一种基于纹理特征的挡风玻璃脏污检测方法技术

本发明专利技术涉及一种基于纹理特征的挡风玻璃脏污检测方法，包括：步骤S1、采用基于Sobel边缘检测算法的阈值判断，将分块的原始图像划分为纹理区域和非纹理区域；步骤S2、对于透明或半透明脏污，计算原始图像中提取的两个不同边缘强度图像的边缘比率，得到像素模糊度，然后依据不同纹理区域的阈值划分确定脏污候选；对于不透明脏污，在弱纹理区域依据RGB值以及像素块平均边缘强度进行阈值判断，标定出脏污候选；步骤S3、通过多帧叠加从脏污候选中去除虚假像素，确定脏污区域以及脏污程度。与现有技术相比，本发明专利技术具有高效便捷、可定量分析挡风玻璃脏污情况的优点。玻璃脏污情况的优点。玻璃脏污情况的优点。

【技术实现步骤摘要】
一种基于纹理特征的挡风玻璃脏污检测方法


[0001]本专利技术涉及安防监控
，尤其是涉及一种基于纹理特征的挡风玻璃脏污检测方法。

技术介绍

[0002]目前用于挡风玻璃或者镜头上的脏污遮挡检测的方法，主要有两种思路：(1)利用传感器的传感器值来判定是否有脏污遮挡以及脏污量；(2)根据图像的视觉信息来判定，相比于前者更便捷且节约成本。
[0003]经过检索，中国专利CN103434487B公开了一种用于挡风玻璃上的雨检测的方法和装置，该方法采用至少一个传感器来检测该挡风玻璃的润湿度。但是，如果将整个挡风玻璃都用作探测面，则需要非常多的传感器才能完全覆盖，才能达到高的精确度，需要其他外部辅助设备，成本较高。
[0004]中国专利CN109598706A公开了一种摄像机镜头遮挡检测方法，该方法依据视频图像的清晰度判断摄像机镜头是否被遮挡，无需额外的时间进行背景建模，也无需额外的内存建立长、短缓存区，在检测精度和检测时间上都取得了较大进步。但是，同时只能定性分析是否产生遮挡。
[0005]中国专利CN109241977A公开了一种摄像机镜头遮挡检测方法，该方法利用深度直方图基于深度信息来统计判断前景深度和背景深度，有效提高了摄像机镜头遮挡检测的准确性。但是，该方法一般采用双目摄像头，即通过两个摄像头的信息差确定物体的深度，同时评估算法依据前景图像帧的深度直方图与背景模型的深度直方图的差值，只能定性分析是否产生遮挡。
[0006]针对上述缺陷，亟需设计一种高效便捷、可定量分析挡风玻璃脏污情况的方法。

