一种图像处理方法技术

本发明专利技术公开了一种图像处理方法，包括道路消失点检测步骤，道路消失点检测步骤包括如下步骤：对图像进行形态学梯度处理得到第一中间图像；对第一中间图像进行二值化处理得到第二中间图像；对第二中间图像进行形态学处理得到第三中间图像；对第三中间图像的每一行：将像素值进行累加得到行像素值和，将行像素值和最大对应的行作为图像的地平线位置；对第一中间图像中位于地平线位置以下的部分图像进行边缘检测得到第四中间图像；对第四中间图像进行直线检测获得第五中间图像，得到第五中间图像中的直线；从交点中确定道路消失点。本发明专利技术可以实现良好的道路识别与车前目标检测。

【技术实现步骤摘要】
一种图像处理方法
本专利技术涉及图像处理方法领域。
技术介绍
随着经济的发展，近年来汽车保有量大大增加，这给交通系统带来了巨大压力。一套比较完善的智能辅助驾驶系统，对降低交通事故的发生率将起到很大的作用。现在市面上主要是依靠红外线雷达和计算机视觉来实现的，红外线雷达的最大优势是能够获取目标的距离和范围，但是成本相对比较高，而且误报率大；基于计算机视觉的方法，成本低，体积小，易于安装维护，而且其基于的图像处理算法有很好移植特性。目前一些基于计算机视觉的智能辅助驾驶系统，其道路检测和车前目标检测都不完善。
技术实现思路
为了克服现有技术的不足，本专利技术提供了一种图像处理方法，以简化处理方法和提高处理效果。一种图像处理方法，包括道路消失点检测步骤，所述道路消失点检测步骤包括如下步骤：S1，对图像进行形态学梯度处理得到第一中间图像；S2，对所述第一中间图像进行二值化处理得到第二中间图像；S3，对所述第二中间图像进行形态学处理得到第三中间图像；S4，对所述第三中间图像的每一行：将像素值进行累加得到行像素值和，将行像素值和最大对应的行作为所述图像的地平线位置；S5，对所述第一中间图像中位于所述地平线位置以下的部分图像进行边缘检测得到第四中间图像；S6，对所述第四中间图像进行直线检测获得第五中间图像，得到所述第五中间图像中的直线；S7，获取步骤S6中得到的直线中两两直线的交点，从所述交点中确定道路消失点。在一个实施例中，对所述第五中间图像中的直线进行如下处理：斜率筛选步骤：选择斜率在设定斜率范围之内的直线；长度筛选步骤：根据直线的长度进行由长到短的排序，选择在设定排位之前的直线。在一个实施例中，在所述斜率筛选步骤中，选择斜率的绝对值在[0.01,10]之内的直线；在斜率筛选步骤和长度筛选步骤之后，还包括如下步骤：将直线斜率的绝对值落在[i,i+1)范围内的直线归入到第i个直线组中：h(i)＝#{i-1＜|K′j|≤i，j＝1，2，…，N}，i＝1，2，…，10；其中，h(i)表示第i直线组中直线的数目，N代表当前筛选直线的总数目，K'j为第j条直线的斜率绝对值，#代表的是有多少条直线斜率落在(i-1,i]中；再根据h(i)的大小，对h(i)进行降序排序，得到h(w)'，w＝1,2,…,10：再计算累加和H(r)：再选取合适的直线组s中的直线：在一个实施例中，在选取合适的直线组s后，步骤S7还包括如下步骤：将得到的直线按照斜率的大小进行编号，再将直线按照序号的奇偶进行划分，奇数号的直线集合为Θodd，偶数号的直线集合为Θeven，然后求取Θodd中的任一条直线和Θeven中的任一条直线的交点即为初始道路消失点，通过如下式子确定初始道路消失点的初始得分v(x,y)的集合v：其中，Pi和Pj分别代表的是交点的横坐标和纵坐标，代表的是取整操作，#代表的是有多少个直线交点落在位置(x,y)处，m和n分别代表的是所述图像的长和高；通过如下式子计算道路消失点的最终得分V(x,y)：其中Φ(i,j)为加权因子，(i,j)代表的是图像上的坐标点，σ代表高斯标准差，l代表的是加权的掩膜大小；选取最高得分的V(x,y)对应的像素点作为最终的道路消失点。