System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于过曝光图像中饱和像素检测,具体涉及一种基于图像显著特征的过曝光图像饱和像素检测方法及系统。
技术介绍
1、由于图像传感器动态范围(最大亮度与最小亮度的比值)的限制,拍摄场景中所有动态范围之内的光学信息无法全部被接收下来,错误的相机设置或在过亮的场景中拍摄的图像就可能出现过曝光现象。
2、为了恢复出过曝光区域的实际像素值,得到相应的高动态范围图像,首先需要定位出图像中的过曝光区域。传统的亮度阈值检测法在确定图像的局部过曝光区域时,主要有两种处理方法:基于图像灰度值的阈值检测法和基于图像彩色分量的阈值检测法。过曝光阈值可设置为一个先验值,再根据人眼视觉进行调整。这种事先设定阈值门限的方法,针对多种不同的过曝光图像,可能会把非过曝光区域也当成过曝光区域,有过度检测情况发生。如果为了避免过度检测而调高亮度阈值,就有可能存在漏检测的现象,影响检测质量。
技术实现思路
1、本专利技术所要解决的技术问题在于针对上述现有技术中的不足,提供一种基于图像显著特征的过曝光图像饱和像素检测方法及系统,用于解决过曝光区域到其相邻区域渐变的技术问题,检测出的图像中的过曝光点呈现出明显的区域性,且过曝光区域紧凑,表现出较强的整体性。
2、本专利技术采用以下技术方案:
3、基于图像显著特征的过曝光图像饱和像素检测方法,包括以下步骤:
4、s1、获取待检测图像,对图像显著特征进行提取,获得图像灰度对比度特征值、空间邻域特征值、亮度颜色特征值;
6、s3、当步骤s2得到的像素过曝光衡量指标ψ>0.5时,图像中对应像素点为过曝光点;
7、s4、根据步骤s3得到的过曝光点数占图像总像素点数的比例判定图像是否为过曝光图像。
8、具体的,步骤s1中,基于中心像素点局部m×n区域内的灰度值的平均方差计算图像灰度对比度特征值;基于中心像素点局部m×n区域内的亮度特征的平均值计算空间邻域特征;基于像素点亮度特征值与颜色特征值的线性加权和计算亮度颜色特征。
9、进一步的,图像对比度特征值clocal为:
10、
11、其中,g(i,j)为(i,j)处像素的灰度级,m、n为像素点(i,j)的局部m×n区域大小。
12、进一步的,空间邻域特征值v(p0)为:
13、
14、其中,l(p0)为区域中心像素的亮度特征值,sak为pk点与p0点之间的a通道颜色信息差的绝对值,sbk为pk点与p0点之间的b通道颜色信息差的绝对值,thre为设定空间邻域阈值,count为满足的邻域点数,l(pk)为pk的亮度特征值。
15、进一步的,亮度颜色特征值f(i,j)为:
16、f(i,j)=(l(i,j)-lδ)+(cδ-c(i,j))
17、其中,l(i,j)为像素点(i,j)的亮度特征值,c(i,j)为像素点(i,j)的颜色特征值的2范数,lδ与cδ表示过曝光区域的边界。
18、具体的,步骤s2中,基于sigmoid函数设计过曝光衡量指标ψ,通过步骤s1提取的图像显著特征值,训练求得对图像过曝光区域检测的分类器模型。
19、进一步的,过曝光衡量指标ψ(i,j)为:
20、ψ(i,j)=sigmod(α*(f(i,j)+ct+vt)+1)
21、其中,α为常数,f(i,j)为像素点(i,j)的亮度颜色特征值,ct为像素点(i,j)的图像对比度特征值与设定阈值之差,vt为像素点(i,j)的空间邻域特征值与设定阈值之差。
22、更进一步的,ct和vt的增大或c(i,j)的减小而增大的速率,具体为:
23、ct=clocal-ca
24、vt=vδ-v(i,j)
25、其中,clocal为图像对比度特征值,ca为图像对比度设定阈值,vδ为过曝光区域边界值,v(i,j)为空间邻域特征值。
26、具体的,步骤s4中,计算过曝光点数占图像总像素点数的比例值,并与设定的容忍阈值进行比较,当比例值大于容忍阈值时,则判定为过曝光图像。
