CN117097901B - 一种道路图像数据压缩存储方法 - Google Patents

Abstract

本发明涉及数据压缩技术领域，具体涉及一种道路图像数据压缩存储方法。该方法包括：采集道路图像，并将道路图像分割成多个像素块，基于像素块的混乱度获取像素块属于道路类别的置信度，根据置信度识别道路图像中的道路像素块；确定目标道路像素块链，对目标道路像素块链之外的道路像素块进行第一模糊程度的模糊化处理，对非道路像素块进行第二模糊程度的模糊化处理，得到道路图像被模糊化处理后的目标道路图像；对目标道路图像进行数据压缩处理得到压缩数据，将压缩数据发送至服务器中进行存储。本发明能够根据道路图像中不同区域信息的重要程度，对不同区域信息进行不同程度的模糊化处理，从而降低数据量，减轻数据传输和存储压力。

Description

一种道路图像数据压缩存储方法

技术领域

本发明涉及数据压缩技术领域，具体涉及一种道路图像数据压缩存储方法。

背景技术

在车辆导航和自动驾驶等场景中，需要采集大量的道路图像来获取道路信息，为车辆导航和自动驾驶提供道路数据，由于采集的道路图像数据量较大，通常需要对道路图像压缩处理，将压缩后的道路图像上传至服务器进行存储应用。

由于道路图像中不同区域信息的重要程度不同，比如，道路区域的信息相比于非道路区域的信息更为重要，可以根据不同区域信息的重要程度，对不同区域信息进行不同程度的模糊化处理，以在不影响道路图像使用的同时进一步降低道路图像的数据量。因此，如何根据道路图像中不同区域信息的重要程度，对道路图像中不同区域信息进行不同程度模糊化处理成为了需要解决的技术问题。

发明内容

为了解决如何根据道路图像中不同区域信息的重要程度，对道路图像中不同区域信息进行不同程度的模糊化处理的技术问题，本发明的目的在于提供一种道路图像数据压缩存储方法，所采用的技术方案具体如下：

本发明提出了一种道路图像数据压缩存储方法，所述方法包括：

采集道路图像，并对所述道路图像进行超像素分割，得到多个像素块；

根据所述像素块的亮度分布获取所述像素块的混乱度，基于所述混乱度获取所述像素块属于道路类别的置信度，根据所述置信度识别所述道路图像中的道路像素块；

从所述道路图像的末行道路像素块中确定基准道路像素块，按照设定延伸规则在所述基准道路像素块上方进行延伸，得到候选道路像素块链；

获取所述候选道路像素块链的重要程度，确定所述重要程度最大的候选道路像素块链为目标道路像素块链；

对所述目标道路像素块链之外的道路像素块进行第一模糊程度的模糊化处理，以及对非道路像素块进行第二模糊程度的模糊化处理，得到所述道路图像被模糊化处理后的目标道路图像，其中，所述第一模糊程度小于所述第二模糊程度；

对所述目标道路图像进行数据压缩处理得到压缩数据，将所述压缩数据发送至服务器中进行存储。

在一些实施例中，所述根据所述像素块的亮度分布获取所述像素块的混乱度，包括：

获取所述像素块中像素点的亮度值，根据所述亮度值对所述像素块进行亮度区域划分得到至少一个亮度区域；

确定所述像素块的第一中心点，以所述第一中心点为坐标原点建立第一坐标系；

获取所述第一坐标系中每个象限的亮度区域数量，确定所述亮度区域数量最小的象限为目标象限，确定所述目标象限的亮度区域数量为目标亮度区域数量；

获取所述至少一个亮度区域的亮度值均值，并计算每个亮度值均值的数量与亮度值均值总数量之间的第一数量比例；

获取所述至少一个亮度区域的第二中心点与所述第一中心点之间的目标距离，并计算每个目标距离的数量与目标距离总数量之间的第二数量比例；

根据所述第一数量比例、所述第二数量比例和所述目标亮度区域数量，获取所述混乱度。

在一些实施例中，所述根据所述第一数量比例、所述第二数量比例和所述目标亮度区域数量，获取所述混乱度，包括：其中，/>为道路图像中第/>个像素块的混乱度，/>为第/>个像素块的目标亮度区域数量，/>为像素块的索引，/>为第/>个亮度值均值的第一数量比例，/>为亮度值均值的索引，/>为不同亮度值均值的数量，/>为第个目标距离的第二数量比例，/>为目标距离的索引，/>为不同目标距离的数量，/>为对数函数。

