[发明专利]一种适用于集装箱自动化智能升级的图像预处理算法

说明书

本发明公开一种适用于集装箱自动化接卸转运智能升级的图像预处理算法，其主要分为四个步骤：对输入图像分别进行自适应人工多曝光融合处理及自适应参数调整的颜色通道补偿校正处理，获得对比度增强及颜色校正版本图像；采用引导滤波算法提出的方案，将图像的对比度增强版本转变为细节层及基础层图像；以图像的颜色校正版本作为参考样本，采用颜色通道转移技术对得到的基础层进行处理；将处理后的基础层与细节层进行叠加，获得最终预处理后的图像。本发明可有效提升目标图像的视觉质量，在基于传统的梯度边缘检测技术方面以及在边缘信息检测准确度上提升效果明显，为后续智能化的图像识别算法的应用奠定良好基础。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种适用于集装箱自动化智能升级的图像预处理算法。

背景技术

本发明依托国家重点研发计划项目：多式联运智能集成技术与装备开发子课题4：自动化转运接驳装备及支撑技术，项目编号为2019YFBl600400。此课题提出：研发多技术融合的混杂目标智能辨识技术，实现吊具-运载单元-载运工具的姿态识别的功能。根据课题要求，项目组人员提出采用对视觉识别方法的研发提供技术支持。由于图像的视觉质量是图像识别技术成功与否的重要保障，因此提出一种新颖且针对性较强的图像预处理算法将有效提升所获取图像的视觉质量，从而完成基于图像识别技术的相关功能实现。根据码头公司提供的不利条件下例如雨雪、大雾、低光照等环境下获取的相关图像可知，在集装箱码头公司作业区内所摄取的图像会由于外部环境因素引起对比度降低、细节信息丢失、颜色出现偏差从而造成图像视觉质量的下降，严重影响后续基于视觉技术的图像识别效果。本发明涉及算法主要针对提升对比度、恢复细节信息且校正颜色偏差三个目的进行设计。具体如下：

在校正颜色信息方面：

结合相关各类算法的不足，Ancuti等人于2020年提出著名的全局颜色通道补偿算法^[1]通过使用绿色通道对红色通道的全局补偿后，采用gray-world白平衡技术得到最终效果，其英文表述为Color Channel Compensation，英文缩写为3C。但3C技术由于是对图像全局的颜色通道补偿操作，容易引起进一步降低图像对比度的不利影响。

在提升对比度与恢复细节信息方面：

有研究人员发现^[2]，图像某一给定区域Ω的对比度可定量由以下公式进行表达：

其中，代表图像某一给定区域Ω中像素强度最大的点即视觉效果最暗的点，而则通常表示该区域中像素强度最小的点即视觉效果最亮的点。换而言之，有效提升图像各区域对比度不仅可以提升图像整体对比度，还可以有效恢复图像不同亮度区域退化的细节信息。因此研究人员们根据此项发现也提出了诸多算法。最近，比较著名的有Galdran等人于2018年^[3]提出的人工欠曝光融合算法与Zhu等人于2021年^[4]提出的快速多幅欠曝光融合算法。其中，人工欠曝光融合的英文表述为artificial multi-underexposure fusion，英文缩写为AMEF，快速多幅欠曝光融合的英文表述为fast multi-underexposure fusion，英文缩写为FMEF。以上两种算法均为通过校正gamma值对原图像进行人工多幅欠曝光的生成，再利用相关融合算法生成最终图像。虽然以上两种算法在恢复退化细节信息上表现尚可，但处理后的图像仍然保持原对比度较低的缺陷；且上述两种算法人工生成的欠曝光版本均为对特定某幅图片的观察下预设的gamma值，对输入图像的种类不予以考虑，易引起处理后的图像效果不佳。

发明内容

本发明针对上述问题，提供一种可有效校正颜色偏差信息，提升对比度且恢复退化细节的图像预处理算法。

为了达到上述目的，本发明提供了一种适用于集装箱自动化智能升级的图像预处理算法，其步骤包括：