一种用于复杂天气交通标志检测的自适应图像增强方法技术

本发明专利技术公开了一种用于复杂天气交通标志检测的自适应图像增强方法

【技术实现步骤摘要】
一种用于复杂天气交通标志检测的自适应图像增强方法


[0001]本专利技术属于图像处理
，涉及交通标志图像处理，具体涉及一种用于复杂天气交通标志检测的自适应图像增强方法
。

技术介绍

[0002]交通标志是进行交通管理和维持道路安全的基础
。
准确检测和识别道路上的交通标志是自动驾驶中最重要的一环
。
然而，自然条件下的天气情况复杂多变，在雨天
、
雪天
、
雾天或强光照射下，道路上交通标志的可视性会受到极大的影响，从而给交通标志的检测和识别带来了挑战
。
针对这种情况，在识别前需要先对拍摄到的图像进行增强处理
。
现有技术中的图像增强方法通常只针对单一问题进行解决，例如仅能增强雨天或光线不足场景下的图像
。
但是在实际的驾驶情景中，由于天气状况的复杂性和多样性，需要面对多因素共同作用导致的不利状况，例如夜间下雨或夜间大雾等
。
同时，传统的基于神经网络的图像增强方法为了保证检测准确率，设计了复杂的网络结构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于复杂天气交通标志检测的自适应图像增强方法，收集光线充足条件下无遮挡的交通标志图像，作为训练标签；在原图像的基础上添加噪声，模拟复杂天气情况对交通标志图像的影响，作为训练样本；其特征在于：具体包括以下步骤：步骤
1、
设置滤波参数阈值
T
；步骤
2、
构造多个不同的图像处理滤波器，同时进行参数初始化；步骤
3、
构造
Micro CNN
网络，输入训练样本，输出步骤2中所述图像处理滤波器的参数；所述
Micro CNN
网络通过特征提取模块得到训练样本对应的特征图，再通过软注意力模块为特征图中不同维度的特征赋予权重，最后经过两个级联的线性层，输出带权重的特征图；步骤
4、
对步骤3得到的图像处理滤波器参数进行归一化处理；然后将每个图像处理滤波器的参数与阈值
T
进行比较，保留所有参数均大于阈值
T
的图像处理滤波器；针对保留的图像处理滤波器，依次计算其参数均值，并按照参数均值从大到小的顺序对图像处理滤波器进行排列，作为使用顺序；步骤
5、
对经过步骤4中保留的图像处理滤波器的参数进行反归一化处理，按照步骤4中的使用顺序对训练样本进行滤波处理；步骤
6、
计算滤波处理后的图像与训练标签之间的平均绝对误差
L
MAE
，作为损失函数，更新
Micro CNN
网络参数；步骤
7、
向训练后的
Micro CNN
网络输入待处理的交通标志图像，选择相应的图像处理滤波器对该交通标志图像进行处理，消除复杂天气的影响后用于下游的交通标志识别任务
。2.
如权利要求1所述一种用于复杂天气交通标志检测的自适应图像增强方法，其特征在于：所述图像处理滤波器包括白平衡滤波器
、
伽马滤波器
、
去雾滤波器
、
音调滤波器
、
直方图均衡滤波器
、
拉普拉斯滤波器
。3.
如权利要求2所述一种用于复杂天气交通标志检测的自适应图像增强方法，其特征在于：所述图像处理滤波器的工作机制为：
(1)
白平衡滤波器：
I
WB
(x,y)
＝
(W
b
B(x,y),W
g
G(x,y),W
r
R(x,y))
其中，
(x,y)
表示图像中的像素点位置，
I(x,y)
表示原始图像，
I
WB
(x,y)
表示经过白平衡滤波器的图像，
B(x,y)、G(x,y)
和
R(x,y)
分别表示原始图像
I(x,y)
中的三个颜色通道；
W
b
、W
g
、W
r
表示白平衡滤波器所需的三个参数，
(2)
伽马滤波器：
I
ga
(x,y)
＝
I(x,y)
γ
I
ga
(x,y)
表示经过伽马滤波器处理后的图像，
γ
为伽马滤波器的参数；
(3)
去雾滤波器：
I(x,y)
＝<...

【专利技术属性】
技术研发人员：高明裕，王俊帆，杨宇翔，董哲康，何志伟，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：