[发明专利]一种自适应颜色阈值分割的标志增强处理方法

权利要求书

1.一种自适应颜色阈值分割的标志增强处理方法，其特征在于：该方法采用基于直方图累积分布的近似最大最小值归一化方法来获取自适应阈值，从而对交通标志进行颜色分割的检测；具体步骤如下：

步骤(1).图像预处理：

读取含有交通标志的待检测图像I作为输入，进行红蓝标准化，并使用伽马校正进行对比度拉伸，得到预处理结果图像I′；

步骤(2).建立累积分布函数：

将预处理结果图像I′作灰度概率直方图映射，找到前景目标颜色起始值所对应的位置；根据检测样本的灰度级分布概率密度，建立对应概率的累积分布函数；

步骤(3).基于累积分布函数的自适应阈值选取：

通过对前景灰度值的提取与比对，找到前景区域的特定区域，选取最佳参数进行目标分离；具体是：

根据步骤(2)得到的累积分布函数，对测试样本提取前景灰度值并进行比对，由于前景区域灰度值分布的具体区间靠近一固定比例，根据这一特点对前景区域进行提取，及求解如下问题：

寻找m＝m₁，使得

选取综合分离效果最佳的参数β，并记录该参数所对应的像素值m₁为临界值value_label；

步骤(4).近似最大最小值归一化处理：

根据自适应阈值对应的临界值对待检测图像中的原像素值进行近似的最大最小值归一化处理，筛除无效背景，增强目标颜色特征，从而凸显交通标志所在的区域块，得到归一化结果图像I″；具体是：

根据步骤(3)得到的临界值value_label，执行如下公式的近似最大最小值归一化过程，将原像素值用近似最大最小值归一化后的新像素值替代：

其中，RB′(x)即为处理之后的图像像素值，而RB(x)为原图像中的各位置像素值，保存归一化结果图像I″；

步骤(5).形态学滤波并获取稳定的交通标志感兴趣区域ROI的候选区域：

对归一化结果图像I″作进一步的形态学滤波，使用顶帽变换和底帽变换两种形态滤波器进行处理；采用最大稳定极值区域MSER方法获取稳定的交通标志ROI的候选区域，得到最终检测结果图像I″′。

2.如权利要求1所述的一种自适应颜色阈值分割的标志增强处理方法，其特征在于，步骤(2)所述的建立累积分布函数的具体方法如下：

步骤(2-1).将预处理结果图像I′投影到直方图中，以[0,255]为投影区间获取其灰度概率的映射，找到前景目标颜色起始值所对应的位置，记录对应的灰度值；

步骤(2-2).假设检验样本RB(x)的灰度级分布概率密度函数为g(k)，得到其对应概率的累积分布函数f(m)，其中，k为最小灰度值min到指定累积的图像灰度值m之间的灰度值变量。

3.如权利要求1所述的一种自适应颜色阈值分割的标志增强处理方法，其特征在于，步骤(5)所述的形态学滤波并获取稳定的交通标志ROI的候选区域的具体方法如下：

将步骤(4)中得到的归一化结果图像I″分别进行开运算、闭运算、膨胀以及腐蚀运算操作，分别得到I_O、I_C、I_D、I_E，然后采用如下公式进行顶帽变换和底帽变换：

I_T＝I-I_O,I_O＝I_DoI_E；I_DoI_E表示执行先膨胀后腐蚀的操作；

I_B＝I_C-I,I_C＝I_EoI_D；I_EoI_D表示执行先腐蚀后膨胀的操作；

得到滤波后效果图I_F＝I″+I_T-I_B，I_T为顶帽变换后的结果图，I_B为底帽变换的结果图；

对滤波后效果图I_F调用MSER函数接口，调整其灰度变化步长、组块面积范围以及最大变化率参数，直到样本能在最大程度上保留前景区域，从而获取颜色分割阶段的最终结果，得到最终检测结果图像I″′。