[发明专利]一种应用于边缘检测的滤波去噪方法

说明书

本发明公开了一种应用于边缘检测的滤波去噪方法通过对前视摄像头拍摄的道路行人、车辆及障碍物的图片进行分析，采用小波阈值算法分别对彩色图像3个空间分量进行滤波去噪，并经加权平均法对重组的3个分量灰度化处理后，采用顶帽变换和多重边缘检测方法对图像进行处理，提取边缘特征，有效改善图像质量，削弱光线不均匀问题对识别带来的影响。本发明提供的一种应用于边缘检测的滤波去噪方法高效率、高精度的对道路上的行人、车辆等目标进行边缘检测，解决了噪声及光照不均对图像边缘检测带来的影响，提高边缘检测的检测精度，为后续目标识别工作提供基础，作用效果显著，适于广泛推广。

技术领域

本发明涉及边缘检测技术领域，特别涉及，一种应用于边缘检测的滤波去噪方法。

背景技术

前视摄像头通常安装在前挡风玻璃后面，通过前视摄像头即可获取前方车辆、会车车辆、前方行人、交通标志、车道线等多种交通目标信息。前视摄像头获取的图像信息由芯片进行识别和处理。图像的背景与目标图像的边界为图像边缘。

目前，前视摄像头图像采集过程中，由于受到摄像头本身电子元器，电子线路的影响，会使采集的图片带有噪声，影响检测与识别的结果。由于环境光照条件多变因素，导致前方目标的光照不均匀，影响前视摄像头的识别效果和应用价值，严重时引发交通事故。

针对汽车前视摄像头拍摄存在噪声及光照不均匀的问题，提出一种解决现有技术存在的采集的图片带有噪声及光照不均匀导致影响边缘检测精度的问题的方法，从而对光照不均匀图像进行预处理，降低光照对图像的影响。

发明内容

针对上述缺陷，本发明解决的技术问题在于，提供一种应用于边缘检测的滤波去噪方法，以解决现在技术所存在的采集的图片带有噪声及光照不均匀导致影响边缘检测精度的问题。

本发明提供了一种应用于边缘检测的滤波去噪方法，具体步骤包括：

步骤1、获取并输入图像原始图像G；

步骤2、对原始图像G进行小波软阈值滤波去噪，得到去噪后的图像G′；

步骤3、对去噪后的图像G′进行加权平均灰度化处理，降低其维数，得到灰度图像g(i,j)；

步骤4、对灰度图像g(i,j)做顶帽变换得到图像W_TH(g)；

步骤5、对图像W_TH(g)进行边缘检测及提取，得到边缘特征。

优选地，所述步骤2具体步骤包括

步骤2.1、将原始图像G分成y、u、v三个空间分量，表示为G_y、G_u、G_v，其中y为一个亮度信号，u、v为两个色度信号；

步骤2.2、对原始图像G的三个分量G_y、G_u、G_v进行小波软阈值滤波去噪，得到新的分量G′_y、G_u′、G_v′；

步骤2.3、将新的三个空间分量G′_y、G_u′、G_v′重组，构成新的去噪后的图像G′。

优选地，所述步骤3具体步骤包括：

步骤3.1、将去噪后的RGB图像灰度化处理，降低维度；

步骤3.2、根据g(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j)对图像G′的Red、Green、Blue三个分量R(i,j)、G(i,j)、B(i,j)进行加权平均计算，得到合理的灰度图像g(i,j)。

优选地，所述步骤4具体步骤包括：