一种基于图分割的车窗提取方法及系统技术方案

本发明专利技术公开了一种基于图分割的车窗提取方法及系统,方法包括：对获取的车辆图像进行归一化，得到归一化图像；对归一化图像进行基于无向图的图像分割处理；根据各区域质心与质心参考点间的距离对分割后的图像上半部中的各区域进行排序，然后根据排序的结果依次将各区域依次加入到缓存图像中，再采用Freeman链码的一阶差分来实时计算缓存图像的区域边界流畅度，并根据缓存图像的区域边界流畅度提取出候选车窗区域；根据设定的车窗区域判断依据从候选车窗区域中筛选出最终的车窗区域。本发明专利技术采用了基于无向图的图像分割方法，抗干扰能力好且鲁棒性强；同时，保证了车窗区域的提取效果和准确性。本发明专利技术可广泛应用于图像处理领域。

【技术实现步骤摘要】
一种基于图分割的车窗提取方法及系统
本专利技术涉及图像处理领域，尤其是一种基于图分割的车窗提取方法及系统。
技术介绍
近些年来，智能交通系统取得了快速的发展和广泛的应用，交通安全是其中一项重要的组成部分。安全驾驶是交通安全的关键一环，因此对驾驶员的安全监控显得尤为重要。对驾驶员的安全监控包括监控驾驶员是否系安全带，行驶中打电话以及疲劳驾驶等问题。此外，年检标志及环保标志的检测，也是交通车辆管理的重要内容。而车窗区域的准确提取是解决以上问题的前提，也是交通图像处理与模式识别领域的一个重要内容。现有的车窗提取方法主要包括两类：一、基于边缘的车窗提取方法，该方法先对灰度车辆图像进行边缘检测，然后根据投影找出长水平直线的位置，再依据阈值确定车窗的上下边界，最后通过滤波或者Hough变换的方法找出45度和135度的直线作为车窗的左右边界；二、基于颜色的车窗提取方法，该方法利用在HSV颜色空间车窗区域的像素间比车身区域的像素间具有更大的色度差值以及车身区域与车窗区域的亮度差值，来提取符合条件的区域作为车窗。然而，基于边缘的车窗提取方法抗干扰能力较差，在光线较差或者车的颜色较深时，会因检测出的边缘往往较少而导致该方法失效；另外，当图像中车辆的偏离角度较大时或者不同车型的车窗形状不同时，也会因难以在产生的边缘中找出特定角度的直线而使该方法的效果失效。而基于颜色的车窗提取方法，在光线较强的环境、当车身污损、车身喷涂多种颜色时，车身颜色的色度差异也会较大，导致该方法的提取效果不够好。
技术实现思路
为解决上述技术问题，本专利技术的目的在于：提供一种抗干扰能力好、鲁棒性强和效果好的，基于图分割的车窗提取方法。本专利技术的另一目的在于：提供一种抗干扰能力好、鲁棒性强和效果好的，基于图分割的车窗提取系统。本专利技术所采取的技术方案是：一种基于图分割的车窗提取方法，包括以下步骤：S1、对获取的车辆图像进行归一化，得到归一化图像；S2、根据设定的高斯滤波参数、预分割参数以及区域面积阈值对归一化图像进行基于无向图的图像分割处理，得到分割后的图像；S3、根据各区域质心与质心参考点间的距离对分割后的图像上半部中的各区域进行排序，然后根据排序的结果依次将各区域依次加入到缓存图像中，再采用Freeman链码的一阶差分来实时计算缓存图像的区域边界流畅度，并根据缓存图像的区域边界流畅度提取出候选车窗区域；S4、根据设定的车窗区域判断依据从候选车窗区域中筛选出最终的车窗区域。进一步，所述步骤S2包括：S21、根据设定的高斯滤波参数sigma对归一化图像进行高斯滤波，得到高斯滤波图像；S22、根据设定的预分割参数K和区域面积阈值minRegion对高斯滤波图像依次进行预分割以及小区域合并，得到分割后的图像。进一步，所述步骤S22包括：S221、获得高斯滤波图像由顶点集和边集组成的无向图G＝(V，E)，并计算无向图G顶点之间的不相似度，所述无向图G顶点之间的不相似度计算公式为：其中，V为顶点集，E为边集，顶点v∈V，边e∈E，(vi,vj)为连接第i个顶点与第j个顶点的边，W(vi,vj)为第i个顶点与第j个顶点之间的不相似度，ri,gi,bi分别为第i个顶点的红色分量值，绿色分量值，蓝色分量值，rj,gj,bj分别为第j个顶点的红色分量值，绿色分量值，蓝色分量值；S222、采用克鲁斯卡尔算法得到无向图G的最小生成树MST；S223、根据最小生成树MST计算区域的类内差异，并根据顶点之间的不相似度计算区域间的类间差异，所述区域的类内差异以及区域间的