基于改進(jìn)梯度相似度核的霧霾天氣下交通圖像檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體涉及一種基于改進(jìn)梯度相似度核的霧霾天氣 下交通圖像檢測(cè)方法。
【背景技術(shù)】
[0002] 數(shù)字圖像處理是指將圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)并利用計(jì)算機(jī)對(duì)其進(jìn)行處理的過 程。早期的圖像處理的目的是改善圖像的質(zhì)量，以獲得圖像中的大量信息。圖像處理的常 用方法有圖像增強(qiáng)、復(fù)原、編碼、壓縮等。
[0003] 近年來，隨著圖像處理領(lǐng)域的不斷發(fā)展，利用圖像獲取信息已成為一種重要手段。 在交通方面，圖像處理技術(shù)被廣泛應(yīng)用，如道路環(huán)境監(jiān)測(cè)、車輛違章識(shí)別。無論是在道路行 車安全還是在正在發(fā)展的智能交通系統(tǒng)中均發(fā)揮著越來越重要的作用。然而在自然環(huán)境 下，獲取的交通圖像由于天氣等因素會(huì)存在大量噪聲，很難依據(jù)這種低質(zhì)量圖像獲取準(zhǔn)確 信息。
[0004] 目前，數(shù)字圖像平滑處理有很多方法，空間域平滑是數(shù)字圖像處理中較為常用且 有效的方法。經(jīng)過幾十年的發(fā)展，空域?yàn)V波出現(xiàn)了很多比較成熟的算法，如均值濾波、中值 濾波、維納濾波。但是在本質(zhì)上，空域?yàn)V波算法都屬于低通濾波，由于低通濾波后的圖像丟 失了一些有用的高頻信息，致使圖像細(xì)節(jié)丟失，濾波后的圖像雖然去除了噪聲，但使得邊緣 模糊，對(duì)后續(xù)的圖像處理是十分不利的，所以，各種去噪方法的研究實(shí)際是在去噪和保留高 頻信息之間進(jìn)行的權(quán)衡。
[0005] 對(duì)于上述問題，1998年，C. Tomasi和R. Manduchi提出了一種非迭代的簡(jiǎn)單策略， 稱為雙邊濾波。它不僅采取傳統(tǒng)濾波方法的策略，考慮了空間位置信息，還加入了值域相似 度的影響，因此，在圖像變化平緩的區(qū)域，鄰域內(nèi)像素亮度值相差不大，雙邊濾波轉(zhuǎn)化為高 斯低通濾波器；在圖像變化劇烈的區(qū)域，濾波器利用邊緣點(diǎn)附近亮度值相近的像素點(diǎn)的亮 度值平均替代原亮度值。因此，雙邊濾波不僅可以消除圖像噪聲而且保留了圖像邊緣信息。 雙邊濾波雖然有上述優(yōu)點(diǎn)，但是它存在效率低下，濾波效果不佳的缺點(diǎn)。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于提供一種基于改進(jìn)梯度相似度核的霧霾天氣下交通圖像檢測(cè) 方法，以克服上述現(xiàn)有技術(shù)存在的缺陷，本發(fā)明既滿足了霧霾天氣狀況下圖像的濾波效果， 又有效地保持了圖像的邊緣信息，對(duì)后續(xù)的交通圖像處理及信息提取尤為重要。
[0007] 為達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案：
[0008] 基于改進(jìn)梯度相似度核的霧霾天氣下交通圖像檢測(cè)方法，包括以下步驟：
[0009] 步驟1 :獲取霧霾天氣下交通圖像；
[0010] 步驟2 :將步驟1得到的RGB顏色空間的交通圖像轉(zhuǎn)換到Lab顏色空間；
[0011] 步驟3 :對(duì)步驟2得到的Lab顏色空間的交通圖像進(jìn)行濾波處理；
[0012] 步驟4 :將步驟3處理后的Lab顏色空間的交通圖像轉(zhuǎn)換到RGB顏色空間，輸出處 理后的霧霾天氣下交通圖像。
[0013] 進(jìn)一步地，步驟2中將RGB顏色空間的霧霾天氣下交通圖像轉(zhuǎn)換到Lab顏色空間， 交通圖像由R、G、B顏色分量轉(zhuǎn)變?yōu)長(zhǎng)、a、b三個(gè)分量，其中L表示圖像的亮度，a表示從紅 色到綠色的范圍，b表示從黃色到藍(lán)色的范圍。
[0014] 進(jìn)一步地，步驟3中濾波處理采用的濾波傳遞函數(shù)為：
[0015]
[0016] 式中，V (i，j)為濾波后的圖像像素點(diǎn)，u(m，η)為濾波窗口內(nèi)的像素點(diǎn)，該濾波 窗口取自步驟2得到的Lab顏色空間的交通圖像的以被濾波像素點(diǎn)為中心ω為半徑的正 方形區(qū)域，w d(m，n，i，j)為空間臨近度因子，w>，n，i，j)為值域相似度因子，（i，j)為步驟2 得到的Lab顏色空間的交通圖像的像素點(diǎn)坐標(biāo)值，（m，n)為濾波窗口內(nèi)的像素點(diǎn)的坐標(biāo)值， ω為濾波窗口半徑，Cs^為歸一化系數(shù)，i