在一个实施例中，还包括道路检测步骤，所述道路检测步骤包括如下步骤：对所述第一中间图像中位于所述地平线位置以下的部分图像中纹理比较一致的部分划分为初始道路区域；对所述初始道路区域进行凸包处理获得过渡道路区域；在所述过渡道路区域中，将相似的像素聚成一个超像素块；对于所述过渡道路区域边缘附近的超像素块，如果所述超像素块内的像素点中，属于过渡道路区域的数目大于一定比例，则将所述超像素块纳入所述过渡道路区域，从而获取最终的道路。在一个实施例中，还包括车前目标检测步骤，所述车前目标检测步骤包括如下步骤：根据所述图像获得一组N个层级的图像的金字塔；依次对所述图像的金字塔的N个层级的图像进行形态学梯度处理；将经过形态学梯度处理的各个层级的图像归一化到所述图像的原始尺度，并进行加权求平均得到初始显著性得分s'(x)：其中，G(Ik(x))指尺度k下图像Ik(x)经过形态学梯度处理、并拉伸到原始尺度后的结果；对初始显著性得分s'(x)进行空间以及颜色的加权，从而得到最终的显著性得分s(x0)：其中，x0代表的是待计算点的位置，x代表的是x0的R邻域位置，s'(x0)代表的是x0处的初始显著性得分，δ1和δ2分别表示高斯标准差；根据显著性得分s(x0)对车前目标进行分析。在一个实施例中，所述车前目标检测步骤还包括如下步骤：获取所述图像的光流场，根据所述光流场对车前目标进行分析。在一个实施例中，所述车前目标检测步骤还包括如下步骤：根据车前目标的最终得分O(x)对车前目标进行分析；其中，ξ1与ξ2是加权系数，是s(x0)归一化后的结果，是F(x0)归一化后的结果，OF(x0)是所述图像的x0处根据光流场的目标检测得分，vp是所述道路消失点的坐标位置，d是所述图像的对角线长度。对于道路检测部分，本专利技术没有非常复杂的算法计算，所以整体处理速度比较快，同时不依赖道路的颜色特性，泛化能力更强。对于车前目标检测部分，而本专利技术利用的是目标的运动特性以及目标的显著性这两个不容易被环境改变的特性，所以在有目标遮挡的情况下，仍然可以很好地实现目标检测。【附图说明】图1是本专利技术一种实施例的图像处理方法的流程示意图；图2是本专利技术一种实施例的膨胀操作示意图；图3是本专利技术一种实施例的腐蚀操作示意图；图4是本专利技术一种实施例的凸包处理示意图。【具体实施方式】以下对专利技术的较佳实施例作进一步详细说明。如图1所示，一种实施例的图像处理方法，包括道路消失点检测步骤，所述道路消失点检测步骤包括如下步骤：S1，对车辆前置摄像头获取的图像进行形态学梯度处理得到第一中间图像。道路消失点检测主要利用的是天空的平滑特性与道路的结构特性实现检测的。为了减少噪声对结果的影响，在道路消失点检测的最开始，本专利技术基于天空的平滑特性，对图像进行形态学梯度处理：其中，分子代表的是图像初始的形态学梯度，Idila(x)代表的是对图像进行膨胀之后的结果图，Iero(x)代表的是对图像进行腐蚀之后的结果图。为了降低光照不均以及弱边缘对结果的影响，在这里对形态学梯度进行了局部归一化处理(分母中是对每一个像素点，利用该点腐蚀和膨胀中较大的值对初始形态学梯度进行归一化处理)。在这里，之所以用形态学梯度进行处理，是因为形态学梯度对弱边缘具有很好的抑制作用，这样就可以很好地抑制云、阴影等噪声的影响。膨胀就是求局部最大值的操作，核B与图形I卷积，即计算核B覆盖的区域的像素点的最大值，并把这个最大值赋值给参考点指定的像素。这样就会使图像中的高亮区域逐渐增长。其数学表达式见式(2)所示：其中x代表的是图像上的某个像素点，x′代表的是在以像素点x为中心的邻域中的坐标点，I(x)代表的是原始图像上像素点x的像素值，element(x’)表示落在核B覆盖的区域内的像素点x’。膨胀的原理图如图2所示，A代表的是原始图像，B代表的是核。腐蚀就是求局部最小值的操作，是膨胀的反向操作，其数学式子如式(3)所示：其原理图如图3所示。S2，对所述第一中间图像进行二值化处理得到第二中间图像。在一个实施例本文档来自技高网...

