方法。也可以對(duì)區(qū)域特征分類選取最接近路面特征的區(qū)域，從而更加準(zhǔn)確地提取出路面區(qū)域。

圖像形態(tài)學(xué)濾波。連通分量分析得到的路面區(qū)域可能包含了一些無(wú)關(guān)的區(qū)域，對(duì)二值圖像進(jìn)行形態(tài)學(xué)濾波可以將這些無(wú)關(guān)區(qū)域去除掉。

孔洞填充。路面上的道路標(biāo)記可能會(huì)在提取出的區(qū)域中形成若干孔洞，通過(guò)孔洞填充算法將這些孔洞填滿，得到最終的路面檢測(cè)結(jié)果。

需要注意的是，公布實(shí)施例的目的在于幫助進(jìn)一步理解本發(fā)明，但是本領(lǐng)域的技術(shù)人員可以理解：在不脫離本發(fā)明及所附權(quán)利要求的精神和范圍內(nèi)，各種替換和修改都是可能的。因此，本發(fā)明不應(yīng)局限于實(shí)施例所公開(kāi)的內(nèi)容，本發(fā)明要求保護(hù)的范圍以權(quán)利要求書界定的范圍為準(zhǔn)。