技术实现思路

[0007]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供了一种高效便捷、可定量分析挡风玻璃脏污情况的基于纹理特征的挡风玻璃脏污检测方法。
[0008]本专利技术的目的可以通过以下技术方案来实现：
[0009]根据本专利技术的第一方面，提供了一种基于纹理特征的挡风玻璃脏污检测方法，该方法包括以下步骤：
[0010]步骤S1、采用基于Sobel边缘检测算法的阈值判断，将分块的原始图像划分为纹理区域和非纹理区域；
[0011]步骤S2、对于透明或半透明脏污，计算原始图像中提取的两个不同边缘强度图像的边缘比率，得到像素模糊度，然后依据不同纹理区域的阈值划分确定脏污候选；对于不透明脏污，在弱纹理区域依据RGB值以及像素块平均边缘强度进行阈值判断，标定出脏污候选；
[0012]步骤S3、通过多帧叠加从脏污候选中去除虚假像素，确定脏污区域以及脏污程度。
[0013]优选地，所述步骤S1具体为：
[0014]将原始图像划分为尺寸相同的网格块，采用Sobel边缘检测算子计算每个网格块的边缘强度；通过边缘强度的总和与预设阈值比较来划分纹理块和非纹理块。
[0015]优选地，所述步骤S2中对于透明或半透明脏污，计算原始图像中提取的两个不同边缘强度图像的边缘比率，得到像素模糊度，然后依据不同纹理区域的阈值划分确定脏污候选，具体为：
[0016]1)将原始图像输入至两种方差不同的高斯滤波器，满足δ2＞δ1，得到两个平滑图像；
[0017]2)采用Sobel边缘检测算法对获得的两个平滑图像进行处理，得到两个不同的边缘强度图像I2、I1；
[0018]3)计算边缘强度图像I2、I1的边缘比率，得到像素模糊度，表达式为：
[0019][0020]4)基于像素模糊度，依据不同纹理区域的阈值划分确定脏污候选。
[0021]优选地，所述基于像素模糊度，依据不同纹理区域的阈值划分确定脏污候选，具体为：像素p(i，j)作为候选半透明脏污的条件满足：
[0022]当边缘强度图像I(i，j)在非纹理区，且满足
[0023][0024]当边缘强度图像I(i，j)在纹理区，且满足
[0025][0026]其中，T
n
、T
m
为预设阈值；D(i，j)为像素p(i，j)的像素模糊度。
[0027]优选地，所述步骤S2中对于不透明脏污，在弱纹理区域依据RGB值以及像素块平均边缘强度进行阈值判断，标定出脏污候选，具体为：
[0028]在非纹理区域取当前像素为中心的3*3的块，依据RGB值以及像素块平均边缘强度是否大于预设阈值来标定出脏污候选。
[0029]优选地，所述RGB值对应的R、G、B阈值为110。
[0030]优选地，所述步骤S3中的脏污候选包括候选半透明脏污、候选透明脏污以及候选不透明脏污。
[0031]优选地，所述通过多帧叠加从脏污半透明候选中去除虚假像素，具体为：
[0032]将有半透明脏污的像素点设置为1，其余设为0，得到二值化图像；
[0033]向前取多帧二值化的图像相加，将大于阈值的像素点视为半透明脏污，其余视为非脏污；
[0034]根据标定点的数量判断是否行车记录仪视野范围内的挡风玻璃被脏污程度。
[0035]根据本专利技术的第二方面，提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现任一项所述的方法。
[0036]根据本专利技术的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现任一项所述的方法
[0037]与现有技术相比，本专利技术具有以下优点：
[0038]1)本专利技术的方法可用于检测车载行车记录仪视野范围的前挡风玻璃被脏污遮挡时，并及时给予驾驶员警告，以免记录仪失效，仅使用视觉信息，不需要除行车记录仪外的任何辅助设备，具有高效便捷的特点；
[0039]2)本专利技术可以标定脏污的位置，方便定量分析；
[0040]3)本专利技术的方法可以通过设置阈值，依据脏污程度控制警告的强度。
附图说明
[0041]图1为本专利技术的方法流程图
[0042]图2为针对透明或半透明脏污的检测方法框图；
[0043]图3为透明或半透明脏污对应的纹理区域与非纹理区域的区分示意图；
[0044]图4为透明或半透明脏污对应的Sobel边缘检测强度示意图；
[0045]图5为透明或半透明脏污对应的行车记录仪的原图像和脏污标定图像的对比图；其中，图5a为原图像，图5b为脏污标定后的图像；
[0046]图6为针对不透明脏污的检测方法框图；
[0047]图7为不透明脏污对应的纹理区域与非纹理区域的区分示意图；
[0048]图8为不透明脏污对应的Sobel边缘检测强度示意图；
[0049]图9为不透明脏污对应的行车记录仪的原图像和脏污标定图像的对比图；其中，图9a为原图像，图9b为脏污标定后的图像。
具体实施方式
[0050]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于纹理特征的挡风玻璃脏污检测方法，其特征在于，该方法包括以下步骤：步骤S1、采用基于Sobel边缘检测算法的阈值判断，将分块的原始图像划分为纹理区域和非纹理区域；步骤S2、对于透明或半透明脏污，计算原始图像中提取的两个不同边缘强度图像的边缘比率，得到像素模糊度，然后依据不同纹理区域的阈值划分确定脏污候选；对于不透明脏污，在弱纹理区域依据RGB值以及像素块平均边缘强度进行阈值判断，标定出脏污候选；步骤S3、通过多帧叠加从脏污候选中去除虚假像素，确定脏污区域以及脏污程度。2.根据权利要求1所述的一种基于纹理特征的挡风玻璃脏污检测方法，其特征在于，所述步骤S1具体为：将原始图像划分为尺寸相同的网格块，采用Sobel边缘检测算子计算每个网格块的边缘强度；通过边缘强度的总和与预设阈值比较来划分纹理块和非纹理块。3.根据权利要求1所述的一种基于纹理特征的挡风玻璃脏污检测方法，其特征在于，所述步骤S2中对于透明或半透明脏污，计算原始图像中提取的两个不同边缘强度图像的边缘比率，得到像素模糊度，然后依据不同纹理区域的阈值划分确定脏污候选，具体为：1)将原始图像输入至两种方差不同的高斯滤波器，满足δ2＞δ1，得到两个平滑图像；2)采用Sobel边缘检测算法对获得的两个平滑图像进行处理，得到两个不同的边缘强度图像I2、I1；3)计算边缘强度图像I2、I1的边缘比率，得到像素模糊度，表达式为：4)基于像素模糊度，依据不同纹理区域的阈值划分确定脏污候选。4.根据权利要求3所述的一种基于纹理特征的挡风玻璃脏污检测方法，其特征在于，所述基于像素模糊度，依据不同纹理区域的阈值划分确定脏污候选，具体为：像素p(i,j)作为候选半透明脏...

【专利技术属性】
技术研发人员：唐泽莘，刘锡伟，
申请(专利权)人：同济大学，
类型：发明
国别省市：