CN111915527B - 基于多模板的自适应光照补偿方法 - Google Patents
基于多模板的自适应光照补偿方法 Download PDFInfo
- Publication number
- CN111915527B CN111915527B CN202010779145.1A CN202010779145A CN111915527B CN 111915527 B CN111915527 B CN 111915527B CN 202010779145 A CN202010779145 A CN 202010779145A CN 111915527 B CN111915527 B CN 111915527B
- Authority
- CN
- China
- Prior art keywords
- image
- images
- value
- gray
- featureless
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005286 illumination Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims abstract description 9
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 230000010339 dilation Effects 0.000 claims description 6
- 230000003628 erosive effect Effects 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 210000004291 uterus Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于多模板的自适应光照补偿方法,包括:连续采集图像,并求得任一图像的平均灰度值和灰度方差;根据图像的灰度方差划分为有特征的图像和无特征的图像,并得到有特征集合和无特征集合;根据无特征集合的平均灰度值进行等像素差值分箱;求得任一无特征集合的分箱的像素平均值,并得到平均值的图像;求得平均值的图像中的像素值的最大值,并利用像素值的最大值分别除以图像的每一个像素值,得到平均值的图像对应的系数矩阵;利用系数矩阵乘以任一张图像,得到补偿后的图像;对有特征集合的任一有特征的图像进行背景提取;对背景提取后的图像进行相邻无特征的图像寻找,并以相邻的无特征的图像作为模板进行补偿。
Description
技术领域
本发明涉及机场道面图像光照补偿技术领域,尤其是基于多模板的自适应光照补偿方法。
背景技术
随着现代化交通技术地不断发展,越来越多的机场建成并投入使用,机场跑道的服役年限也在逐年增加。随着机场跑道服役年限的推移,其也存在使用病害,因此,需要定期或/和不定期对机场跑道进行检查、养护,以保证飞机起降的安全性和使用效率。对机场跑道养护的前提是对跑道的运行状况进行检测和评估,所述检测包括表观检测和跑道内部检测。
本文所述的光照补偿是针对道面机器人作业,其使用LED射灯的面阵相机采集道面图像;现有技术中机场跑道养护绝大多数时晚上进行,那么,光照补偿是非常重要的。但是,现有技术中的道面图像采集存在以下问题:
第一,夜间采集打光造成图像灰度值从图像中心向四周递减情况;
第二,在白天采集受太阳光强度变化导致采集图像光照不均;
第三,相机增益曝光设置不稳定;
虽然,市面上也出现了光照补偿算法,如专利申请号为“201911204299.1”、名称为“一种核级环境下非均匀照明环境下的图像增强方法”的中国发明专利,再如专利申请号为“201811360206.X”、专利名称为“一种早孕子宫图像的自动分割处理方法”的中国发明专利;两者存在共同的缺点是:其是针对单张图进行补偿的方式,相当于针对每张图都有一个补偿矩阵,这样对单张图处理没有问题,但是不适用于本文中需要将这些带有时序信息的图像拼接起来,可能导致补偿后,每张图的光照情况都不一样,容易形成“斑点状”。
因此,急需要提出一种逻辑简单、补偿可靠的基于多模板的自适应光照补偿方法。
发明内容
针对上述问题,本发明的目的在于提供一种基于多模板的自适应光照补偿方法,本发明采用的技术方案如下:
基于多模板的自适应光照补偿方法,包括以下步骤:
连续采集图像,并求得任一图像的平均灰度值和灰度方差;
根据图像的灰度方差划分为有特征的图像和无特征的图像,并得到有特征集合和无特征集合;
根据无特征集合的平均灰度值进行等像素差值分箱;
求得任一无特征集合的分箱的像素平均值,并得到平均值的图像;
求得平均值的图像中的像素值的最大值,并利用像素值的最大值分别除以图像的每一个像素值,得到所述平均值的图像对应的系数矩阵;
利用系数矩阵乘以任一张图像,得到补偿后的图像;
对有特征集合的任一有特征的图像进行背景提取;
对背景提取后的图像进行相邻无特征的图像寻找,并以相邻的无特征的图像作为模板,进行补偿并得到补偿后的图像。
进一步地,所述根据图像的灰度方差划分为有特征的图像和无特征的图像,其采用预设灰度方差阈值,若图像的灰度方差大于预设灰度方差阈值,则属于有特征的图像;否则属于无特征的图像。
优选地,所述预设灰度方差阈值为10。
进一步地,所述等像素差值为d,其取值为大于4、且小于10的自然数;
所述无特征集合的分箱的数量为:
N=ceil((Mmax-Mmin)/d)
其中,ceil表示向上取整,Mmax表示无特征集合的图像平均灰度值的最大值,Mmin表示无特征集合的图像平均灰度值的最小值;
所述无特征集合的分箱范围为:
