郭全民，李曉玲

?

基于可見光和紅外圖像融合的汽車抗暈光方法

郭全民，李曉玲

（西安工業(yè)大學(xué) 電子信息工程學(xué)院，陜西 西安 710021）

針對夜間汽車行車因前大燈使用不當(dāng)而產(chǎn)生的暈光問題，提出了一種基于可見光與紅外圖像融合的汽車抗暈光方法，以提高夜間行車的安全性能。該方法通過對可見光圖像做IHS變換，將提取到的亮度分量與紅外圖像進(jìn)行小波變換，獲得新的亮度分量后，再與原始可見光圖像的色度分量和飽和度分量進(jìn)行IHS逆變換，實(shí)現(xiàn)既能消除暈光現(xiàn)象又能保留圖像細(xì)節(jié)的目的。對可見光和紅外圖像融合算法處理結(jié)果的主觀評價(jià)與客觀數(shù)據(jù)分析，表明本文提出的方法可以有效消除夜間汽車行車時(shí)的暈光現(xiàn)象，改善傳統(tǒng)IHS變換的光譜扭曲性，提高小波變換的速度。

汽車抗暈光；圖像融合；IHS變換；小波變換

0 引言

汽車夜間行車時(shí)，前大燈的使用不當(dāng)會造成對面來車的司機(jī)產(chǎn)生暈光現(xiàn)象，短時(shí)看不清道路而產(chǎn)生交通事故。根據(jù)美國國家公路交通安全管理局（NHTSA）的數(shù)據(jù)統(tǒng)計(jì)，夜間行車雖然只占整個(gè)公路交通的1/4，但1/2的交通事故發(fā)生在夜間，其事故發(fā)生率占了近70%[1]，而車燈暈光是除了酒駕、疲勞駕駛之外另一個(gè)造成夜間事故高發(fā)的重要原因。為了消除因暈光現(xiàn)象引起的交通事故，通常在高速公路或城市快速主干道之間的隔離帶種植植物或安裝防暈光板，這種方法簡單可行，效果好，但目前大部分公路受各種條件所限，并沒有采取相應(yīng)的措施。

為提高車輛夜間的行車安全性能，汽車抗暈光技術(shù)引起國內(nèi)外學(xué)者和工程界的廣泛關(guān)注。國外汽車廠商在凱迪拉克帝威、奧迪A8L等一些高檔轎車上安裝了夜視紅外儀[2]來消除汽車暈光現(xiàn)象。根據(jù)紅外熱成像原理，溫度越高的地方，輻射出的紅外線越多越容易成像，并且其對可見光不敏感，因此紅外圖像能保證駕駛員不受對面行駛車輛的前大燈影響；但它存在顏色單一、圖像重要細(xì)節(jié)信息缺失嚴(yán)重（如：車輛顏色、車牌號碼、道路環(huán)境等）的問題。國內(nèi)學(xué)者通過兩路CCD攝像機(jī)，采用不同的光積分時(shí)間同步采集同一景物，用積分時(shí)間短的通道獲取圖像景物中光線較亮部分的圖像信息，而用長積分時(shí)間的通道獲取光線較暗部分的圖像信息，通過像素亮度置換或線性權(quán)值合成等算法處理獲得一路寬動態(tài)范圍的視頻圖像信號，取得了較好的抗暈光的效果，但卻不能徹底消除[3-4]。由此可見，現(xiàn)有的抗暈光方法各有優(yōu)缺點(diǎn)，無法獲得理想的抗暈光效果。因此，可利用現(xiàn)有抗暈光技術(shù)、方法的優(yōu)點(diǎn)，采用多種方法相互融合以取得較好的抗暈光效果。

本文針對現(xiàn)有抗暈光方法效果不佳的問題，提出了一種將可見光圖像與紅外圖像相融合的抗暈光方法?？梢姽鈧鞲衅鳙@得的圖像色彩逼真，細(xì)節(jié)清晰，有利于人眼觀察，但抗干擾性差，在夜間成像能力較差；紅外傳感器通過探測汽車與背景之間的溫度差異來識別場景中的熱目標(biāo)，在夜視環(huán)境下雖不能清晰觀察目標(biāo)，卻能夠?qū)⒛繕?biāo)輪廓顯示出來，但對圖像的細(xì)節(jié)信息缺失嚴(yán)重，影響成像效果[5]。因此利用可見光圖像與紅外圖像不同成像特性的互補(bǔ)性，采用IHS變換和小波變換融合的處理算法合成一路視頻圖像，提高視頻圖像的寬動態(tài)范圍，以達(dá)到消除暈光現(xiàn)象。