在一些实施例中，所述基于所述混乱度获取所述像素块属于道路类别的置信度，包括：

基于所述混乱度，获取所述像素块与所述像素块的相邻像素块之间的混乱度差异；

获取所述像素块的灰度值均值，根据所述灰度值均值、所述混乱度和所述混乱度差异，获取所述置信度。

在一些实施例中，所述根据所述灰度值均值、所述混乱度和所述混乱度差异，获取所述置信度，包括：

根据置信度公式获取所述置信度，其中，所述置信度公式包括：其中，/>为道路图像中第/>个像素块属于道路类别的置信度，/>为第/>个像素块的混乱度，/>为第/>个像素块的灰度值均值，/>为第/>个像素块的第/>个相邻像素块的混乱度，/>为第/>个像素块的相邻像素块的索引，/>为第/>个像素块的相邻像素块的数量，/>和/>为设定权重系数。

在一些实施例中，所述从所述道路图像的末行道路像素块中确定基准道路像素块，包括：

从所述末行道路像素块中确定位于中心位置的道路像素块为中心道路像素块；

确定所述中心道路像素块和所述中心道路像素块两侧的相邻道路像素块为所述基准道路像素块。

在一些实施例中，所述按照设定延伸规则在所述基准道路像素块上方进行延伸，得到候选道路像素块链，包括：

获取所述基准道路像素块与所述基准道路像素块上方的邻域像素块之间的灰度均值差值；

确定所述灰度均值差值处于设定差值范围内的邻域像素块为候选延伸像素块，确定所述混乱度最大的候选延伸像素块为目标延伸像素块；

将所述目标延伸像素块作为所述基准道路像素块进行下一次延伸，直至所述灰度值均值差值未处于所述设定差值范围时结束延伸，得到所述候选道路像素块链。

在一些实施例中，所述获取所述候选道路像素块链的重要程度，包括：

根据所述候选道路像素块链中的道路像素块的位置序号和混乱度建立第二坐标系，并将所述候选道路像素块链中的道路像素块对应的坐标点映射于所述第二坐标系中；

对所述第二坐标系中的坐标点进行线性拟合处理得到拟合直线；

根据所述拟合直线的斜率和截距，获取所述重要程度。

在一些实施例中，所述根据所述拟合直线的斜率和截距，获取所述重要程度，包括：

根据重要程度公式获取所述重要程度，其中所述重要程度公式，包括：其中，/>为第/>个候选道路像素块链的重要程度，/>为候选道路像素块链的索引，/>为第/>个候选道路像素块链的拟合直线的斜率，/>为第/>个候选道路像素块链的拟合直线的截距，/>为第/>个候选道路像素块链中第/>个像素块的横坐标，/>为第/>个候选道路像素块链中第/>个像素块的纵坐标，/>为第/>个候选道路像素块链中的道路像素块的索引，/>为第/>个候选道路像素块链中道路像素块的数量。

本发明具有如下有益效果：本发明实施例中，通过对道路图像进行超像素分割得到多个像素块，可以将道路区域和非道路区域区分开，以便于后续道路像素块的识别。混乱度反映了像素块内部亮度分布的混乱程度，由于位于道路区域内的像素块的亮度分布较为混乱，通过混乱度获取像素块属于道路像素块属于道路类别的置信度，准确性较高，为道路像素块的识别提供了可靠依据。目标道路像素块链反映了道路方向，目标道路像素块链的区域信息属于重要信息，通过确定道路图像中的目标道路像素块链，并保留目标道路像素块链中的道路像素块，不进行模糊化处理，能够在道路图像被应用时为道路方向的识别提供标签依据。由于道路区域中目标道路像素块链之外的区域信息属于次重要信息，通过对道路图像中目标道路像素块链之外的道路像素块进行程度较轻的模糊化处理，能够在降低数据量的同时对此区域的信息进行一定程度的保留。由于非道路区域的信息为非重要信息，通过对非道路像素块进行较高程度的模糊化处理，能够降低道路图像的数据量。由此，能够根据道路图像中不同区域信息的重要程度，对不同区域信息进行不同程度的模糊化处理，从而降低数据量，减轻数据传输和存储压力。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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它附图。