[Mmin,Mmin+d),[Mmin+d,Mmin+2d)…,[Mmin+(N-1)d,Mmin+Nd)。
进一步地,所述对有特征集合的任一有特征的图像进行背景提取,其表达式为:
优选地,所述腐蚀和膨胀公用的结构元素A采用5*5的卷积核。
与现有技术相比,本发明具有以下有益效果:
(1)本发明巧妙地采用多种模板来解决不同光照强度下问题,所有图像补偿出来都在同样一个亮度水平,有效的避免了出现“斑点状”整体不均匀的情况;
(2)本发明巧妙地利用图像采集时序关系,若在提取图像背景失效时,选取相邻图像光照模板,可以很好解决模板计算问题,这使得光照补偿更具有鲁棒性;
(3)本发明巧妙地根据灰度情况,计算出不同级别的光照模板。例如,对于光照较弱、灰度较暗的图,我们模板的补偿系数更大;对于光照较强、灰度较亮的图,我们模板的补偿系数更小;由此可见,本发明具有适用范围广的特点;
(4)本发明对于有特征的图像,先提取背景再进行相邻的无特征图像寻找,并采用相邻的无特征图像作为模板,其既能保证背景提取可靠,又能实现有特征的图像补偿;
综上所述,本发明具有逻辑简单、补偿可靠、计算工作量少等优点,在机场道面图像光照补偿技术领域具有很高的实用价值和推广价值。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需使用的附图作简单介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对保护范围的限定,对于本领域技术人员来说,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明的逻辑流程图。
图2为本发明采集的原始图像。
图3为本发明中同一个光照模板补偿和多光照模板补偿对比图。
具体实施方式
为使本申请的目的、技术方案和优点更为清楚,下面结合附图和实施例对本发明作进一步说明,本发明的实施方式包括但不限于下列实施例。基于本申请中的实施例,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的所有其他实施例,都属于本申请保护的范围。
实施例
如图1至图3所示,本实施例提供了一种基于多模板的自适应光照补偿方法,其包括以下步骤:
第一步,连续采集图像,并求得任一图像的平均灰度值和灰度方差;
(1)对于图像I,计算图像均值;
(2)将图像分成3*3块,每块图像记为Ii,1≤i≤9,这样更能关注到局部的灰度变化。
具体来说:计算每块的方差Ii,计算每个图像块的均值Mi和方差Si;
求出整个图像的图像平均灰度值M和灰度值的方差S,其表达式为:
M=∑Mi/9
S=max(Si)
第二步,根据图像的灰度方差划分为有特征的图像和无特征的图像,并得到有特征集合和无特征集合;其中,本实施例采用预设灰度方差阈值,预设灰度方差阈值取值为10。若图像的灰度方差大于预设灰度方差阈值,则属于有特征的图像;否则属于无特征的图像。
第三步,根据无特征集合的平均灰度值进行等像素差值分箱;在此,等像素差值为d,其取值为5;
那么,所述无特征集合的分箱的数量为:
N=ceil((Mmax-Mmin)/d)
其中,ceil表示向上取整,Mmax表示无特征集合的图像平均灰度值的最大值,Mmin表示无特征集合的图像平均灰度值的最小值;
在本实施例中,所述无特征集合的分箱范围为:
[Mmin,Mmin+d),[Mmin+d,Mmin+2d)…,[Mmin+(N-1)d,Mmin+Nd)。
对于无特征集合的补偿如下:
第四步,求得任一无特征集合的分箱的像素平均值,并得到平均值的图像;
第五步,求得平均值的图像中的像素值的最大值,并利用像素值的最大值分别除以图像的每一个像素值,得到所述平均值的图像对应的系数矩阵;
第六步,利用系数矩阵乘以任一张图像,得到补偿后的图像;
对于有特征集合的来说,其需要先将背景提取,其表达式为:
优选地,所述腐蚀和膨胀公用的结构元素A采用5*5的卷积核,每个值取1。
在本实施例中,对背景提取后的图像进行相邻无特征的图像寻找,并以相邻的无特征的图像作为模板,进行补偿并得到补偿后的图像。寻找到相邻的无特征的图像并执行无特征集合的补偿,最终得到有特征的图像补偿后的图像。
综上所述,本发明填补了在机场道面连续采集图像的光照补偿的技术空白,与现有技术相比,具体突出的实质性特点和显著的进步,在机场道面图像光照补偿技术领域具有很高的实用价值和推广价值。上述实施例仅为本发明的优选实施例,并非对本发明保护范围的限制,但凡采用本发明的设计原理,以及在此基础上进行非创造性劳动而作出的变化,均应属于本发明的保护范围之内。
Claims (6)
1.基于多模板的自适应光照补偿方法,其特征在于,包括以下步骤:
连续采集图像,并求得任一图像的平均灰度值和灰度方差;
根据图像的灰度方差划分为有特征的图像和无特征的图像,并得到有特征集合和无特征集合;
根据无特征集合的平均灰度值进行等像素差值分箱;
求得任一无特征集合的分箱的像素平均值,并得到平均值的图像;
求得平均值的图像中的像素值的最大值,并利用像素值的最大值分别除以图像的每一个像素值,得到所述平均值的图像对应的系数矩阵;
利用系数矩阵乘以任一张图像,得到补偿后的图像;
对有特征集合的任一有特征的图像进行背景提取;
对背景提取后的图像进行相邻无特征的图像寻找,并以相邻的无特征的图像作为模板,进行补偿并得到补偿后的图像。
2.根据权利要求1所述的基于多模板的自适应光照补偿方法,其特征在于,所述根据图像的灰度方差划分为有特征的图像和无特征的图像,其采用预设灰度方差阈值,若图像的灰度方差大于预设灰度方差阈值,则属于有特征的图像;否则属于无特征的图像。
