金守峰　范　荻　田明銳

(1.西安工程大學(xué)機(jī)電工程學(xué)院　西安　710048) (2.長(zhǎng)安大學(xué)高速公路施工機(jī)械陜西省重點(diǎn)實(shí)驗(yàn)室　西安　710064)

?

非結(jié)構(gòu)化道路圖像光照不均校正方法*

金守峰1范荻1田明銳2

(1.西安工程大學(xué)機(jī)電工程學(xué)院西安710048) (2.長(zhǎng)安大學(xué)高速公路施工機(jī)械陜西省重點(diǎn)實(shí)驗(yàn)室西安710064)

為了克服智能車(chē)輛在非結(jié)構(gòu)化道路中所獲取的道路圖像存在整體亮度不均勻、背景復(fù)雜等問(wèn)題,提出基于函數(shù)逼近理論的擬合校正算法。通過(guò)正交基函數(shù)擬合估計(jì)道路圖像中的照度偏差,利用除法運(yùn)算對(duì)道路圖像進(jìn)行拉伸,有效地對(duì)圖像進(jìn)行校正。實(shí)驗(yàn)結(jié)果表明,該方法可以有效消除光照不均所引起的圖像背景亮度不均勻現(xiàn)象,增強(qiáng)了圖像的對(duì)比度,同時(shí)對(duì)道路序列圖像相鄰幀處理的結(jié)果具有較好的一致性。

非結(jié)構(gòu)化道路; 光照不均; 基函數(shù)擬合; 圖像校正

Class NumberTP391

1　引言

智能車(chē)輛是一種集環(huán)境感知、動(dòng)態(tài)決策與規(guī)劃、行為控制與執(zhí)行等多項(xiàng)功能于一體的高智能化系統(tǒng)。通過(guò)車(chē)載視覺(jué)系統(tǒng)獲取周?chē)h(huán)境信息來(lái)確定車(chē)輛的運(yùn)動(dòng)參數(shù)及位置信息[1～3]。由于非結(jié)構(gòu)化道路的表面覆蓋物多種多樣、表面紋理特征不均勻、道路平整度較差,使得道路表面對(duì)光線(xiàn)的吸收與反射的性能不同,影響道路圖像背景的光照強(qiáng)度,導(dǎo)致圖像背景亮度不均勻,圖像局部的灰度值低或出現(xiàn)高光現(xiàn)象[4],使局部信息無(wú)法獲取,降低了圖像的質(zhì)量,增加了圖像分割及后續(xù)特征提取的難度。

文獻(xiàn)中通過(guò)設(shè)計(jì)合適的濾波器,在頻域上,削弱低頻成分,并適當(dāng)增強(qiáng)高頻分量,從而達(dá)到克服非均勻光照?qǐng)鯷5～10],但由于頻域的濾波會(huì)在圖像邊界產(chǎn)生模糊效應(yīng),并在大量的時(shí)頻轉(zhuǎn)換上耗費(fèi)的時(shí)間較多,不適合工業(yè)視覺(jué)在線(xiàn)檢測(cè)系統(tǒng)。李莉等提出了改進(jìn)的圖像背景校正算法,直接根據(jù)降質(zhì)道路圖像的特征進(jìn)行處理,雖然可以提高圖像的清晰度,但由于沒(méi)有考慮成像機(jī)理,不可避兔地會(huì)產(chǎn)生圖像失真問(wèn)題,且無(wú)法保證處理后相鄰幀圖像的一致性[11]。

本文在照度-反射模型的基礎(chǔ)上,提出了函數(shù)逼近理論的基函數(shù)擬合算法,通過(guò)B樣條基函數(shù)擬合估計(jì)圖像中的背景照度偏差,利用除法運(yùn)算對(duì)原圖像進(jìn)行拉伸,有效地對(duì)圖像進(jìn)行了校正。

2　函數(shù)逼近理論的圖像校正模型

在照度-反射模型中,圖像I(x,y)可以表示為照明分量與反射分量的乘積形式I(x,y)=i(x,y)×r(x,y),其中,照明分量i(x,y)頻譜集中在低頻段,反射分量r(x,y)頻譜集中在高頻段[12]。本文在照度-反射模型的基礎(chǔ)上,設(shè)真實(shí)道路場(chǎng)景為f0(x,y),由于道路材料性能、外界照明光源的安裝角度和噪聲等因素所引起的道路圖像背景亮度不均勻,將其看作為照度偏差B(x,y),則車(chē)載視覺(jué)系統(tǒng)采集的道路圖像f(x,y)表示為

f(x,y)=f0(x,y)×B(x,y)

