基于自适应亮度高程模型的路面阴影消除算法研究

作者:裘国永;李丽;李良福;马卫飞; 刊名:轻工学报 上传者:杨利平

【摘要】针对亮度高程模型的阴影消除算法GSR的关键参数需要手动设置、亮度等高区域的划分和亮度补偿方法也都存在严重缺陷的问题,提出一种基于自适应亮度高程模型的路面阴影消除算法SGRSR:首先,采用形态学膨胀运算和高斯平滑滤波消除路面裂缝和路面纹理对后续阴影区域划分的影响;然后,利用最大熵阈值分割求解出高斯平滑后路面影像阴影区域和非阴影区域的划分阈值,以此实现划分阈值的自适应确定;最后,基于改进的亮度等高区域划分模型和亮度补偿方法,实现路面阴影的消除.实验结果表明,与GSR算法相比,本算法不仅能够对路面阴影影像进行自动的阴影消除,而且在阴影消除后,路面影像的亮度过渡更加自然.

全文阅读

裘国永,李丽,李良福,马卫飞QIU Guoyong,LI Li,LI Liangfu,MA Weifei陕西师范大学计算机科学学院,陕西西安710119School of Computer Science,Shaanxi Normal University,Xi'an 710119,China0引言中国公路交通正处于高速发展时期,随着公路里程的增加和人们对于行车安全性、舒适性要求的不断提高,高效的路面裂缝检测方法已经成为业界研究的重点[1].但是,路旁的建筑物、树木、灯杆等干扰物,常常会在路面上形成阴影[2],这给路面裂缝的检测和特征的提取带来巨大的挑战.因此,在路面裂缝检测与特征提取之前,对路面上的阴影进行消除,对于道路的养护和管理至关重要.为了消除影像中的阴影,国内外业界进行了广泛而深入的研究.H.Li等[3]在分析航空影像中阴影特点的基础上,提出了一种遥感航空影像自适应非局部正则化阴影消除方法;T.P.Wu等[4-5]采用人工标记和贝叶斯网络方法研究了复杂场景下阴影提取的问题;E.Arbel等[6]假设半影区域的亮度分布为一个弧形的曲面,然后通过曲面拟合的方法实现彩色影像中半影区域纹理的恢复;F.Liu等[7]基于原始影像,构建了一个没有阴影并且纹理一致的梯度区域,并且以此为模板消除影像中的阴影;A.Mohan等[8]开发了一款阴影消除的编辑软件,通过人工指定阴影区域的边界,设置亮度补偿的强度,进而实现影像中阴影的消除;G.D.Fin-layson等[9-11]假设阴影区与非阴影区过渡边界的梯度为零,以此为基础进行阴影的消除;W.Zhang等[12]利用双边缘成像的方法对交通影像中的阴影消除进行了研究;R.Ramamoorthi等[13-14]基于傅里叶理论对投射阴影进行了研究;N.Salamati等[15]基于概率阴影图对消除真实影像中的阴影进行了研究.但是,上述这些阴影消除算法并没有完全解决阴影消除后,阴影区域和非阴影区域纹理对比度不一致、阴影区域和非阴影区域亮度过渡不自然、对阴影不能自动进行消除的问题.加之,路面阴影具有半影区巨大、形状极不规则的特点,如果直接使用上述阴影消除算法,则路面阴影消除的效果很差.针对路面阴影的特点,邹勤等[2,16]提出了一种基于亮度高程模型的阴影消除算法GSR,有效地解决了阴影区域和非阴影区域难以界定、阴影区域路面裂缝和路面纹理对比度不强的问题.但是,GSR算法中的关键参数需要根据经验值进行手动设置,并且GSR算法中的亮度等高区域的划分模型和亮度补偿方法存在比较严重的缺陷.鉴于此,本文拟提出一种基于自适应亮度高程模型的路面阴影消除算法,简称SGRSR算法,以期解决GSR算法存在的问题,使路面阴影消除更真实自然.1 GSR算法在自然环境中,由于太阳光的照射,路旁的建筑物、树木和路灯等干扰物常常会在路面上形成阴影.同时,由于物体本身对于太阳光线也会发生反射、漫反射等物理现象,因此,路旁的这些干扰物在路面上形成的阴影具有半影区巨大、形状极不规则的特点,所以对阴影区域的准确界定十分困难;另一方面,由于在同一幅路面阴影影像中,各像素点的亮度值都是在同一时间内采集得到的,这就使得阴影区域路面裂缝和路面纹理的对比度弱于非阴影区域路面裂缝和路面纹理的对比度.这些细节都会增加路面阴影消除的难度.路面阴影的特点如图1所示.GSR算法的步骤大致可以分为以下4步.步骤1形态闭合运算(mm Close).采用形态学闭合运算对原始路面影像进行处理,去掉路面的裂缝,消除裂缝对后续阴影区域划分的影响.步骤2高斯平滑(gau Smooth

参考文献

引证文献

问答

我要提问