图1为本发明一个实施例所提供的一种道路图像数据压缩存储方法的流程示意图；

图2为图像采集装置的安装位置示意图；

图3为道路图像的示意图；

图4为道路图像的超像素分割示意图；

图5为目标道路像素块链的示意图；

图6为目标道路图像的示意图。

实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种道路图像数据压缩存储方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种道路图像数据压缩存储方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种道路图像数据压缩存储方法的流程示意图，该方法包括以下步骤：

S101，采集道路图像，并对道路图像进行超像素分割，得到多个像素块。

本发明实施例中，图2为图像采集装置的安装位置示意图，如图2所示，可以将图像采集装置安装于车辆内部，在车辆在道路上行驶时，通过图像采集装置采集道路图像，其中，道路图像包括道路区域和非道路区域。一些实现中，为了采集到完整的道路图像可以将图像采集装置安装于车辆挡风玻璃后的中间位置。图3为道路图像的示意图，通过车辆上的图像采集装置可以采集如图3所示的道路图像。

一些实施例中，可以采用超像素分割算法将道路图像分割成多个像素块。可选地，超像素分割算法包括但不限于简单的线性迭代聚类（Simple Linear IterativeClustering，SLIC）算法。图4为道路图像的超像素分割示意图，在对道路图像进行超像素分割后，可以得到如图4所示的道路图像。

本发明实施例中，采集的道路图像中，除了道路区域外还存在较多的非道路区域，例如植被、山丘、云等，从视觉角度上看，道路区域与非道路区域的区别较为明显。超像素分割是基于视觉角度将道路图像分割为不规则像素块，通过相邻像素之间纹理、灰度、亮度等特征的相似性将道路图像分割成多个不规则的像素块，可以最大程度的将道路对应的区域用像素块分割出来，以便于后续对道路区域的识别。

S102，根据像素块的亮度分布获取像素块的混乱度，基于混乱度获取像素块属于道路类别的置信度，根据置信度识别道路图像中的道路像素块。

本发明实施例中，道路通常由沥青或混凝土铺制而成，由于道路材料的特殊性，在道路图像中表现为密集的斑点，道路区域内像素块的混乱度较高。

本发明实施例中，根据像素块的亮度分布获取像素块的混乱度，包括以下步骤：

S201，获取像素块中像素点的亮度值，根据亮度值对像素块进行亮度区域划分得到至少一个亮度区域。

可以将道路图像转换成HSV图像，其中，HSV分别表示色相、饱和度和亮度，然后获取HSV图像中每个像素点的在V颜色通道下的亮度值。

一些实施例中，针对像素块内的每个像素点，可以获取该像素点与该像素点的相邻像素点之间的亮度值差值，若该亮度值差值处于设定亮度范围内，则确定该像素点和该相邻像素点的亮度相同，相应地，该像素点和该相邻像素点为相同亮度像素点，若该亮度差值未处于设定亮度范围内，则确定该像素点和该相邻像素点的亮度不同，相应地，该像素点和该相邻像素点为非相同亮度像素点。在确定像素块中的相同亮度像素点后，可以将相同亮度像素点连接成的区域作为对应亮度的亮度区域，以此方式对像素块进行亮度区域划分得到至少一个亮度区域。

需要说明的是，本发明实施例中，设定亮度范围可以根据实际需求进行设定，此处不做任何限定，可选地，设定亮度范围可以为[-3，3]。

S202，确定像素块的第一中心点，以第一中心点为坐标原点建立第一坐标系。

一些实施例中，可以调用跨平台的计算机视觉处理开源软件库（Open SourceComputer Vision Library，OpenCV）识别像素块的第一中心点，并获取第一中心点的位置信息，然后以第一中心点为原点建立第一坐标系，例如，可以以第一中心点为原点，水平向右的方向为横坐标轴的正方向，垂直向上的方向为纵坐标轴的正方向，建立第一坐标系。

S203，获取第一坐标系中每个象限的亮度区域数量，确定亮度区域数量最小的象限为目标象限，确定目标象限的亮度区域数量为目标亮度区域数量。

S204，获取至少一个亮度区域的亮度值均值，并计算每个亮度值均值的数量与亮度值均值总数量之间的第一数量比例。其中，亮度值均值总数量与亮度区域的数量相等。

一些实施例中，在获取亮度值均值后，可以将亮度值均值按照从小到大或者从大到小的顺序排列，得到亮度值均值序列，然后计算亮度值均值序列中每个亮度值均值的数量与亮度值均值总数量之间的第一数量比例。

S205，获取至少一个亮度区域的第二中心点与第一中心点之间的目标距离，并计算每个目标距离的数量与目标距离总数量之间的第二数量比例。其中，目标距离总数量与亮度区域的数量相等。

一些实施例中，在获取目标距离后，可以将目标距离按照从小到大或者从大到小的顺序排列，得到目标距离序列，然后计算目标距离序列中每个目标距离的数量与目标距离总数量之间的第二数量比例。一些实现中，可以调用OpenCV识别亮度区域的第二中心点，并确定第二中心点在第一坐标系中的位置信息，根据第二中心点的第一坐标系中的位置信息，获取第二中心点与第一坐标系的坐标原点之间的距离作为第二中心点与第二中心点之间的目标距离。

S206，根据第一数量比例、第二数量比例和目标亮度区域数量，获取混乱度。

可选地，根据混乱度公式获取混乱度，其中，混乱度公式包括：其中，/>为道路图像中第/>个像素块的混乱度，/>为第/>个像素块的目标亮度区域数量，/>为像素块的索引，/>为第/>个亮度值均值的第一数量比例，/>为亮度值均值的索引，/>为不同亮度值均值的数量，/>为第/>个目标距离的第二数量比例，/>为目标距离的索引，/>为不同目标距离的数量，/>为对数函数。

需要说明的是，混乱度公式中不同亮度值均值的数量可以为亮度值均值序列中亮度值均值的数量，不同目标距离的数量/>可以为目标距离序列中目标距离的数量。

上述混乱度公式中，目标亮度区域数量越大，表明像素块内的不同亮度区域越多且不同亮度区域的分布越均匀，但是在像素块内不同亮度区域的分布越均匀时，像素块内部整体的亮度分布越不均匀，在相应地，像素块的亮度分布混乱度/>越大；目标亮度区域数量/>越小，表明像素块内的不同亮度区域越少，不同亮度区域的分布越不均匀，但是在像素块内不同亮度区域的分布越不均匀时，像素块内部整体的亮度分布越不均匀，相应地，像素块的亮度分布混乱度/>越小，因此，混乱度/>与目标亮度区域数量/>呈正相关关系。

表示像素块的亮度信息熵，亮度信息熵越大，像素块内部的亮度分布越混乱，相应地，混乱度/>越小，亮度信息熵越小，像素块内部的亮度分布越均匀，相应地，混乱度/>越大，因此，混乱度/>与/>呈负相关关系。

反映了像素块内像素点的亮度值分布的区间范围，亮度值分布的区间范围越大，/>的值越大，则像素块的混乱度越大；亮度值分布的区间范围越小，/>的值越小，则像素块的混乱度越小，因此混乱度/>与呈正相关关系。

本发明实施例中，通过考虑混乱度分别与目标亮度区域数量、/>和/>之间的相关关系构建混乱度公式，充分考虑了像素块内亮度分布的不同影响因素，比如像素块内不同亮度区域的数量、亮度区域分布的均匀性、亮度区域的分布范围以及像素块内像素点的亮度值分布的区域范围，提高了混乱度的准确性，为后续置信度的获取提供了可靠数据。

由于道路图像被划分成了多个像素块，可能会存在非道路区域的像素块与道路区域的像素块之间的混乱度相似的情况，通过混乱度无法判断像素块是否为道路像素块，需要进一步获取像素块属于道路像素块的置信度，根据置信度判断像素块是否为道路像素块。

进一步地，本发明实施例中，基于混乱度获取像素块属于道路类别的置信度，包括：基于混乱度，获取像素块与像素块的相邻像素块之间的混乱度差异，获取像素块的灰度值均值，根据灰度值均值、混乱度和混乱度差异，获取置信度。

一些实施例中，可以通过加权平均法将道路图像转换成灰度图像，并获取灰度图像中每个像素点的灰度值，然后根据每个像素块中的像素点的灰度值，计算该像素块的灰度值均值，然后根据灰度值均值、混乱度和混乱度差异，获取置信度。

可选地，根据置信度公式获取置信度，其中，置信度公式包括：其中，/>为道路图像中第/>个像素块属于道路类别的置信度，/>为第/>个像素块的混乱度，/>为像素块的索引，/>为第/>个像素块的灰度值均值，/>为第/>个像素块的第个相邻像素块的混乱度，/>为第/>个像素块的相邻像素块的索引，/>为第/>个像素块的相邻像素块的数量，/>和/>为设定权重系数。

需要说明的是，本发明实施例中，和/>可以根据实际需求进行设定，此处不做任何限定，可选地，/>，/>=0.3。

在获取像素块的置信度后，若置信度大于或等于设定阈值，则确定该像素块为道路像素块，若置信度小于设定阈值，则确定该像素块为非道路像素块。可选地，设定阈值可以为0.8。

可以理解的是，在日常场景的道路图像中，道路区域的像素点灰度值较低，因此，像素块的灰度值均值越小，则像素块属于道路像素块的置信度越大，相应地，像素块的灰度值均值越大，则像素块属于道路像素块的置信度越小，也即是说，像素块属于道路像素块的置信度与像素块的灰度值均值呈负相关关系。由于道路像素块之间亮度分布具有一定的相似性，像素块与其相邻像素块之间的混乱度差异越小，表明该像素块与其相邻像素块之间的相似度越大，则该像素块属于道路像素块的置信度越大；像素块与其相邻像素块之间的混乱度差异越大，表明该像素块与其相邻像素块之间的相似度越小，则该像素块属于道路像素块的置信度越小。另外，像素块的混乱度越大，像素块属于道路像素块的置信度越大，像素块的混乱度越小，像素块属于道路像素块的置信度越小。上述置信度公式引入了混乱度、像素块的灰度值均值/>以及像素块与其相邻像素块之间的混乱度差异，通过置信度与这些变量因素之间的关系计算像素块属于道路像素块的置信度，提高了置信度的准确性。

S103，从道路图像的末行道路像素块中确定基准道路像素块，按照设定延伸规则在基准道路像素块上方进行延伸，得到候选道路像素块链。

由于拍摄时的透视成像原理，对应事物距离采集点越远，相对应尺度越大，即对应在图像中越模糊，因此道路对应由近至远时，对应的像素分布特征会呈现一定趋势的变化，根据该趋势性变化可以判断道路对应的延伸方向。由于道路图像下方的道路区域面积较大，位于道路图像最下方的中间区域的像素块通常为道路像素块。

一些实施例中，从末行道路像素块中确定位于中心位置的道路像素块为中心道路像素块，确定中心道路像素块和中心道路像素块两侧的相邻道路像素块为基准道路像素块。其中，末行道路像素块为道路图像最下方一行的道路像素块。

本发明实施例中，选取中心道路像素块和相邻道路像素块为基准道路像素块，能够保证后续候选道路像素块链中存在准确指向道路延伸方向的道路像素块链。

进一步地，本发明实施例中，按照设定延伸规则在基准道路像素块上方进行延伸，得到候选道路像素块链，包括：获取基准道路像素块与基准道路像素块上方的邻域像素块之间的灰度均值差值，确定灰度均值差值处于设定差值范围内的邻域像素块为候选延伸像素块，确定混乱度最大的候选延伸像素块为目标延伸像素块，将目标延伸像素块作为基准道路像素块进行下一次延伸，直至灰度值均值差值未处于设定差值范围时结束延伸，得到候选道路像素块链。

其中，邻域像素块可以为8邻域像素块。

需要说明的是，设定差值范围可以根据实际需求进行设定，此处不做任何限定，可选地，设定差值范围可以为[-5,5]。

本发明实施例中，在以基准道路像素块为基准向上方进行延伸时，确定基准道路像素块与基准道路像素块上方的邻域像素块之间的灰度均值差值，将灰度均值差值处于设定差值范围内的邻域像素块作为候选延伸像素块，并从候选延伸像素块中确定混乱度最大的候选延伸像素块为目标延伸像素块，然后将目标延伸像素块作为基准道路像素块，重复之前的延伸步骤，进行下一次的延伸，直至未存在灰度值均值差值未处于设定差值范围内的领域像素块时结束延伸，得到候选道路像素块链。

在获取候选道路像素块链之后，可以从候选像素块链中选取目标道路像素块链用于指示道路的延伸方向。

S104，获取候选道路像素块链的重要程度，确定重要程度最大的候选道路像素块链为目标道路像素块链。

本发明实施例中，获取候选道路像素块链的重要程度，包括以下步骤：

S301，根据候选道路像素块链中的道路像素块的位置序号和混乱度建立第二坐标系，并将候选道路像素块链中的道路像素块对应的坐标点映射于第二坐标系中。

一些实施例中，可以以候选道路像素块链中的道路像素块的位置序号为横坐标，候选道路像素块链中的道路像素块的混乱度为纵坐标建立第二坐标系，或者，还可以以候选道路像素块链中的道路像素块的位置序号为纵坐标，候选道路像素块链中的道路像素块的混乱度为横坐标建立第二坐标系，然后将候选道路像素块链中的道路像素块对应的坐标点映射于第二坐标系中。

S302，对第二坐标系中的坐标点进行线性拟合处理得到拟合直线。

S303，根据拟合直线的斜率和截距，获取重要程度。

示例性的，可以对第二坐标系中的坐标点进行线性拟合处理得到拟合直线：，其中，/>为拟合直线的斜率，/>为拟合直线的截距。

可选地，根据重要程度公式获取重要程度，其中，重要程度公式，包括：其中，/>为候选道路像素块链的重要程度，/>为第/>个候选道路像素块链的拟合直线的斜率，/>为第/>个候选道路像素块链的拟合直线的截距，/>为第/>个候选道路像素块链中第/>个像素块的横坐标，/>为第/>个候选道路像素块链中第/>个像素块的纵坐标，/>为第/>个候选道路像素块链中像素块的数量。

上述重要程度公式中，为拟合直线的斜率，斜率的绝对值越大，对应区域上呈现一定趋势性的概率越大，则对应的候选道路像素块链的延伸方向越准确，相应地，候选道路像素块链的重要程度越大。表示第二坐标系中的坐标点到拟合直线的距离，该距离越小表明呈现出的趋势性越稳定，则对应的候选道路像素块链的延伸方向越准确，相应地，候选道路像素块链的重要程度越大。

本发明实施例中，图5为目标道路像素块链的示意图，如图5所示，通过候选道路像素块链的重要程度能够从候选道路像素块链中选出最优的道路像素块链作为目标道路像素块链，以通过目标道路像素块链准确地指示道路的延伸方向。

S105，对目标道路像素块链之外的道路像素块进行第一模糊程度的模糊化处理，以及对非道路像素块进行第二模糊程度的模糊化处理，得到道路图像被模糊化处理后的目标道路图像，其中，第一模糊程度小于第二模糊程度。

一些实施例中，可以通过第一设定模糊核对目标道路像素块链之外的道路像素块进行第一模糊程度的高斯模糊处理，即对道路图像中的道路区域进行第一模糊程度的高斯模糊处理，以及通过第二设定模糊核对非道路像素块进行第二模糊程度的高斯模糊化处理，即对道路图像中的非道路区域进行第二模糊程度的高斯模糊处理，得到道路图像被模糊化处理后的目标道路图像。其中，第一设定模糊核的sigma小于第二设模糊核的sigma，可选地，第一设定模糊核的sigma可以为1，第二设定模糊核的sigma可以为3。图6为目标道路图像的示意图，可以对图3所示的道路图像进行模糊化处理，得到图6所示的目标道路图像。

本发明实施例中，道路图像中目标道路像素块链可以用于指示道路的延伸方向，因此，未对目标道路像素块链进行模糊化处理。其中，非道路区域为非重要信息，对非道路区域进行模糊程度较高的模糊化处理能够降低道路图像的数据量，道路区域中可能包含有重要信息，比如车道线等信息，因此对道路图像中道路区域进行较低程度的模糊化处理，由于对道路图像中道路区域进行较低程度的模糊化处理，并不会影响道路区域中重要信息的识别，能够在保留道路区域的重要信息的同时，降低道路图像的数据量。

S106，对目标道路图像进行数据压缩处理得到压缩数据，将压缩数据发送至服务器中进行存储。

在得到目标道路图像之后，可以对目标道路图像进行数据压缩处理得到压缩数据，然后将压缩数据发送至服务器中，存储于服务器的存储空间中。

综上所述，本发明实施例中，通过对道路图像进行超像素分割得到多个像素块，可以将道路区域和非道路区域区分开，以便于后续道路像素块的识别。混乱度反映了像素块内部亮度分布的混乱程度，由于位于道路区域内的像素块的亮度分布较为混乱，通过混乱度获取像素块属于道路像素块属于道路类别的置信度，准确性较高，为道路像素块的识别提供了可靠依据。目标道路像素块链反映了道路方向，目标道路像素块链的区域信息属于重要信息，通过确定道路图像中的目标道路像素块链，并保留目标道路像素块链中的道路像素块，不进行模糊化处理，能够在道路图像被应用时为道路方向的识别提供标签依据。由于道路区域中目标道路像素块链之外的区域信息属于次重要信息，通过对道路图像中目标道路像素块链之外的道路像素块进行程度较轻的模糊化处理，能够在降低数据量的同时对此区域的信息进行一定程度的保留。由于非道路区域的信息为非重要信息，通过对非道路像素块进行较高程度的模糊化处理，能够降低道路图像的数据量。由此，能够根据道路图像中不同区域信息的重要程度，对不同区域信息进行不同程度的模糊化处理，从而降低数据量，减轻数据传输和存储压力。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (5)

1.一种道路图像数据压缩存储方法，其特征在于，所述方法包括：

采集道路图像，并对所述道路图像进行超像素分割，得到多个像素块；

根据所述像素块的亮度分布获取所述像素块的混乱度，基于所述混乱度获取所述像素块属于道路类别的置信度，根据所述置信度识别所述道路图像中的道路像素块；

从所述道路图像的末行道路像素块中确定基准道路像素块，按照设定延伸规则在所述基准道路像素块上方进行延伸，得到候选道路像素块链；

获取所述候选道路像素块链的重要程度，确定所述重要程度最大的候选道路像素块链为目标道路像素块链；

对所述目标道路像素块链之外的道路像素块进行第一模糊程度的模糊化处理，以及对非道路像素块进行第二模糊程度的模糊化处理，得到所述道路图像被模糊化处理后的目标道路图像，其中，所述第一模糊程度小于所述第二模糊程度；

对所述目标道路图像进行数据压缩处理得到压缩数据，将所述压缩数据发送至服务器中进行存储；

根据所述像素块的亮度分布获取所述像素块的混乱度，包括：

获取所述像素块中像素点的亮度值，根据所述亮度值对所述像素块进行亮度区域划分得到至少一个亮度区域；

确定所述像素块的第一中心点，以所述第一中心点为坐标原点建立第一坐标系；

获取所述第一坐标系中每个象限的亮度区域数量，确定所述亮度区域数量最小的象限为目标象限，确定所述目标象限的亮度区域数量为目标亮度区域数量；

获取所述至少一个亮度区域的亮度值均值，并计算每个亮度值均值的数量与亮度值均值总数量之间的第一数量比例；

获取所述至少一个亮度区域的第二中心点与所述第一中心点之间的目标距离，并计算每个目标距离的数量与目标距离总数量之间的第二数量比例；

根据所述第一数量比例、所述第二数量比例和所述目标亮度区域数量，获取所述混乱度；

所述根据所述第一数量比例、所述第二数量比例和所述目标亮度区域数量，获取所述混乱度，包括：其中，/>为道路图像中第/>个像素块的混乱度，/>为第/>个像素块的目标亮度区域数量，/>为像素块的索引，/>为第/>个亮度值均值的第一数量比例，/>为亮度值均值的索引，/>为亮度值均值总数量，/>为第/>个目标距离的第二数量比例，/>为目标距离的索引，/>为目标距离总数量，/>为对数函数；

所述获取所述候选道路像素块链的重要程度，包括：

根据所述候选道路像素块链中的道路像素块的位置序号和混乱度建立第二坐标系，并将所述候选道路像素块链中的道路像素块对应的坐标点映射于所述第二坐标系中；

对所述第二坐标系中的坐标点进行线性拟合处理得到拟合直线；

根据所述拟合直线的斜率和截距，获取所述重要程度；

所述根据所述拟合直线的斜率和截距，获取所述重要程度，包括：

根据重要程度公式获取所述重要程度，其中所述重要程度公式，包括：其中，/>为第/>个候选道路像素块链的重要程度，/>为候选道路像素块链的索引，/>为第/>个候选道路像素块链的拟合直线的斜率，/>为第/>个候选道路像素块链的拟合直线的截距，/>为第/>个候选道路像素块链中第/>个像素块的横坐标，/>为第/>个候选道路像素块链中第/>个像素块的纵坐标，/>为第/>个候选道路像素块链中的道路像素块的索引，/>为第/>个候选道路像素块链中道路像素块的数量。

2.根据权利要求1所述的方法，其特征在于，所述基于所述混乱度获取所述像素块属于道路类别的置信度，包括：

基于所述混乱度，获取所述像素块与所述像素块的相邻像素块之间的混乱度差异；

获取所述像素块的灰度值均值，根据所述灰度值均值、所述混乱度和所述混乱度差异，获取所述置信度。

3.根据权利要求2所述的方法，其特征在于，所述根据所述灰度值均值、所述混乱度和所述混乱度差异，获取所述置信度，包括：

根据置信度公式获取所述置信度，其中，所述置信度公式包括：其中，/>为道路图像中第/>个像素块属于道路类别的置信度，/>为第/>个像素块的混乱度，/>为第/>个像素块的灰度值均值，/>为第/>个像素块的第/>个相邻像素块的混乱度，/>为第/>个像素块的相邻像素块的索引，/>为第/>个像素块的相邻像素块的数量，/>和/>为设定权重系数。

4.根据权利要求1所述的方法，其特征在于，所述从所述道路图像的末行道路像素块中确定基准道路像素块，包括：

从所述末行道路像素块中确定位于中心位置的道路像素块为中心道路像素块；

确定所述中心道路像素块和所述中心道路像素块两侧的相邻道路像素块为所述基准道路像素块。

5.根据权利要求1或4所述的方法，其特征在于，所述按照设定延伸规则在所述基准道路像素块上方进行延伸，得到候选道路像素块链，包括：

获取所述基准道路像素块与所述基准道路像素块上方的邻域像素块之间的灰度均值差值；

确定所述灰度均值差值处于设定差值范围内的邻域像素块为候选延伸像素块，确定所述混乱度最大的候选延伸像素块为目标延伸像素块；

将所述目标延伸像素块作为所述基准道路像素块进行下一次延伸，直至所述灰度值均值差值未处于所述设定差值范围时结束延伸，得到所述候选道路像素块链。