(1)

由于照度偏差在空間域中的變化緩慢,其照度場(chǎng)比較光滑,根據(jù)函數(shù)逼近理論,任何函數(shù)都可以由基函數(shù)的線(xiàn)性組合表示來(lái)逼近,因此可以用一組正交且光滑的基函數(shù)來(lái)擬合照度偏差B(x,y)[13～15]。道路圖像f(x,y)中所有像素點(diǎn)的二維坐標(biāo)構(gòu)成了一個(gè)矩形網(wǎng)格,每個(gè)像素的灰度值對(duì)應(yīng)于網(wǎng)格點(diǎn)上的值,因此本文選用具有良好的連續(xù)性、分段性、調(diào)整性等優(yōu)點(diǎn)的B樣條基函數(shù)擬合照度偏差B(x,y)。二維B樣條曲面擬合同時(shí)對(duì)圖像的行、列像素進(jìn)行擬合,獲得圖像照度偏差為

(2)

將式(2)帶入式(1)中得到的道路圖像為

f(x,y)=f0(x,y)×B(x,y)

(3)

(4)

3　實(shí)驗(yàn)分析

在實(shí)驗(yàn)中,設(shè)計(jì)開(kāi)發(fā)了基于四輪車(chē)的車(chē)載視覺(jué)測(cè)速平臺(tái)如圖1所示。實(shí)驗(yàn)平臺(tái)由車(chē)體、視覺(jué)采集與計(jì)算機(jī)圖像處理系統(tǒng)幾個(gè)部分組成。

圖1　四輪小車(chē)移動(dòng)平臺(tái)

實(shí)驗(yàn)平臺(tái)的車(chē)體尺寸為1000 mm×400 mm×500 mm,四輪直徑為260 mm,材質(zhì)為硬質(zhì)塑料,承重后不變形。前輪為轉(zhuǎn)向輪,后輪為驅(qū)動(dòng)輪,由直流電機(jī)驅(qū)動(dòng)。實(shí)驗(yàn)所用的地面為干燥的瀝青混凝土地面,以10 m作為實(shí)驗(yàn)長(zhǎng)度,兩邊分別延伸2 m作為助跑區(qū)。車(chē)載視覺(jué)采集系統(tǒng)中FC-IE工業(yè)相機(jī)光軸垂直于道路,在室外采用自然光作為光源采集道路圖像,視場(chǎng)高度H為500 mm。

圖2　道路圖像校正

對(duì)原圖采用同態(tài)濾波及本文基函數(shù)擬合法處理的結(jié)果及其直方圖如圖3所示。同態(tài)濾波處理后,圖像的光照不均基本消除,但直方圖顯示圖像整體灰度偏暗。采用基函數(shù)擬合法有效地消除了圖像背景亮度不均勻的影響,同時(shí)圖像的對(duì)比度有明顯增強(qiáng),從對(duì)應(yīng)的直方圖中可以看出,圖像的灰度分布較為均勻。

圖3　道路圖像處理結(jié)果及其直方圖

以下對(duì)圖3中兩種方法處理的道路圖像,采用圖像的標(biāo)準(zhǔn)差、信息熵進(jìn)行定量評(píng)價(jià)。標(biāo)準(zhǔn)差反映了圖像的細(xì)節(jié)信息,其值越大,細(xì)節(jié)越突出。圖像的信息熵是衡量圖像信息豐富程度的重要指標(biāo),圖像的熵值越高則表明其所包含的信息越豐富。從表1得知,經(jīng)兩種方法處理后,同態(tài)濾波的標(biāo)準(zhǔn)差增加了11.7%,基函數(shù)擬合法的標(biāo)準(zhǔn)差增加了23.4%,表明校正后突出了圖像的細(xì)節(jié)信息。同態(tài)濾波的信息熵降低了1.3%,而基函數(shù)擬合法的信息熵增加了26.6,表明基函數(shù)擬合法校正后圖像的信息更加豐富。