类间差异的计算公式为：其中，Int(C)为区域C的类内差异，Dif(C1,C2)为区域C1和区域C2的类间差异，区域C1和区域C2为无向图G中的任一对邻接区域；S224、判断区域C1和区域C2这两个区域是否满足设定的区域合并判断条件，若是，则将这两个区域合并，反之，则不将这两个区域合并，得到预分割图像，所述设定的区域合并判断条件为：其中，R(C1)和R(C2)分别为区域C1和区域C2的类内差异补偿函数，S1和S2分别为区域C1和区域C2的面积；S225、判断预分割后图像中小区域的面积是否小于设定的区域面积阈值minRegion，若是，则将该区域和与该区域类间差异最小的区域进行合并，反之，则将该区域保留，最终得到分割后的图像；S226、采用正整数对分割后的图像中的各小区域进行标记。进一步，所述步骤S3包括：S31、对分割后的图像上半部中的各区域，根据各区域质心离质心参考点的距离从小到大排序；S32、根据排序的结果将图像上半部中的各区域依次加入到缓存图像中，并采用Freeman链码的一阶差分来实时计算缓存图像的区域边界流畅度；S33、对区域边界流畅度取最大值时对应的缓存图像进行形态学开运算，得到候选车窗区域。进一步，所述步骤S31包括：S311、将质心位于分割后的图像上半部中的各区域的标记集合记为region，并以分割后的图像中的[width/2,height*3/8]点作为车窗的质心参考点P，分别计算集合region里的各区域的质心与P点的欧式距离，其中，width为分割后的图像的宽度，height为分割后的图像的高度；S312、根据计算的欧式距离将集合region里的各区域按照从小到大的顺序进行排序。进一步，所述步骤S32具体为：记缓存图像W为[height,width]的空图像，根据排序的结果将集合region里面积小于9500的各区域依次加入到缓存图像W中，并采用Freeman链码的一阶差分来实时计算缓存图像W的区域边界流畅度tb，所述缓存图像W的区域边界流畅度tb的计算公式为：其中，Ccode(m)和Ccode(m+3)分别为缓存图像W的第m个和第m+3个区域边界的8方向Freeman链码，Dcode(m)为Ccode(m)的一阶差分，length(Dcode＝＝0)为一阶差分Dcode(m)等于0的元素个数，length(Dcode)为一阶差分Dcode(m)的元素总个数。进一步，所述步骤S4包括：S41、求取候选车窗区域外接矩形的面积S、外接矩形的高度H、外接矩形的宽度Width以及候选车窗区域的面积area，并根据求取的面积S、高度H、宽度Width以及面积area计算矩形度extent以及高宽比t，所述矩形度extent以及高宽比t的计算公式为：S42、判断当前候选车窗区域是否满足设定的车窗区域判断依据，若是，则以当前候选车窗区域作为最终的车窗区域，反之，则改变设定的预分割参数然后返回步骤S2，所述设定的车窗区域判断依据为：9500＞area＞5000，extent>0.85，t<0.55。本专利技术所采取的技术方案是：一种基于图分割的车窗提取系统，包括：归一化模块，用于对获取的车辆图像进行归一化，得到归一化图像；图像分割处理模块，用于根据设定的高斯滤波参数、预分割参数以及区域面积阈值对归一化图像进行基于无向图的图像分割处理，得到分割后的图像；候选车窗区域提取模块，用于根据各区域质心与质心参考点间的距离对分割后的图像上半部中的各区域进行排序，然后根据排序的结果依次将各区域依次加入到缓存图像中，再采用Freeman链码的一阶差分来实时计算缓存图像的区域边界流畅度，并根据缓存图像本文档来自技高网...

【技术保护点】
一种基于图分割的车窗提取方法，其特征在于：包括以下步骤：S1、对获取的车辆图像进行归一化，得到归一化图像；S2、根据设定的高斯滤波参数、预分割参数以及区域面积阈值对归一化图像进行基于无向图的图像分割处理，得到分割后的图像；S3、根据各区域质心与质心参考点间的距离对分割后的图像上半部中的各区域进行排序，然后根据排序的结果依次将各区域依次加入到缓存图像中，再采用Freeman链码的一阶差分来实时计算缓存图像的区域边界流畅度，并根据缓存图像的区域边界流畅度提取出候选车窗区域；S4、根据设定的车窗区域判断依据从候选车窗区域中筛选出最终的车窗区域。