27、第二方面,本专利技术实施例提供了基于图像显著特征的过曝光图像饱和像素检测系统,包括:
28、特征值模块,获取待检测图像,对图像显著特征进行提取,获得图像灰度对比度特征值、空间邻域特征值、亮度颜色特征值;
29、计算模块,根据特征值模块得到的图像灰度对比度特征值、空间邻域特征值、亮度颜色特征值计算像素过曝光衡量指标ψ;
30、判断模块,当计算模块得到的像素过曝光衡量指标ψ>0.5时,图像中对应像素点为过曝光点;
31、输出模块,根据判断模块得到的过曝光点数占图像总像素点数的比例判定图像是否为过曝光图像。
32、与现有技术相比,本专利技术至少具有以下有益效果:
33、基于图像显著特征的过曝光图像饱和像素检测方法,能够充分考虑图像色彩明艳程度对饱和度的影响,根据人眼视觉习惯,避免了单个及孤立像素点的干扰影响,解决了过曝光区域到其相邻区域的渐变问题,检测出的过曝光区域能够呈现区域性。
34、进一步的,本专利技术检测出的图像中的过曝光点呈现出明显的区域性,且过曝光区域更加紧凑,表现出较强的整体性。
35、可以理解的是,上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
36、综上所述,本专利技术检测方法操作简单,实用性强,无需经过大型数据集的训练测试,具有广阔的应用前景。
37、下面通过附图和实施例,对本专利技术的技术方案做进一步的详细描述。
本文档来自技高网...【技术保护点】
1.基于图像显著特征的过曝光图像饱和像素检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于图像显著特征的过曝光图像饱和像素检测方法,其特征在于,步骤S1中,基于中心像素点局部m×n区域内的灰度值的平均方差计算图像灰度对比度特征值;基于中心像素点局部m×n区域内的亮度特征的平均值计算空间邻域特征;基于像素点亮度特征值与颜色特征值的线性加权和计算亮度颜色特征。
3.根据权利要求2所述的基于图像显著特征的过曝光图像饱和像素检测方法,其特征在于,图像对比度特征值Clocal为:
4.根据权利要求2所述的基于图像显著特征的过曝光图像饱和像素检测方法,其特征在于,空间邻域特征值V(P0)为:
5.根据权利要求2所述的基于图像显著特征的过曝光图像饱和像素检测方法,其特征在于,亮度颜色特征值F(i,j)为:
6.根据权利要求1所述的基于图像显著特征的过曝光图像饱和像素检测方法,其特征在于,步骤S2中,基于sigmoid函数设计过曝光衡量指标Ψ,通过步骤S1提取的图像显著特征值,训练求得对图像过曝光区域检测的分类器模型。<
...【技术特征摘要】
1.基于图像显著特征的过曝光图像饱和像素检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于图像显著特征的过曝光图像饱和像素检测方法,其特征在于,步骤s1中,基于中心像素点局部m×n区域内的灰度值的平均方差计算图像灰度对比度特征值;基于中心像素点局部m×n区域内的亮度特征的平均值计算空间邻域特征;基于像素点亮度特征值与颜色特征值的线性加权和计算亮度颜色特征。
3.根据权利要求2所述的基于图像显著特征的过曝光图像饱和像素检测方法,其特征在于,图像对比度特征值clocal为:
4.根据权利要求2所述的基于图像显著特征的过曝光图像饱和像素检测方法,其特征在于,空间邻域特征值v(p0)为:
5.根据权利要求2所述的基于图像显著特征的过曝光图像饱和像素检测方法,其特征在于,亮度颜色特征值f(i,j)为:
6.根据权...
【专利技术属性】
技术研发人员:符均,陈涛,陈希,王一恒,刘岱欣,丁子硬,
申请(专利权)人:西安交通大学,
类型:发明
国别省市:
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。