[发明专利]一种基于智慧交通的截取图像合成方法及大数据云服务器

说明书

本发明涉及一种图像合成的技术领域，揭露了一种基于智慧交通的截取图像合成方法，包括：利用交通道路监视器获取车辆部分图像序列，并利用超像素分割法对车辆部分图像序列进行像素分割；利用动态区域检测法检测分割后车辆图像所在场景的细节信息，根据所检测到的场景细节信息进行车辆所在场景的定位；计算车辆部分图像序列的标准差参数，根据车辆部分图像序列的标准差参数，筛选出车辆最佳部分图像；利用基于伽马矫正的纹理增强方法对车辆最佳部分图像进行增强处理；根据增强后的车辆最佳部分图像，利用结合残差块的U‑net进行基于车辆部分图像的合成，得到车辆合成图像。本发明还提供了一种基于智慧交通的大数据云服务器。本发明实现了图像的合成。

技术领域

本发明涉及图像处理的技术领域，尤其涉及一种基于智慧交通的截取图像合成方法及大数据云服务器。

背景技术

随着我国经济的高速发展，城市化、汽车化步伐的加快，城市交通拥挤、事故增多等问题日益严重，为缓解这些现象，推行智慧交通建设，通过创新思维方式突破交通的发展路径，善用信息手段提高交通管理水平，从而根据监视器中的部分车辆图像进行完整图像的合成，并根据合成的车辆图像寻找相关车辆，能有效降低城市交通事故，从而推进智慧城市的发展。

由于自然场景的动态范围远超交通监视器中传感器的硬件限制，在此情况下，生成照片将包含过曝光区域和欠曝光区域，这些区域无法感测到场景细节信息。

传统用于图像合成的深度网络模型主要为U-net。但由于U-net是一种左右对称的U型网络，在增大输出图像分辨率的同时，网络中卷积层的数量会成倍增加，这会导致网络层次加深，使网络的训练变得更加困难，模型的学习性能会发生退化，最终造成合成的图像具有较低的质量。

鉴于此，如何准确检测到车辆图像在交通道路场景的细节信息，从而根据车辆图像对车辆位置进行定位，并对传统图像合成模型进行改进，利用改进的模型对部分车辆图像进行合成，从而利用合成的车辆图像进行车辆的识别，成为本领域技术人员亟待解决的问题。

发明内容

本发明提供一种基于智慧交通的截取图像合成方法，通过利用超像素分割方法对图像进行预处理，并设计一种动态区域检测方法将像素级检测转换为区域检测，从而检测到车辆图像所在的场景细节信息，实现对车辆位置的定位；同时为弥补图像动态区域由于过曝光引起的纹理信息丢失问题，本发明利用基于伽马矫正原理的纹理增强方法对图像进行增强处理，并利用改进的U-net进行基于车辆部分图像的车辆图像合成操作，从而利用合成的车辆图像进行车辆的识别。

为实现上述目的，本发明提供的一种基于智慧交通的截取图像合成方法，包括：

利用交通道路监视器获取车辆部分图像序列，并利用超像素分割法对车辆部分图像序列进行像素分割；

利用动态区域检测法检测分割后车辆图像所在场景的细节信息，根据所检测到的场景细节信息进行车辆所在场景的定位；

计算车辆部分图像序列的标准差参数，根据车辆部分图像序列的标准差参数，筛选出车辆最佳部分图像；

利用基于伽马矫正的纹理增强方法对车辆最佳部分图像进行增强处理；

根据增强后的车辆最佳部分图像，利用结合残差块的U-net进行基于车辆部分图像的合成，得到车辆合成图像。

可选地，所述利用超像素分割法对车辆部分图像序列进行像素分割，包括：

1)预先设定图像分割的分割块数K，本发明将K设置为10，因此每个超像素块会被分配N/K个图像像素，其中N为车辆部分图像所包含的像素总数；

2)计算超像素块中心与图像边界的距离S：