1 可見光和紅外圖像融合的抗暈光原理

在保證融合結(jié)果不失真的情況下，根據(jù)可見光傳感器與紅外傳感器的夜間成像特點(diǎn)，利用IHS變換可以將圖像分解成、、三個(gè)相關(guān)性低的分量的特性[6-7]，對可見光圖像做IHS變換，將飽和的亮度分量進(jìn)行單獨(dú)處理，保留圖像原始的色彩和紋理。利用小波變換可將圖像分解為：包含了原圖像輪廓信息的低頻分量；水平方向、垂直方向和對角方向3個(gè)包含圖像細(xì)節(jié)信息的高頻分量。對低頻分量進(jìn)行平均值法融合規(guī)則，高頻分量進(jìn)行絕對值取大融合規(guī)則。將可見光中提取的亮度分量與紅外圖像進(jìn)行小波融合，得到既消除暈光又提高融合圖細(xì)節(jié)的融合結(jié)果。

2 可見光和紅外圖像融合的抗暈光實(shí)現(xiàn)過程

2.1 圖像預(yù)處理

2.2 基于IHS小波變換的可見光與紅外圖像的融合

對可見光圖像做IHS變換將亮度分量提取出來，紅外圖像與可見光源圖像中的亮度分量進(jìn)行小波融合，得到新的￠亮度分量，再將亮度分量￠和原始可見光圖像的色度分量和飽和度分量進(jìn)行小波重構(gòu)形成新的圖像[8-9]，這個(gè)圖像就是結(jié)合了可見光和紅外抗暈光的圖像融合過程。具體實(shí)現(xiàn)框圖如圖2所示。

圖2 圖像融合過程

具體的算法實(shí)現(xiàn)過程如下步驟：

1）對可見光圖像做3個(gè)通道的分離：得到它的亮度分量、色度分量和飽和度分量。

IHS正變換公式為：

2）傳統(tǒng)的IHS變換后，圖像會有光譜扭曲性，將得到的可見光圖像的亮度分量與紅外圖像進(jìn)行小波變換，對得到的低頻分量采用平均值法；高頻分量采用絕對值取大；改善光譜扭曲性，也可在消除暈光的同時(shí)，更好地保留原圖像在不同頻率下的特征信息。

對可見光圖像的分量和紅外圖像分別進(jìn)行層小波分解，其分解公式如下[10-11]：

消除暈光的過程中，低頻分量代表源圖像的近似特性，在一定尺度下它相當(dāng)于原始信號的近似[12]。對同一景物的不同傳感器所獲得的圖像，其低頻近似部分差別不是很大，故采用低頻分量平均融合方法。

式中：為源圖像數(shù)；C是融合圖像的低頻系數(shù)。

高頻信息代表了圖像的顯著特征，比如：邊緣、紋理、細(xì)節(jié)等信息，對同一景物的不同傳感器所獲得的圖像高頻部分差異較大[13]。在對高頻信息處理過程中主要目的是增強(qiáng)融合圖像的細(xì)節(jié)信息。

式中：w,k1和w,k2分別表示兩幅圖像的在各尺度上的各分量的小波系數(shù)。

通過了上述不同的融合規(guī)則處理后，得到了新的高低頻分量，圖像中的亮度分量有所減小，進(jìn)行小波重構(gòu)即就可以得到新的亮度分量￠。

3）顯示器目前采用的都是RGB色彩標(biāo)準(zhǔn)，因此需要將上述重構(gòu)得到圖像進(jìn)行IHS逆變換轉(zhuǎn)換為RGB圖像[14-15]。

IHS逆變換公式為：

最終所得到圖像即為基于可見光和紅外的抗暈光融合圖像。

3 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證算法的有效性，通過對傳統(tǒng)的IHS變換、小波變換以及本文中提出的基于IHS和小波相結(jié)合的算法進(jìn)行圖像融合處理，結(jié)果如圖3所示。

