[发明专利]一种自适应颜色阈值分割的标志增强处理方法

说明书

本发明涉及一种自适应颜色阈值分割的标志增强处理方法。现有方法不能对存在各类影响因素的样本进行有效区分，会干扰检测结果。本发明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，在待检测图像进行红蓝标准化以及对比度拉伸之后，对其作灰度概率直方图映射，找到前景目标颜色起始值所在位置，通过提取与比对前景灰度值，找到目标区域的特定区间，选取综合分离效果最佳的参数进行颜色分割，并根据临界值对原像素值进行近似的最大最小值归一化，筛除无效背景，凸显前景颜色块，同时平滑处理了过亮区域从而减弱了对比度、亮度等环境因素对检测效果的影响。本发明方法尽可能地在筛除无效背景的同时保留了标志颜色区域。

技术领域

本发明属于图像处理技术领域，涉及一种自适应颜色阈值分割的标志增强处理方法，特别涉及一种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方法。

背景技术

随着城市化的进展以及汽车的普及，包括无人车技术的不断推进，交通拥挤加剧、交通事故频发、公路交通的安全等问题日益突出，智能交通系统的研究领域应运而生并受到广泛关注，而道路交通标志检测识别作为智能交通系统的研究热点，是汽车自动驾驶和辅助驾驶系统中道路环境感知技术的重要组成部分，可以给驾驶员提供实时的道路标志信息感知和预警，其技术的进步在很大程度上提高了驾驶的安全性，改善了道路交通环境。

无论是基于先验知识的传统检测方法还是基于大量训练数据的深度学习方法，颜色信息是交通标志能够区别于背景的主要特征之一，具有大小和视角不变性，而且有较强的可分离性，对快速有效地找到感兴趣区域有很大帮助。

目前基于颜色信息的检测方法一般都基于某种颜色空间进行单分量或者多分量阈值分割的方法提取标志ROI，例如将图像由RGB颜色空间转换到其他的颜色空间，如HIS、HSV、YcbCr等，其主要目的是通过颜色阈值分割来过滤图像中的无效背景，从而凸显出交通标志的颜色特征使得整体算法能取得更好的检测效果。虽然大多数这类方法都达到了一定的检测率，但却很少考虑到不同场景图像中可能包含的不同自然条件干扰，即颜色分割阈值的自适应性，而这往往会严重降低整体的检测准确率。例如文献《Detection andclassification of road signs in natural environments》【Nguwi,Y.Y，A.Z.Kouzani】先是基于HIS颜色空间做阈值化预处理，然后以30*30像素大小的YcbCr图像块为特征训练出神经网络分类器，实现交通标志的检测；以及文献《Traffic Warning Signs Detectionand Recognition Based on Fuzzy Logic and Chain Code Analysis》【Wanitchai,P，S.Phiphobmongkol】采用基于HSV颜色空间的Hue通道的阈值化方法分割红色交通标志。

上述算法在提取交通标志颜色特征上表现良好，但是仍存在以下问题：

1、交通标志检测的场景复杂多变，尤其会受到不同的光照强度以及对比度等自然因素影响，而固定阈值的方法无法对这类样本进行有效区分，这将对更进一步的形状分析或者神经网络学习造成不必要的误检以及更多的计算开销。

2、该类算法往往只对阈值分割后的源图像进行二值化，将所有像素点划分为0值与255值两类，而简单的二值化忽略了实际存在的图像噪声，很显然，将噪声作为标志的一部分带入检测环节，无疑会干扰检测结果。

发明内容

本发明的目的就是针对上述问题，公开了一种自适应颜色阈值分割的标志增强处理方法。