【技术实现步骤摘要】
本专利技术涉及图像处理
,尤其涉及的是一种向驾驶场景视频中添加雾霾效果的方法及系统。
技术介绍
随着计算机图像处理技术的发展和视觉传感器硬件技术的快速提升,基于视觉的高级驾驶员辅助系统(Vi-ADAS)的研发与应用与日俱增。而近30年来,我国城市化发展和工业化布局的不合理性,导致大气污染严重恶化,雾霾天气已经成为大部分省市区域性高发的污染天气。那么,如何测试Vi-ADAS在雾霾天气中的性能,已经成为一个引发研究人员关注的问题。由于在雾霾天气中能见度较差,环境状态的可重复性极低,因此如果采用传统的测试手段,不仅存在极大的安全隐患,还势必会引发大量的、低效率的场地测试,耗时费力,也难以获得具有可对比性的测试数据。针对上述问题,数字虚拟化仿真测试系统被认为是解决雾霾天气下Vi-ADAS系统测试的行之有效的途径。数字虚拟化仿真测试系统获得驾驶场景视频一般有两种途径。一种是使用3D Studio Max进行三维物体建模,利用DirectX 3D,OpenGL等渲染软件渲染虚拟的驾驶场景,并将渲染场景帧图像合并成驾驶场景视频。另外一种途径是通过安装在数据采集车顶端的车载工业相机,实际在路面上驾驶车辆录制真实驾驶场景的视频。对第一种视频获得方式而言,需要根据建模和渲染软件提供的环境特效功能,创建雾霾等大气特效,实现雾霾仿真。这种实现方法存在的问题是,美工人员需要设定较多的特效参数,并且这些参数值大多根据经验调整,而缺乏实际的物理意义,因此仿真的结果往往是比较均匀的雾霾遮罩。尽管这种结果能够基本满足在视觉上的特效要求,但是对 ...
【技术保护点】
一种向驾驶场景视频中添加雾霾效果的方法,其特征在于,包括以下步骤:ST100、获取无雾霾的干净驾驶场景视频;ST200、根据基于暗原色先验的单一图像去雾算法,计算所述驾驶场景视频中每一帧图像对应的大气光亮度值信息和深度信息矩阵;ST300、根据大气散射模型,获得雾霾图像模型方程,并根据所述雾霾图像模型方程、深度信息矩阵、大气光亮度值信息及预先设置的雾霾浓度参数将每一帧图像生成对应具有雾霾效果的图像;ST400、将所有具有雾霾效果的图像合成为含有雾霾效果的驾驶场景视频。
【技术特征摘要】
1.一种向驾驶场景视频中添加雾霾效果的方法,其特征在于,包括以下步骤:
ST100、获取无雾霾的干净驾驶场景视频;
ST200、根据基于暗原色先验的单一图像去雾算法,计算所述驾驶场景视频中每一帧图像对应的大气光亮度值信息和深度信息矩阵;
ST300、根据大气散射模型,获得雾霾图像模型方程,并根据所述雾霾图像模型方程、深度信息矩阵、大气光亮度值信息及预先设置的雾霾浓度参数将每一帧图像生成对应具有雾霾效果的图像;
ST400、将所有具有雾霾效果的图像合成为含有雾霾效果的驾驶场景视频。
2.根据权利要求1所述的向驾驶场景视频中添加雾霾效果的方法,其特征在于,所述步骤ST200具体包括:
ST211、获得场景视频的第n帧图像 ,将灰度化,记灰度化后的结果为;其中n=1、2、3……N;N为驾驶场景视频总的帧数;中任意位置一点x的灰度化方法为:;其中分别表示在x的R,G,B三通道色彩值;
ST212、根据暗原色先验的单一图像去雾算法,计算对应的暗原色先验映射图;
ST213、选取中亮度最大的前0.1%的像素,作为第n帧图像中的天空区域;搜索图像中灰度值最大的像素点,该点对应于的值即为第n帧图像的大气光亮度值;
ST214、估计第n帧图像对应深度信息矩阵,估计方法为:。
3.根据权利要求1所述的向驾驶场景视频中添加雾霾效果的方法,其特征在于,所述步骤ST200还包括:
ST220、当所述驾驶场景视频为实际拍摄的驾驶场景视频时,在获得每一帧图像对应的深度信息矩阵后,还通过路面分割算法和线性深度插值方法对所述深度信息矩阵进行更新。
4.根据权利要求3所述的向驾驶场景视频中添加雾霾效果的方法,其特征在于,所述步骤ST220具体包括:
ST221、设第n帧图像灰度化后的结果为,对应的深度信息矩阵为,根据OTSU全局阈值分割算法,在中分割出路面区域;
ST222、采用形态学膨胀算法使所述路面区域连通,用一个与大小相同的二维int型矩阵标记路面像素,将上在所述路面区域中的像素点标记为1,不在的像素点标记为0;
ST223、扫描,记录其最上面一行像素点的行数,以及中第行最中间10个像素的平均灰度;
ST224、计算灰度线性渐变步长;
ST225、从第行开始逐行逐像素扫描,对所述深度信息矩阵进行更新;更新后的深度值为: ,其中,表示位置为第i行第j列对应的深度值。
5.根据权利要求1所述的向驾驶场景视频中添加雾霾效果的方法,其特征在于,所述步骤ST200还包括:
ST230、根据基于暗原色先验的单一图像去雾算法,计算出当前帧图像对应的天空区域和环境大...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。