3.根据权利要求2所述的基于多模板的自适应光照补偿方法,其特征在于,所述预设灰度方差阈值为10。
4.根据权利要求1所述的基于多模板的自适应光照补偿方法,其特征在于,所述等像素差值为d,其取值为大于4、且小于10的自然数;
所述无特征集合的分箱的数量为:
N=ceil((Mmax-Mmin)/d)
其中,ceil表示向上取整,Mmax表示无特征集合的图像平均灰度值的最大值,Mmin表示无特征集合的图像平均灰度值的最小值;
所述无特征集合的分箱范围为:
[Mmin,Mmin+d),[Mmin+d,Mmin+2d)…,[Mmin+(N-1)d,Mmin+Nd)。
6.根据权利要求5所述的基于多模板的自适应光照补偿方法,其特征在于,所述腐蚀和膨胀公用的结构元素A采用5*5的卷积核。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010779145.1A CN111915527B (zh) | 2020-08-05 | 2020-08-05 | 基于多模板的自适应光照补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010779145.1A CN111915527B (zh) | 2020-08-05 | 2020-08-05 | 基于多模板的自适应光照补偿方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111915527A CN111915527A (zh) | 2020-11-10 |
CN111915527B true CN111915527B (zh) | 2023-04-07 |
Family
ID=73288281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010779145.1A Active CN111915527B (zh) | 2020-08-05 | 2020-08-05 | 基于多模板的自适应光照补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111915527B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5268967A (en) * | 1992-06-29 | 1993-12-07 | Eastman Kodak Company | Method for automatic foreground and background detection in digital radiographic images |
CN101599172A (zh) * | 2008-06-06 | 2009-12-09 | 上海吉量软件科技有限公司 | 非均匀光照的文本图像的亮度补偿分割方法 |
CN104268831A (zh) * | 2014-09-12 | 2015-01-07 | 西安电子科技大学 | 海上阳光亮带干扰下的红外图像补偿方法 |
CN105447834A (zh) * | 2015-12-28 | 2016-03-30 | 浙江工业大学 | 一种基于特征分类的麻将图像光照不均校正方法 |
CN109544581A (zh) * | 2018-11-15 | 2019-03-29 | 湖南自兴智慧医疗科技有限公司 | 一种早孕子宫图像的自动分割处理方法 |
CN109615579A (zh) * | 2018-11-27 | 2019-04-12 | 成都圭目机器人有限公司 | 一种应用于使用led射灯的面阵相机的光照补偿算法 |
CN110046623A (zh) * | 2019-03-04 | 2019-07-23 | 青岛小鸟看看科技有限公司 | 一种图像特征点提取方法和相机 |
CN111179183A (zh) * | 2019-11-29 | 2020-05-19 | 北京时代民芯科技有限公司 | 一种核级环境下非均匀照明环境下的图像增强方法 |
CN111402283A (zh) * | 2020-02-25 | 2020-07-10 | 上海航天控制技术研究所 | 基于灰度方差导数的火星图像边缘特征自适应提取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100484479C (zh) * | 2005-08-26 | 2009-05-06 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像增强与斑点抑制方法 |
-
2020
- 2020-08-05 CN CN202010779145.1A patent/CN111915527B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5268967A (en) * | 1992-06-29 | 1993-12-07 | Eastman Kodak Company | Method for automatic foreground and background detection in digital radiographic images |
CN101599172A (zh) * | 2008-06-06 | 2009-12-09 | 上海吉量软件科技有限公司 | 非均匀光照的文本图像的亮度补偿分割方法 |
CN104268831A (zh) * | 2014-09-12 | 2015-01-07 | 西安电子科技大学 | 海上阳光亮带干扰下的红外图像补偿方法 |