【技术保护点】
一种图像处理方法，包括道路消失点检测步骤，其特征是，所述道路消失点检测步骤包括如下步骤：S1，对图像进行形态学梯度处理得到第一中间图像；S2，对所述第一中间图像进行二值化处理得到第二中间图像；S3，对所述第二中间图像进行形态学处理得到第三中间图像；S4，对所述第三中间图像的每一行：将像素值进行累加得到行像素值和，将行像素值和最大对应的行作为所述图像的地平线位置；S5，对所述第一中间图像中位于所述地平线位置以下的部分图像进行边缘检测得到第四中间图像；S6，对所述第四中间图像进行直线检测获得第五中间图像，得到所述第五中间图像中的直线；S7，获取步骤S6中得到的直线中两两直线的交点，从所述交点中确定道路消失点。

【技术特征摘要】
1.一种图像处理方法，包括道路消失点检测步骤，其特征是，所述道路消失点检测步骤包括如下步骤：S1，对车辆前置摄像头获取的图像进行形态学梯度处理得到第一中间图像；S2，对所述第一中间图像进行二值化处理得到第二中间图像；S3，对所述第二中间图像进行形态学处理得到第三中间图像；S4，对所述第三中间图像的每一行：将像素值进行累加得到行像素值和，将行像素值和最大对应的行作为所述图像的地平线位置；S5，对所述第一中间图像中位于所述地平线位置以下的部分图像进行边缘检测得到第四中间图像；S6，对所述第四中间图像进行直线检测获得第五中间图像，得到所述第五中间图像中的直线；S7，获取步骤S6中得到的直线中两两直线的交点，从所述交点中确定道路消失点；还包括车前目标检测步骤，所述车前目标检测步骤包括如下步骤：根据车辆前置摄像头获取的图像获得一组N个层级的图像的金字塔；依次对所述图像的金字塔的N个层级的图像进行形态学梯度处理；将经过形态学梯度处理的各个层级的图像归一化到所述图像的原始尺度，并进行加权求平均得到初始显著性得分s'(x)：其中，G(Ik(x))指尺度k下图像Ik(x)经过形态学梯度处理、并拉伸到原始尺度后的结果；对初始显著性得分s'(x)进行空间以及颜色的加权，从而得到最终的显著性得分s(x0)：其中，x0代表的是待计算点的位置，x代表的是x0的R邻域位置，s'(x0)代表的是x0处的初始显著性得分，δ1和δ2分别表示高斯标准差；根据显著性得分s(x0)对车前目标进行分析；所述车前目标检测步骤还包括如下步骤：获取所述图像的光流场，根据所述光流场对车前目标进行分析；所述车前目标检测步骤还包括如下步骤：根据车前目标的最终得分O(x)对车前目标进行分析；其中，ξ1与ξ2是加权系数，是s(x0)归一化后的结果，是F(x0)归一化后的结果，OF(x0)是所述图像的x0处根据光流场的目标检测得分，vp是所述道路消失点的坐标位置，d是所述图像的对角线长度。2.如权利要求1所述的图像处理方法，其特征是，...

【专利技术属性】
技术研发人员：佘青云，卢宗庆，张文健，廖庆敏，仝武军，李丽，
申请(专利权)人：清华大学深圳研究生院，
类型：发明
国别省市：广东;44