[发明专利]一种图像中对车辆进行定位与区域分割的方法

说明书

技术领域

本发明涉及图像处理领域，尤其是一种图像中对车辆进行定位与区域分割的方法。

背景技术

随着计算机技术和传感技术的发展，车辆识别与特征检测技术已成为智能交通系统的一项关键技术。车辆识别与特征检测计算技术以交通图像（包括车辆、背景和路面等的图像）的处理与分析为基础。交通图像的处理与分析主要包括车辆定位、车辆区域分割和车辆特征提取这三个步骤。车辆定位的结果直接影响着车辆区域分割和车辆特征提取的精度，是车辆识别与特征检测技术的一个非常必要的前期步骤；而车辆区域分割是后续进行车辆特征提取的基础，也是车辆识别与特征检测技术的重要组成部分。

车辆定位是指在一幅采集到的交通图像中恰当地分割出车辆图像的区域。目前车辆定位的方法主要有两类：基于静态图像的定位方法和基于视频图像的定位方法。用户可根据实际的需要，选择是采用基于静态图像的定位方法还是采用基于视频图像的定位方法。基于视频图像的定位方法比基于静态图像的定位方法多了一个时间维度，可以利用图像序列中的运动特征进行处理，例如基于视频图像的典型车辆定位方法主要为为帧差法和光流法，主要利用图像在时间轴上的变化检测运动目标，从而实现车辆的定位。而基于静态图像的定位方法可以应用到基于视频图像的定位方法中，用于在单帧视频图像中进行定位。

目前利用图像特征在静态图像中完成车辆定位的算法有很多，但较为普遍的方法是边缘检测法。该算法利用了车辆区域的丰富边缘特征，采用水平或垂直方向投影的方法，并结合数学形态学或区域生长的方法来完成车辆定位。但由于采用了水平或垂直方向投影的方法，该算法只能对单辆车进行定位，而不能同时对多辆车辆进行定位，效率较低；而且，该算法无法有效地消除车辆阴影对车辆定位的影响，准确性较差。

车辆的特征基本上集中在车窗、发动机罩和车脸部分。这三个部分就是车辆的典型区域。如果将这几个区域分割出来，车辆特征设备与检测技术的后续步骤就可以在相应的典型区域中进行。例如利用车窗可以进一步检测司乘和遮阳板；发动机罩部分颜色特征明显，可以更好地识别车辆颜色；利用车脸部分可以更容易定位出车牌、车灯、排气栅格等特征。而车辆区域分割的目的正是为了在车辆定位后图像中分割出车窗、发动机罩和车脸这三个区域。

目前的车辆区域分割方法在进行分割时无法有效消除挡风玻璃反光效果、光照不均和污染等因素的干扰，鲁棒性较差。

发明内容

为了解决上述技术问题，本发明的目的是：提供一种高效、准确和鲁棒性好的图像中对车辆进行定位与区域分割的方法。

本发明解决其技术问题所采用的技术方案是：一种图像中对车辆进行定位与区域分割的方法，包括：

A、从采集设备获取原始图像；

B、采用Harris角点和水平边缘直线段对所述原始图像内的车辆图像区域进行定位，从而得到定位后的车辆图像；

C、对定位后的车辆图像进行彩色显著区提取、显著平滑区提取以及水平边缘稀疏区与密集区提取；

D、根据提取的结果和先验知识对车辆的典型区域进行定位，从而分割出发动机机罩区域、车脸区域以及车窗区域。

进一步，所述步骤B，其包括：

B1、对所述原始图像进行灰度化处理，从而得到灰度图像；

B2、对所述灰度图像进行Harris角点提取与稀疏点去除处理；

B3、采用网格法和局部极值搜索算法对车辆图像区域进行粗略定位，从而从稀疏点去除处理后的图像中提取出车辆图像候选区；

B4、采用矩阵卷积法提取出车辆图像候选区内符合阈值条件的水平边缘直线段；

B5、结合提取出的水平边缘直线段和车辆图像候选区对车辆图像区域进行精确定位，从而得到定位后的车辆图像。

进一步，所述步骤B4，其包括：

B41、采用Sobel算子提取车辆图像候选区水平方向的边缘，从而得到车辆图像候选区水平边缘的灰度图，所述Sobel算子的卷积矩阵m的表达式如下：

B42、采用局部阈值法对得到的灰度图进行二值化处理，从而得到车辆图像候选区的水平边缘二值图；

B43、去除所述水平边缘二值图中图像行线段长度小于预设线段长度阈值的边缘点，从而提取出车辆图像候选区内符合阈值条件的水平边缘直线段。

进一步，所述步骤B5，其包括：

B51、对提取出的水平边缘直线段进行去噪处理，从而得到去噪后水平边缘直线段的中心坐标；

B52、根据所述水平边缘直线段的中心坐标计算车辆的对称轴；