The invention relates to the technical field of vehicle detection, in particular to a vehicle detection method and device in foggy environment. Firstly, the traffic image is collected, the traffic image is grayed out, and the grayed traffic image is taken as the grayscale image; then the region with the largest brightness value is obtained after the segmentation of the grayscale image, and all pixel points in the region with the largest brightness value are selected The average luminance value of is regarded as the atmospheric light intensity. The pixel points in the gray image are divided into bright and dark areas, and the adaptive transmissivity composed of the transmissivity of the dark area and the transmissivity of the bright area is generated. The atmospheric light intensity and the adaptive transmissivity are input into the atmospheric scattering model to defog the traffic image, and the defog treated traffic image is regarded as the defog image, Finally, the vehicle image in the defog image is recognized by the target detection algorithm. The invention can not only improve the defog effect, but also avoid the distortion of the image after defog, thus improving the accuracy and speed of vehicle detection.
【技术实现步骤摘要】
一种雾天环境中的车辆检测方法及装置
本专利技术涉及车辆检测
,具体涉及一种雾天环境中的车辆检测方法及装置。
技术介绍
近年来,由于环境变化原因,雾霾天气开始频繁地出现。一方面,在雾天环境中,驾驶员不仅视线不清、可视距离短,而且无法通过车载摄像系统正确的判断前后方车辆的行驶情况,容易引发交通事故;另一方面,大气能见度的降低,也导致交通监控摄像头无法实时获取有效的道路状况,给交通指挥带来了巨大的阻力。因此,如何实现对交通图像快速、有效的去雾,对于车辆行驶、交通监管以及交通指挥具有非常重要的现实意义;如何在恶劣的雾霾环境中实现对图像的高质量去雾和对车辆的高精度检测也是一项具有挑战性的任务。在现有图像处理和计算机视觉领域中,根据输入图像的数量可以将去雾算法分为单幅图像去雾和多幅图像相结合去雾。多幅图像相结合去雾主要是利用同一场景在不同天气条件下获得的一系列图像,通过分析偏振、目标深度等信息,最终得到清晰化的图像。在同一场景中获取这一系列图像不仅成本高、难度大,而且会受到场景和天气条件的制约,难以在实际中进行推广。目前,单幅图像去雾取得重大进展,不仅避免了上述几个问题,而且恢复的图像清晰度更高。单幅图像去雾是一个缺乏约束的不适定问题。除雾过程通常需要引入一些假设或先验信息。实现高质量的除雾并尽可能地恢复场景中的细节是一项具有挑战性的任务。一些先进的去雾算法可以恢复图像的大部分细节,但可能会导致去雾后图像的颜色变得异常。此外,不合理的传输估计还会导致图像中的某些局部区域过饱和或严重失真。在交通场景中 ...
【技术保护点】
1.一种雾天环境中的车辆检测方法,其特征在于,包括:/n采集交通图像,并对所述交通图像进行灰度化处理,将灰度化处理后的交通图像作为灰度图像;/n对所述灰度图像进行分割后得到亮度值最大的区域,将所述亮度值最大的区域中所有像素点的平均亮度值作为大气光强度;/n将所述灰度图像中的像素点划分为亮区域和暗区域,并生成由所述暗区域的透射率和所述亮区域的透射率组成的自适应透射率;/n将所述大气光强度和自适应透射率输入大气散射模型,对所述交通图像进行去雾处理,将去雾处理后的交通图像作为去雾图像;/n通过目标检测算法识别所述去雾图像中的车辆图像。/n
【技术特征摘要】
1.一种雾天环境中的车辆检测方法,其特征在于,包括:
采集交通图像,并对所述交通图像进行灰度化处理,将灰度化处理后的交通图像作为灰度图像;
对所述灰度图像进行分割后得到亮度值最大的区域,将所述亮度值最大的区域中所有像素点的平均亮度值作为大气光强度;
将所述灰度图像中的像素点划分为亮区域和暗区域,并生成由所述暗区域的透射率和所述亮区域的透射率组成的自适应透射率;
将所述大气光强度和自适应透射率输入大气散射模型,对所述交通图像进行去雾处理,将去雾处理后的交通图像作为去雾图像;
通过目标检测算法识别所述去雾图像中的车辆图像。
2.根据权利要求1所述的一种雾天环境中的车辆检测方法,其特征在于,所述对所述灰度图像进行分割后得到亮度值最大的区域,将所述亮度值最大的区域中所有像素点的平均亮度值作为大气光强度的步骤,包括:
将所述灰度图像平均分割为2张局部图像,比较2张所述局部图像的大气光强度大小,选取大气光强度较大的局部图像继续平均分割和比较,经过多次平均分割和比较后获得大气光强度最大的局部图像,将所述大气光强度最大的局部图像作为亮度值最大的区域;
所述局部图像的大气光强度计算公式为:其中,A表示大气光强度,I(v)表示灰度图像,v∈{r,g,b},r,g,b分别表示红、绿、蓝三个颜色通道,Ψ(v)表示局部图像,操作表示将局部图像Ψ(v)中所有像素点的亮度值进行求和后取平均值。
3.根据权利要求2所述的一种雾天环境中的车辆检测方法,其特征在于,所述将所述交通图像中的像素点划分为亮区域和暗区域的步骤,包括:
采用OTSU算法得到灰度图像的分割阈值k,将I(x)<k的图像区域作为暗区域,表示为区域D,将I(x)≥k的图像区域作为亮区域,表示为区域B。
4.根据权利要求3所述的一种雾天环境中的车辆检测方法,其特征在于,所述生成由所述暗区域的透射率和亮区域的透射率组成的自适应透射率的步骤,包括:
根据大气散射模型和所述大气光强度得到预估透射率;
将所述预估透射率作为暗区域的透射率,并根据所述预估透射率和所述暗区域的透射率生成亮区域的透射率,将所述暗区域的透射率和亮区域的透射率作为自适应透射率。
5.根据权利要求4所述的一种雾天环境中的车辆检测方法,其特征在于,所述根据大气散射模型和所述大气光强度得到预估透射率的步骤,包括:
...
【专利技术属性】
技术研发人员:陈泽彬,谢天华,潘志庚,曹明亮,
申请(专利权)人:佛山科学技术学院,
类型:发明
国别省市:广东;44
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。