圖3(a)中，IHS變換消除了暈光現(xiàn)象，但出現(xiàn)了明顯的顏色干擾；圖3(b)中的小波變換消除暈光現(xiàn)象雖然不是很徹底，但是沒有光譜扭曲；圖3(c)中IHS變換和小波變換結(jié)合后，既可以消除暈光現(xiàn)象、降低圖像顏色的扭曲現(xiàn)象，又同時(shí)可以較好地保留圖像的光譜信息。

為客觀分析圖像處理結(jié)果，引入圖像評價(jià)指標(biāo)：熵、平均梯度、標(biāo)準(zhǔn)差、均方根誤差[16-18]，做進(jìn)一步的評價(jià)。

1）熵。融合圖像的熵值大小反映了其包含的信息量的多少，熵值越大說明融合效果越好，其計(jì)算如下式：

2）平均梯度。平均梯度反映了圖像中的微小細(xì)節(jié)反差與紋理變化，同時(shí)也反映了圖像的清晰度，它的值越大說明融合后的圖像紋理越清楚，其計(jì)算公式如下：

3）標(biāo)準(zhǔn)差。圖像的標(biāo)準(zhǔn)差反映了各像素灰度相對于該圖像灰度均值的離散情況，標(biāo)準(zhǔn)差越大，則灰度級分布越分散，而灰度級的起伏和梯度反映了圖像的細(xì)節(jié)、紋理和邊緣信息，其計(jì)算公式為：

4）均方根誤差。反映了融合結(jié)果圖像和待融合圖像的近似程度，當(dāng)均方根誤差值越小，說明兩幅圖像越相似，結(jié)果圖像越接近原圖像，這也表明了原圖信息被大部分保留下來，圖像融合效果好，其計(jì)算公式為：

根據(jù)上述客觀評價(jià)標(biāo)準(zhǔn)，對IHS變換、小波變換和基于IHS小波變換相結(jié)合的圖像融合結(jié)果進(jìn)行客觀數(shù)據(jù)評價(jià)。評價(jià)結(jié)果如表1所示。

表1 融合圖像的客觀評價(jià)

通過對小波變換、IHS變換以及基于IHS變換與小波變換的算法處理結(jié)果分析，本文算法比IHS變換后圖像的熵提高了0.6%，表明融合后的圖像包含信息量略有提高；比IHS變換后圖像的標(biāo)準(zhǔn)差提高了33%，表明融合后的圖像細(xì)節(jié)紋理信息有很大的提高；比小波變換后圖像的均方根誤差降低了22%，表明較多的圖像信息被保留下來。從算法運(yùn)行時(shí)間復(fù)雜度分析，小波變換需要對圖像的每一個(gè)色彩通道均進(jìn)行變換，而小波變換與IHS變換結(jié)合后，只需對可見光圖像的亮度分量與紅外圖像進(jìn)行小波變換，從而大大減少了算法的運(yùn)算時(shí)間，提高了圖像處理速度。通過對圖像處理的數(shù)據(jù)分析進(jìn)一步驗(yàn)證了本文提出的基于IHS變換與小波變換的汽車抗暈光方法的有效性。

4 結(jié)束語

為了克服汽車夜間行車時(shí)的暈光現(xiàn)象，利用可見光傳感器采集車輛顏色、車牌號碼、道路環(huán)境等細(xì)節(jié)信息，紅外傳感器識別汽車前大燈暈光區(qū)域，提出了對可見光圖像和紅外圖像進(jìn)行IHS和小波變換相融合的抗暈光算法。通過對圖像算法處理結(jié)果的主觀評價(jià)與客觀數(shù)據(jù)分析，基于IHS小波變換相融合的圖像處理算法克服了夜間行車中的暈光問題，提高了圖像的空間分辨率，保留了圖像的細(xì)節(jié)信息。

[1] 韓寶玲, 黃貞華, 何煒. 新型汽車紅外夜視系統(tǒng)的研究與開發(fā)[J]. 計(jì)算機(jī)測量與控制, 2004(9): 874-876.

[2] 蘆雅靜, 宋寶安, 董偉, 等. 硫系玻璃在汽車夜視系統(tǒng)中的應(yīng)用[J]. 紅外與激光工程, 2014(9): 2815-2818.

[3] Jian Wang, Zhe Yang, Quanmin Guo. Research on video anti-blooming[C]// 2010 3: 491-494.

[4] Wang Jian, GaoYong. Research of anti-blooming array CCD image sensor[C]//,.,, 2007, 6829: 682912-1-7.

[5] 宋敏, 張蓉竹, 孫年春. 基于紅外與微光融合圖像的夜視儀設(shè)計(jì)[J]. 紅外技術(shù), 2014, 36(11): 885-889.

[6] Zhang Yun, Hong Gang. An IHS and wavelet integrated approach to improve pan-sharpening visual quality of natural color IKONOS and Quickbird images[J]., 2005, 6(3): 225-234.

[7] Tu TeMing, Su ShunChi, Shyu HsuenChyun, et al. A new look at IHS-like image fusion methods[J]., 2001, 2:177-186.

[8] Hong Gang, Zhang Yun, Bryan Mercer. A wavelet and IHS integration method to fuse high resolution SAR with moderate resolution multispectral images[J]., 2009, 75(10): 1213-1223.

[9] 劉建偉, 宋夢馨, 郭平. 一種基于HSI和小波變換的遙感圖像融合方法[J]. 北京師范大學(xué)學(xué)報(bào): 自然科學(xué)版, 2008, 44(6): 595-598.

[10] 孫永明, 吳謹(jǐn), 劉勁, 等. 基于DWT的高頻系數(shù)壓縮感知圖像融合[J]紅外技術(shù), 2014, 36(9): 714-718.

[11] 梁蘇蘇, 張鶴鳴, 段彩梅. 一種基于IHS變換和小波變換的多源遙感影像融合新方法[J]. 現(xiàn)代測繪, 2013, 36(3): 16-18, 29.

[12] Stephen R Schnelle, Alex Lipchen Chan. Enhanced target tracking through infrared-visible image fusion[C]//14,,, 2011.

[13] 劉貴喜, 楊萬海. 一種像素級多算子紅外與可見光圖像融合方法[J]. 紅外與毫米波學(xué)報(bào), 2001(3): 207-210.

[14] 柴奇, 楊偉, 管怡, 等. 一種改進(jìn)的可見光與紅外圖像融合算法[J]. 紅外技術(shù), 2008, 30(2): 87-90.

[15] 常化文, 陳春香. 基于HSV變換與小波變換的遙感圖像融合[J]. 計(jì)算機(jī)工程與設(shè)計(jì), 2007, 28 (23): 5682-5684.

[16] 楊曉慧, 金海燕, 焦李成. 基于DT-CWT的紅外與可見光圖像自適應(yīng)融合[J]. 紅外與毫米波學(xué)報(bào), 2007(6): 419-424.

[17] 趙遼英, 馬啟良, 厲小潤. 基于IHS小波變換和MOPSO的全色與多光譜圖像融合[J]. 物理學(xué)報(bào), 2012, 61(19): 185-193.

[18] 王宇慶, 王索建. 紅外與可見光融合圖像的質(zhì)量評價(jià)[J]. 中國光學(xué), 2014, 7(3): 396-401.

Vehicles￠Anti-blooming Method Based on Visible and Infrared Images Fusion

GUO Quan-min，LI Xiao-ling

（，，710021，）

To eliminate halation phenomenon caused by vehicles￠headlights when driving at night and improve night driving safety, this paper proposes a vehicle anti-halation method based on visible light and infrared images fusion. The method extracts intensity component on visible light image by IHS transform, which is used to process wavelet transform with infrared image to obtain a new intensity component. To achieve the goals of eliminating halation phenomenon and containing image details, the new component, is processed with hue component and saturation component by inverse IHS transform to get a fusion image. Subjective evaluation and objective data analysis of the results on visible light and infrared images fusion algorithm show this method improves anti-halation effect efficiently when driving at night, decreases the spectrum distortion of traditional IHS transform and increases the speed of wavelet transform.

vehicles￠anti-halation，image fusion，IHS transformation，wavelet transformation

TP391

A

1001-8891(2015)06-0475-04

2015-01-23；

2015-03-16.

郭全民（1974-），男，副教授，主要研究方向?yàn)橹悄軅鞲信c信息融合、圖像處理及機(jī)器視覺。E-mail：guoqm@163.com。

陜西省教育廳科研計(jì)劃項(xiàng)目，編號：11JK0989。