The invention relates to an adaptive enhancement method for color threshold segmentation. The existing methods can not discriminate effectively the samples with various influencing factors, and interfere with the detection results. The method of the invention adopts histogram cumulative distribution approximation of the maximum and minimum normalization method to obtain the adaptive threshold based on red and blue after standardization and contrast stretching in detecting image, gray histogram mapping of the foreground object location value is found by extracting and matching the starting color, foreground The gray value, find the specific range of target area, select the comprehensive separation effect of the optimal parameters for color segmentation, and according to the critical value of the original pixel values of the maximum and minimum normalized approximate, excluding invalid background, highlighting the foreground color block, while smoothing the bright area and decrease the contrast and brightness etc. The influence of environmental factors on detection results. The method of the invention preserves the color area of the logo as far as possible while sifting out invalid background.
【技术实现步骤摘要】
一种自适应颜色阈值分割的标志增强处理方法
本专利技术属于图像处理
,涉及一种自适应颜色阈值分割的标志增强处理方法,特别涉及一种采用基于直方图累积分布的近似最大最小值归一化方法来获取自适应阈值,从而对交通标志进行颜色分割的检测方法。
技术介绍
随着城市化的进展以及汽车的普及,包括无人车技术的不断推进,交通拥挤加剧、交通事故频发、公路交通的安全等问题日益突出,智能交通系统的研究领域应运而生并受到广泛关注,而道路交通标志检测识别作为智能交通系统的研究热点,是汽车自动驾驶和辅助驾驶系统中道路环境感知技术的重要组成部分,可以给驾驶员提供实时的道路标志信息感知和预警,其技术的进步在很大程度上提高了驾驶的安全性,改善了道路交通环境。无论是基于先验知识的传统检测方法还是基于大量训练数据的深度学习方法,颜色信息是交通标志能够区别于背景的主要特征之一,具有大小和视角不变性,而且有较强的可分离性,对快速有效地找到感兴趣区域有很大帮助。目前基于颜色信息的检测方法一般都基于某种颜色空间进行单分量或者多分量阈值分割的方法提取标志ROI,例如将图像由RGB颜色空间转换到其他的颜色空间,如HIS、HSV、YcbCr等,其主要目的是通过颜色阈值分割来过滤图像中的无效背景,从而凸显出交通标志的颜色特征使得整体算法能取得更好的检测效果。虽然大多数这类方法都达到了一定的检测率,但却很少考虑到不同场景图像中可能包含的不同自然条件干扰,即颜色分割阈值的自适应性,而这往往会严重降低整体的检测准确率。例如文献《Detectionandclassificationofroadsignsinnatur ...
【技术保护点】
1.一种自适应颜色阈值分割的标志增强处理方法,其特征在于:该方法采用基于直方图累积分布的近似最大最小值归一化方法来获取自适应阈值,从而对交通标志进行颜色分割的检测;具体步骤如下:步骤(1).图像预处理:读取含有交通标志的待检测图像I作为输入,进行红蓝标准化,并使用伽马校正进行对比度拉伸,得到预处理结果图像I′;步骤(2).建立累积分布函数:将预处理结果图像I′作灰度概率直方图映射,找到前景目标颜色起始值所对应的位置;根据检测样本的灰度级分布概率密度,建立对应概率的累积分布函数;步骤(3).基于累积分布函数的自适应阈值选取:通过对前景灰度值的提取与比对,找到前景区域的特定区域,选取最佳参数进行目标分离;步骤(4).近似最大最小值归一化处理:根据自适应阈值对应的临界值对待检测图像中的原像素值进行近似的最大最小值归一化处理,筛除无效背景,增强目标颜色特征,从而凸显交通标志所在的区域块,得到归一化结果图像I″;步骤(5).形态学滤波并获取稳定的交通标志感兴趣区域ROI的候选区域:对归一化结果图像I″作进一步的形态学滤波,使用顶帽变换和底帽变换两种形态滤波器进行处理;采用最大稳定极值区域MSER ...
【技术特征摘要】
1.一种自适应颜色阈值分割的标志增强处理方法,其特征在于:该方法采用基于直方图累积分布的近似最大最小值归一化方法来获取自适应阈值,从而对交通标志进行颜色分割的检测;具体步骤如下:步骤(1).图像预处理:读取含有交通标志的待检测图像I作为输入,进行红蓝标准化,并使用伽马校正进行对比度拉伸,得到预处理结果图像I′;步骤(2).建立累积分布函数:将预处理结果图像I′作灰度概率直方图映射,找到前景目标颜色起始值所对应的位置;根据检测样本的灰度级分布概率密度,建立对应概率的累积分布函数;步骤(3).基于累积分布函数的自适应阈值选取:通过对前景灰度值的提取与比对,找到前景区域的特定区域,选取最佳参数进行目标分离;步骤(4).近似最大最小值归一化处理:根据自适应阈值对应的临界值对待检测图像中的原像素值进行近似的最大最小值归一化处理,筛除无效背景,增强目标颜色特征,从而凸显交通标志所在的区域块,得到归一化结果图像I″;步骤(5).形态学滤波并获取稳定的交通标志感兴趣区域ROI的候选区域:对归一化结果图像I″作进一步的形态学滤波,使用顶帽变换和底帽变换两种形态滤波器进行处理;采用最大稳定极值区域MSER方法获取稳定的交通标志ROI的候选区域,得到最终检测结果图像I″′。2.如权利要求1所述的一种自适应颜色阈值分割的标志增强处理方法,其特征在于,步骤(2)所述的建立累积分布函数的具体方法如下:步骤(2-1).将预处理结果图像I′投影到直方图中,以[0,255]为投影区间获取其灰度概率的映射,找到前景目标颜色起始值所对应的位置,记录对应的灰度值;步骤(2-2).假设检验样本RB(x)的灰度级分布概率密度函数为g(k),得到其对应概率的累积分布函数f(m),其中,k为最小灰度值min到指定累积的图像灰度值m之间的灰度值变量。3.如权...
【专利技术属性】
技术研发人员:徐向华,金建成,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:浙江,33
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。