【技术特征摘要】
1.一种基于图分割的车窗提取方法，其特征在于：包括以下步骤：S1、对获取的车辆图像进行归一化，得到归一化图像；S2、根据设定的高斯滤波参数、预分割参数以及区域面积阈值对归一化图像进行基于无向图的图像分割处理，得到分割后的图像；S3、根据各区域质心与质心参考点间的距离对分割后的图像上半部中的各区域进行排序，然后根据排序的结果依次将各区域依次加入到缓存图像中，再采用Freeman链码的一阶差分来实时计算缓存图像的区域边界流畅度，并根据缓存图像的区域边界流畅度提取出候选车窗区域；S4、根据设定的车窗区域判断依据从候选车窗区域中筛选出最终的车窗区域。2.根据权利要求1所述的一种基于图分割的车窗提取方法，其特征在于：所述步骤S2包括：S21、根据设定的高斯滤波参数sigma对归一化图像进行高斯滤波，得到高斯滤波图像；S22、根据设定的预分割参数K和区域面积阈值minRegion对高斯滤波图像依次进行预分割以及小区域合并，得到分割后的图像。3.根据权利要求2所述的一种基于图分割的车窗提取方法，其特征在于：所述步骤S22包括：S221、获得高斯滤波图像由顶点集和边集组成的无向图G＝(V，E)，并计算无向图G顶点之间的不相似度，所述无向图G顶点之间的不相似度计算公式为：其中，V为顶点集，E为边集，顶点v∈V，边e∈E，(vi,vj)为连接第i个顶点与第j个顶点的边，W(vi,vj)为第i个顶点与第j个顶点之间的不相似度，ri,gi,bi分别为第i个顶点的红色分量值，绿色分量值，蓝色分量值，rj,gj,bj分别为第j个顶点的红色分量值，绿色分量值，蓝色分量值；S222、采用克鲁斯卡尔算法得到无向图G的最小生成树MST；S223、根据最小生成树MST计算区域的类内差异，并根据顶点之间的不相似度计算区域间的类间差异，所述区域的类内差异以及区域间的类间差异的计算公式为：其中，Int(C)为区域C的类内差异，w(e)为最小生成树MST中边e的不相似度，Dif(C1,C2)为区域C1和区域C2的类间差异，区域C1和区域C2为无向图G中的任一对邻接区域；S224、判断区域C1和区域C2这两个区域是否满足设定的区域合并判断条件，若是，则将这两个区域合并，反之，则不将这两个区域合并，得到预分割图像，所述设定的区域合并判断条件为：其中，R(C1)和R(C2)分别为区域C1和区域C2的类内差异补偿函数，S1和S2分别为区域C1和区域C2的面积；S225、判断预分割后图像中小区域的面积是否小于设定的区域面积阈值minRegion，若是，则将该小区域和与该小区域类间差异最小的区域进行合并，反之，则将该小区域保留，最终得到分割后的图像；S226、采用正整数对分割后的图像中的各小区域进行标记。4.根据权利要求3所述的一种基于图分割的车窗提取方法，其特征在于：所述步骤S3包括：S31、对分割后的图像上半部中的各区域，根据各区域质心离质心参考点的距离从小到大排序；S32、根据排序的结果将图像上半部中的各区域依次加入到缓存图像中，并采用Freeman链码的一阶差分来实时计算缓存图像的区域边界流畅度；S33、对区域边界流畅度取最大值时对应的缓存图像进行形态学开运算，得到候选车窗区域。5.根据权利要求4所述的一种基于图分割的车窗提取方法，其特征在于：所述步骤S31包括：S311、将质心位于分割后的图像上半部中的各区域的标记集合记为region，并以分割后的图像中的[width/2,height*3/8]点作为车窗的质心参考点P，分别计算集合region里的各区域的质心与P点的欧式距离，其中，width为分割后的图像的宽度，height为分割后的图像的高度；S312、根据计算的欧式距离将集合region里的各区域按照从小到大的顺序进行排序。6.根据权利要求5所述的一种基于图分割的车窗提取方法，其特征在于：所述步骤S32具体为：记缓存图像W为[height,width]的空图像，根据排序的结果将集合region里面积小于9500的各区域依次加入到缓存图像W中，并采用Freeman链码的一阶差分来实时计算缓存图像W的区域边界流畅度tb，所述缓存图像W的区域边界流畅度tb的计算公式为：其中，Ccode(m)和Ccode(m+3)分别为缓存图像W的第m个和第m+3个区域边界的8方向Freeman链码，Dco...

【专利技术属性】
技术研发人员：李熙莹，李发文，江倩殷，罗东华，袁敏贤，
申请(专利权)人：中山大学，广东方纬科技有限公司，
类型：发明
国别省市：广东;44