表1　定量評(píng)價(jià)

圖4　道路序列圖像的處理結(jié)果

四輪小車(chē)移動(dòng)平臺(tái)所獲取的道路序列圖像如圖4(a)和(b)所示,相鄰幀圖像處理的一致性直接影響后續(xù)的圖像特征點(diǎn)提取、目標(biāo)識(shí)別與跟蹤等。采用基函數(shù)擬合法處理后的結(jié)果如圖4(c)和(d)所示,處理后的圖像背景亮度得到校正,清晰度增加且具有良好的一致性。

4　結(jié)語(yǔ)

針對(duì)四輪小車(chē)移動(dòng)平臺(tái)的車(chē)載視覺(jué)系統(tǒng)所獲取道路圖像由于自然光照明引起的圖像背景亮度不均勻、對(duì)比度低的特點(diǎn),本文在照度-反射模型的基礎(chǔ)上提出了函數(shù)逼近擬合算法。通過(guò)B樣條基函數(shù)擬合照度偏差,利用除法運(yùn)算對(duì)道路圖像進(jìn)行拉伸,可以有效地對(duì)道路圖像整體亮度不均勻進(jìn)行校正。通過(guò)實(shí)驗(yàn)結(jié)果對(duì)比分析,在直方圖中可以看出本文基函數(shù)擬合法擴(kuò)大了灰度分布范圍,增加了圖像的對(duì)比度;圖像信息熵的數(shù)值增大表明在擴(kuò)大的灰度范圍內(nèi)獲得了較多的圖像信息;標(biāo)準(zhǔn)差的數(shù)值增加則更突出了圖像的細(xì)節(jié)信息。同時(shí)基函數(shù)擬合法對(duì)道路序列圖像的處理也具有良好的一致性。

[1] 徐友春,李克強(qiáng),連小珉,等.智能車(chē)輛機(jī)器視覺(jué)發(fā)展近況[J].汽車(chē)工程,2003,25(5):438-443.

XU Youchun, LI Keqiang, LIAN Xiaomin, et al. The Recent Development of M achine Vision for Intelligent Vehicles[J]. Automotive Engineering,2003,25(5):438-443.

[2] 高俊釵,寧江坤.自主行駛車(chē)輛的避障控制算法研究[J].計(jì)算機(jī)與數(shù)字工程,2016,316(2)：203-206.

GAO Junchai, NINU Jiangkun. Obstacle Avoidance Control Algorithm for Autonomous Vehicles[J]. Computer & Digital Engineering,2016,316(2)：203-206.

[3] 孫涵,任明武,唐振民,等.基于機(jī)器視覺(jué)的智能車(chē)輛導(dǎo)航綜述[J].公路交通科技,2005,22(5):132-135.

SUN Han, REN Mingwu, TANG Zhenmin, et al. A Survey of Machine Vision Based Intelligent Vehicle Navigation[J]. Journal of Highway and Transportation Research and Development,2005,22(5):132-135.

[4] 梁琳,何衛(wèi)平,雷蕾,等.光照不均圖像增強(qiáng)方法綜述[J].計(jì)算機(jī)應(yīng)用研究,2010,27(5):1625-1628.

LIANG Lin, HE Weiping, LEI Lei, et al. Survey on enhancem ent m ethods for non-un iform illum ination image[J]. Application Research of Computers,2010,27(5):1625-1628.

[5] 黃贊,張憲民,陳忠基.基于同態(tài)濾波的魯棒多尺度微運(yùn)動(dòng)測(cè)量算法[J].儀器儀表學(xué)報(bào),2011,32(2):426-431.

HUANG Zan, ZHANG Xianmin, CHEN Zhongji. Robustm ulti-scalemicro-motion measurem ent algorithm based on hom on orphic filtering[J]. Chinese Joumal of Scientific Instrument,2011,32(2)：426-431.

[6] VOICU L, MYLER H R, WEEKS A R. Practical con-siderations on color image enhancem ent using hom om or-phic filtering[J]. Joumal of Electronic Imaging,1997,6(11):108-113.

[7] BRNKMAN B H, MANDUCA A, ROBB R A. Optimized hom om orphic unsharp masking for MR grayscale in homogeneity correction[J]. IEEE Transactions on Medical Imaging,1998,17(2):161-171.

[8] 羅海霞,劉斌,龍永紅,等.同態(tài)濾波在光照補(bǔ)償中的應(yīng)用[J].湖南工業(yè)大學(xué)學(xué)報(bào),2008,22(5)：23-27.

LUO Haixia, LIU Bin, LONG Yonghong, et al. Application of Homomorphic Filtering in Illumination Compensation[J]. Journal of Hunan University of Technology,2008,22(5)：23-27.

[9] Kobus Barnard, Lindsay Martin, Adam Coath. A comparison of computational color constancy algorithms-Part Ⅱ; Experiments with image data[J]. IEEE Trans. Image Processing,2002,11(9):985-995.

[10] Barnard K, Cardei V, Funt B. A comparison of computational color constancy algorithms-Part Ⅰ; Methodology and experiments with synthesized data[J]. IEEE Trans. Image Processing,2002,11(9):972-984.

[11] 李莉,孫立軍,陳長(zhǎng).改進(jìn)的路面圖像背景校正算法[J].同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,39(1):80-84.

LI Li, SUN Lijun, CHEN Chang. Modified Background Correction Algorithms for Pavement Images[J]. Journal of Tongji University(Natural Science),2011,39(1):80-84.

[12] 李江波,饒秀勤,應(yīng)義斌.基于照度-反射模型的臍橙表面缺陷檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào),2011,27(7):338-342.

LI Jiangbo, RAO Xiuqin, YING Yibin. Detection of navel surface defects based on illumination-reflectance model[J]. Transactions of the CSAF,2011,27(7):338-342.

[13] 王娜,劉江,張世榮.截面測(cè)量數(shù)據(jù)的B樣條曲面擬合[J].機(jī)械設(shè)計(jì)與制造,2007,8(8):151-153.

WANG Na, LIU Jiang, ZHANG Shirong. Bicubic B-spline surface fitting based on data from section easurement[J]. Machinery Design & Manufacture,2007,8(8):151-153.

[14] 陳國(guó)振,劉靜華.B樣條曲面自適應(yīng)擬合算法[J] 北京航空航天大學(xué)學(xué)報(bào),2007,33(2):210-213.CHEN Guozhen, LIU Jinghua. Auto-adapted fitting algorithm of B-spline surface objects[J]. Joumal of Beijing University of Aeronautics and Astronautics,2007,33(2):210-213.

[15] 雋峰,黎小間,高建華,等.B樣條曲面擬合方法在人體測(cè)量中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用研究,2007,24(5):183-185.

JUAN Feng, LI Xiaojian, GAO Jianhua, et al. Application of B-spline Fitting Surface to M easure of Body[J]. Application Research of Computers,2007,24(5):183-185.

A Correction Method for Uneven Illumination of Unstructured Road Images

JIN Shoufeng1FAN Di1TIAN Mingrui2

(1. College of Mechanical and Electrical Engineering, Xi’an Polytechnic University, Xi’an710048) (2. Key Laboratory of Expressway Construction Machinery of Shaanxi Province, Chang’an University, Xi’an710064)

A function approximation theory fitting algorithm is proposed in order to overcome the presence of uneven illumination and the complex of background in road images acquired by intelligent vehicle on an unstructured way. The illuminance deviation in pavement imagesis estimateds through the orthogonal basis function fitting. The pavement images are stretched and corrected effectively by the division operation. The results show that this method can eliminate the uneven background brightness caused by the uneven illuminance effectively, enhance the image contrast, and have good consistency for the adjacent frame of the pavement image sequences.

unstructured way, uneven illumination, basis function, image fitting

2016年4月8日,

2016年5月24日

長(zhǎng)安大學(xué)高速公路施工機(jī)械陜西省重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金(編號(hào)：310825161123)資助。

金守峰，男，博士，副教授，研究方向：機(jī)器視覺(jué)、機(jī)器人視覺(jué)控制。范荻，女，碩士研究生，研究方向：機(jī)器視覺(jué)。田明銳，男，博士研究生，研究方向：圖像處理、工程機(jī)械機(jī)器視覺(jué)。

TP391

10.3969/j.issn.1672-9722.2016.10.034