[0017] 進(jìn)一步地，濾波傳遞函數(shù)中的空間臨近度因子Wd的計(jì)算方法為：
[0018]
[0019] 式中，（m，η)為濾波窗口內(nèi)像素點(diǎn)的坐標(biāo)，（i，j)為步驟2得到的Lab顏色空間的 交通圖像的像素點(diǎn)坐標(biāo)值，〇d為高斯方差。
[0020] 進(jìn)一步地，濾波傳遞函數(shù)中的值域相似度因子A的計(jì)算方法為：
[0021]
[0022] 式中，〇 r為高斯系數(shù)，g ^ gjP g汾別為L(zhǎng)、a、b的梯度值。
[0023] 進(jìn)一步地，gL、gJP g b的計(jì)算方法為：
[0024]
[0025] 式中
W是步驟2得到的L分量圖像對(duì)&求偏導(dǎo)數(shù)和對(duì)h求偏導(dǎo)
U分量圖像對(duì)Xa求偏導(dǎo)數(shù)和對(duì)y 3求偏導(dǎo)數(shù)
別是b分 m聞家對(duì)xW偏寺數(shù)和對(duì)y b求偏導(dǎo)數(shù)，g t、gJP g及別為L(zhǎng)、a、b的梯度值。
[0026] 進(jìn)一步地，高斯方差σ d= 3,高斯系數(shù)σ 〇. 1，濾波窗口半徑ω = 5。
[0027] 與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益的技術(shù)效果：
[0028] 本發(fā)明采用相鄰像素亮度值的梯度來構(gòu)造梯度相似度核，梯度法在傳統(tǒng)圖像邊緣 檢測(cè)方面被廣泛應(yīng)用，是因?yàn)樘荻葘?duì)邊緣更加敏感，采用梯度法可以更加有效地檢測(cè)具體 方向的圖像邊緣，而由于梯度檢測(cè)邊緣過強(qiáng)又導(dǎo)致了圖像去噪效果下降，簡(jiǎn)單梯度雙邊濾 波方法濾波效果差失去了濾波器的本質(zhì)意義，因此本發(fā)明改進(jìn)梯度計(jì)算公式，結(jié)合梯度公 式本身削弱梯度邊緣檢測(cè)效果，濾波處理后的圖像不僅邊緣保持較好而且濾波效果更佳。 本發(fā)明通過幾何鄰近度核和改進(jìn)的梯度相似度核來對(duì)圖像鄰域像素進(jìn)行加權(quán)平均，從而實(shí) 現(xiàn)濾波，既滿足了霧霾天氣狀況下圖像的濾波效果，又有效地保持了圖像的邊緣信息，對(duì)后 續(xù)的交通圖像處理及信息提取尤為重要。
【附圖說明】
[0029] 圖1是本發(fā)明的流程示意圖；
[0030] 圖2是本發(fā)明與其它濾波方法對(duì)霧霾天氣下交通圖像去噪效果對(duì)比，其中，（a)原 始含噪聲圖像，（b)均值濾波圖像，（c)傳統(tǒng)雙邊濾波圖像，（d)梯度雙邊濾波圖像，（e)本 發(fā)明的雙邊濾波圖像；
[0031] 圖3是圖2的局部放大，其中，（a)原始含噪聲圖像，（b)均值濾波圖像，（c)為傳 統(tǒng)雙邊濾波圖像，（d)梯度雙邊濾波圖像，（e)本發(fā)明的雙邊濾波圖像。
【具體實(shí)施方式】
[0032] 下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述：
[0033] 參見圖1，基于改進(jìn)梯度相似度核的霧霾天氣下交通圖像檢測(cè)方法，包括以下步 驟：
[0034] 步驟1、獲取霧霾天氣下交通圖像。
[0035] 利用圖像采集設(shè)備，獲取霧霾天氣下降質(zhì)的交通圖像。
[0036] 步驟2、將RGB顏色空間的圖像轉(zhuǎn)換到Lab顏色空間，圖像由R、G、B顏色轉(zhuǎn)變?yōu)長(zhǎng)、 a、b三個(gè)分量，其中L表示圖像的亮度，a表示從紅色到綠色的范圍，b表示從黃色到藍(lán)色 的范圍。
[0037] 步驟3、經(jīng)過步驟1和步驟2,我們獲得了預(yù)處理后的霧霾天氣下的交通圖像，由于 實(shí)際中我們采集到的圖像都含有噪聲，這對(duì)我們獲取圖像中的有用信息是極其不利的，而 且噪聲對(duì)進(jìn)一步的圖像處理也會(huì)有一定的干擾，因此對(duì)獲得的圖像進(jìn)行濾波處理是極其有 必要的。
[0038] 傳統(tǒng)的濾波有中值濾波、均值濾波等。中值濾波和均值濾波在對(duì)某一像素點(diǎn)進(jìn)行 處理時(shí)都只是籠統(tǒng)的對(duì)濾波窗口內(nèi)的像素不加區(qū)分的求均值或者中值。從雙邊濾波的原理 中我們就可以看出，雙邊濾波器可以認(rèn)為是由兩個(gè)