[发明专利]一种用于车辆安全辅助视频图像处理方法

说明书

技术领域

本发明属于一种车载设备技术领域，涉及一种用于辅助车辆安全的视频图像的处理方法。

背景技术

随着汽车数量的增多，交通安全已成为社会关注的焦点，减少交通事故，保证行车安全人们一种关心的问题，车辆安全辅助驾驶系统也成为目前车辆系统的研究热点之一。目前车辆安全辅助驾驶系统主要通过视频采集技术获取丰富的道路环境信息，供驾驶员行车时参考。此类系统有两种方式，一是采用热成像技术，但存在图像模糊，价格昂贵的问题，而是采用可见光摄像机，但是在雾、雪、霾等恶劣天气情况下，存在获取的信息量不足，观察距离受限的问题。而且，目前的车载视频安全辅助系统还存在功能单一，成本居高的问题。

发明内容

本发明的目的在于改进已有技术的不足而提供一种实现视图像增强、消噪、色彩锐化等效果、提高图像对比度、清晰度，以得到与原始图像接近、符合人眼视觉特性的图像、路边线检测、障碍物测距的用于车辆安全辅助视频图像处理方法。

本发明的目的是这样实现的，一种用于车辆安全辅助视频图像处理方法，将车载视频设备采集的图像进行处理，其特点是该方法包括图像增强、降噪、强光抑制方法、道路线检测方法和障碍物监测方法，其中所述的图像增强、降噪、强光抑制方法是：

a、对视频中的每帧图像单独分析，首先对图像进行平滑处理，以去除图像中的噪声,得到图像的直方图H和图像的归一化方差C；

b、对图像应用改进的多尺度Retinex算法，采用三个尺度的模板得到不同尺度下增强的图像I1、I2、I3，再根据图像的归一化方差C的值，选择不同的权重系数w1、w2、w3，根据权重将不同尺度下的增强图像进行融合，得到最终的增强图像I，I=w1*I1 + w2*I2 + w3*I3，权重的选择方式如下：

C>=0.7时 , w1=0.5 , w2=0.3 , w3=0.2

0.3<C<0.7时 ， w1=0.3 , w2=0.4 , w3=0.3

C<0.3时 ， w1=0.2 , w2=0.3 , w3=0.5

其中w1/I1，w2/I2，w3/I3分别代表小尺度、中尺度和大尺度的权重及增强后的图像；

c、根据图像分析的结果，应用动态直方图映射算法，选取a，b两点，a，b两点的横坐标Xa、Xb由直方图两端各5%的能量值对应的灰度级别确定，a，b两点的纵坐标值计算如下：

Ya=Xa*(1-β)

Yb=Xb*(1+β)

其中β为直方图偏向0或255程度的度量，设H1为图像直方图中0-127量级的总和，H2为直方图中128-255量级的总和，则：

β=|H1-H2|/H

可见，若图像分布的较为均衡，则H1与H2约接近，β就会趋近为0，图像所做的变换幅度就较小；相反若图像中灰度分布不均衡，算法就会根据直方图分布动态映射像素值；

d、将Retinex算法和动态直方图映射算法的结果以各占50%权重的方式结合起来，得到最终的图像；

所述的道路线检测方法：

a、进行车载近红外灯照射区域划分，得出红外灯照射区域和非照射区域；由于近红外灯照射区域集中在车辆的正前方，且在周围光源较少的情况下，其亮度一般远高于未照射区域，则可使用图像的最大类间方差方法进行图像区域的分割，得到近红外灯照射区域和非照射区域，具体方法如下：得到图像的直方图H，然后应用图像的最大类间方差方法得到图像的分割阈值T，则图像中的像素被阈值分为两类，即红外灯照射区域R和非照射区域R’；

b、计算当前红外灯照射区域内图像的平均方差C，作为道路粗糙程度的度量，其公式为:C=sum(p(i)-p(i-1))/2，其中求和函数sum遍历整个红外灯照射区域R；

c、从红外灯照射区域的中下部开始进行区域的生长，初始生长区域为图像最下面正中央的矩形区域，其尺寸为M*N，M和N一般设置为20-40之间的值，然后比较此区域左、右和上面的矩形区域，若其矩形内方差与照射区域方差近似则认为是红外照射区域，当区域生长停止时，得到的区域即为使用此方法得到的红外照射区域，此区域由左右两条直线围成，左面直线为L1,右面直线为R1；

d、因红外照射灯照射的区域成三角形，在视频中自然形成两条直线边界，使用经典的霍夫变换的方法可检测图像中的直线，检测出的左面直线为L2，右面直线为R2；

e、分别对左面和右面的两条直线L1、L2和R1、R2进行再拟合，生成最终的行车边沿线L和R；