CN105447834A (zh) * | 2015-12-28 | 2016-03-30 | 浙江工业大学 | 一种基于特征分类的麻将图像光照不均校正方法 |
CN109544581A (zh) * | 2018-11-15 | 2019-03-29 | 湖南自兴智慧医疗科技有限公司 | 一种早孕子宫图像的自动分割处理方法 |
CN109615579A (zh) * | 2018-11-27 | 2019-04-12 | 成都圭目机器人有限公司 | 一种应用于使用led射灯的面阵相机的光照补偿算法 |
CN110046623A (zh) * | 2019-03-04 | 2019-07-23 | 青岛小鸟看看科技有限公司 | 一种图像特征点提取方法和相机 |
CN111179183A (zh) * | 2019-11-29 | 2020-05-19 | 北京时代民芯科技有限公司 | 一种核级环境下非均匀照明环境下的图像增强方法 |
CN111402283A (zh) * | 2020-02-25 | 2020-07-10 | 上海航天控制技术研究所 | 基于灰度方差导数的火星图像边缘特征自适应提取方法 |
Non-Patent Citations (3)
Title |
---|
复杂背景下路面裂缝图像自动检测与识别算法研究;王澍;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20140315(第03期);I138-816 * |
多特征融合的阴影检测与光照补偿阴影去除算法研究;鞠子怡;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20200715(第07期);I138-922 * |
高动态多光照环境下图像灰度校正方法研究;郭永锋等;《科学技术与工程》;20170831;第17卷(第23期);第225-230页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111915527A (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108986119B (zh) | 图像分割方法及装置、计算机设备及可读存储介质 | |
CN107016677B (zh) | 一种基于fcn和cnn的云图分割方法 | |
CN105373794B (zh) | 一种车牌识别方法 | |
WO2016172827A1 (zh) | 一种逐步求精的路面裂缝检测方法 | |
CN104361589A (zh) | 一种基于尺度间映射的高分辨率遥感影像分割方法 | |
CN107895151A (zh) | 一种强光照条件下基于机器视觉的车道线检测方法 | |
CN103198319B (zh) | 用于矿山井筒环境下的模糊图像角点提取方法 | |
CN110866926B (zh) | 一种红外遥感图像快速精细海陆分割方法 | |
CN113326846B (zh) | 一种基于机器视觉的桥梁表观病害快速检测方法 | |
CN110427979B (zh) | 基于K-Means聚类算法的道路水坑识别方法 | |
CN113409267A (zh) | 一种基于深度学习的路面裂缝检测与分割方法 | |
CN1702684A (zh) | 高噪声图像特征点自动提取方法 | |
CN106447673A (zh) | 一种非均匀光照条件下的芯片引脚提取方法 | |
Pang et al. | Research on crack segmentation method of hydro-junction project based on target detection network | |
CN111524121A (zh) | 一种基于机器视觉技术的路桥病害自动检测方法 | |
CN111915527B (zh) | 基于多模板的自适应光照补偿方法 | |
CN107578414B (zh) | 一种路面裂缝图像的处理方法 | |
Widyantara et al. | Gamma correction-based image enhancement and canny edge detection for shoreline extraction from coastal imagery | |
CN117011302B (zh) | 一种基于煤矸识别的智能干选*** | |
CN103093241B (zh) | 基于同质化处理的光学遥感图像非匀质云层判别方法 | |
CN110751150A (zh) | 一种基于fpga的二值神经网络车牌识别方法及*** | |
CN115376106A (zh) | 基于雷达图的车型识别方法、装置、设备及介质 | |
Herumurti et al. | Automatic urban road extraction on DSM data based on fuzzy ART, region growing, morphological operations and Radon transform | |
Kurbatova | Road detection based on color and geometry characteristics | |
CN112651936A (zh) | 基于图像局部熵的钢板表面缺陷图像分割方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |