PBCCD模型和MSRCR算法的道路图像偏色检测与矫正

发布时间：2020-05-10 21:57

【摘要】：随着国家大力建造公路,道路管理信息化已经逐步开始应用到实际中。在道路信息化管理过程中,摄像机是数据采集主要设备,保证摄像机的正常工作才能保证道路信息化管理正常进行。本文主要研究道路视频图像的色彩失真检测和矫正还原。首先,本文提出分治偏色检测模型(PBCCD)。在色彩理论上分析本文背景,得出道路视频图像具有中性色调、色阶分布不均匀、对比度小、饱和度低、偏色类型不确定等特点。并根据已有的偏色检测算法检测道路视频图像,虽然能够检测出大部分一般偏色图像,但是对于图像部分偏色等情况不能检测。本文提出PBCCD模型,本模型包含根据视频图像的特点选择合适的色彩空间YUV,通过将灰色理论应用于YUV色彩空间,将道路背景和前景分离;根据图像部分偏色情况,使用DFS算法对图像进行分割,从而进行分治处理,达到有效处理部分偏色的目的;因为YUV色彩空间能够更有效的反映道路视频的常有偏色,所以提取图像在YUV色彩空间下的特征值,使用SVM方法将偏色图像和正常图像进行二分类。其次,提出自适应增益MSRCR算法(AG-MSRCR)。经过实验对比,MSRCR算法有较好的矫正效果,但是会保留图像的偏色数据,据此,本文提出AG-MSRCR算法,在对数域得到的反射图像数据下,改变原来算法中固定的色彩增益参数β,调整为自适应色彩增益参数β_i,使其能够根据图像整体情况增益色彩,达到解决图像因偏色导致的色彩失衡的问题。通过将AG-MSRCR算法实现并使用实际图像进行测试,该算法能更好的对偏色图像进行色彩矫正。将AG-MSRCR算法与PBCCD模型结合,对分割后的图像进行偏色矫正,然后拼接还原图像。为了消除拼接后图像出现明显边界的问题,本文提出一种图像线性拼接方法,该方法根据过渡区域线性拼接图像,使得到的图像在拼接部分平滑过渡。最后通过对PBCCD模型和AG-MSRCR算法在算法性能上进行分析,在OpenCV环境下实现本模型和改进后的算法,并通过与GW、等效圆等现有的偏色检测算法和GW矫正、MSRCR等偏色矫正算法进行对比。本文的PBCCD模型的偏色检测准确度为94.99%,高于现有偏色检测算法;本文提出的AG-MSRCR算法相比于现有比如GW矫正、MSRCR等偏色矫正算法,有更好的矫正效果。
【图文】：

计算图,灰色,世界,偏色

这样蓝色红色色度值互补，造成三个色彩非常接近，甚至比正常图像还接近平均值。图 2-1 是道路图像的正常、严重偏色、部分偏色等四种情况的对比，经过使用灰色世界的公式，计算图 2-1 中（a）（b）（c）（d）的结果见表 2-1。表 2-1 灰色世界偏色因子结果对比图像名称rVgVbV Φ C（a） 134 133 134 134 0.24（b） 133 137 134 135 2.75（c） 117 116 94 109 115（d） 118 137 196 151 1115

分析图,分析图,偏色,直方图

正常图像因为树叶部分的B值和房屋部分的B值都较小，使得整个图像的B值偏小，，从而偏色因子偏大。2.2.2 直方图直方图方法是在色彩空间 RGB 下，画出三通道的直方图，根据各个通道的直方图的分散和集中情况，判断图像饱和度，最后根据不同的饱和度判断图像偏色和图像矫正。直方图统计法是根据图像色彩的直方图，横坐标是 0-255 的色彩度，纵坐标为该色彩度的个数，统计大于某个值的像素个数，分析数据得到结果。直方图统计法有以下特点：第一，直方图统计法没有依赖先天的假设，只是根据原本图像的直方图衡量，基本能够解决大多数的偏色异常。第二，通过分析三个通道的分布不均衡，难以量化；第三，能够解决部分偏色的情况，在图中图像右侧偏红，直方图中表现出不同位置的不均衡。第四，图像出现浅偏色情况下难以判断。
【学位授予单位】：武汉理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U495;TP391.41

【相似文献】