智能车载预警系统中的夜间图像预处理技术研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇智能车载预警系统中的夜间图像预处理技术研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：文章对用智能车载预警系统获取的夜间图像进行了预处理，包括平滑滤波、锐化、阈值分割、数学形态学和求连通域。通过算法的对比试验，选择出了适合所获取的图像的一套方法。

关键词： 图像；预处理；对比；选择

中图分类号：TP391 文献标识码：B

The Research of Night Image Preprocessing Technology about Intelligent in-cars Pre-warning System

ZHOU Kan

(School of Instrument Science and Opto-electronics Engineering, Hefei University of Technology, Hefei Anhui 230009, China)

Abstract: This paper preprocesses the night image obtained by Intelligent in-cars Pre-warning System. The methodsinclude filtering, sharpening, threshold segmentation, mathematical morphology and seeking connected domain. By comparing the effects of experiments of these algorithms, this paper chooses a set of appropriate methods for the obtained image.

Keywords: Image; preprocess; comparing; choose

引 言

本文的车载预警系统采集的夜间图像全部为8位灰度图像。夜间本车道前方车辆具有颜色、灰度和形状等特征，因为是灰度图像，所以车辆的颜色特征不可取，只能从灰度和形状特征中进行选择。而在夜间，前方车辆的两个尾灯是其最突出的特征，车辆的轮廓却相对模糊。因此，本文选用车尾灯作为提取的特征。

在提取尾灯之前，需要用适当的数字图像处理方法对其进行综合预处理，以降低图像噪声、提高图像质量。

1预处理

1.1平滑滤波

实际获得的图像在形成、传输、接收和处理的过程中，均会存在一定程度的噪声干扰，消除图像噪声的工作称之为图像平滑或滤波。图像的高斯平滑利用邻域平均的思想，在对图像邻域进行平均时，不同位置的像素被赋予了不同的权值。图像的中值滤波是一种非线性的图像处理方法，它通过对邻域内像素按灰度排序的结果决定中心像素的灰度。

图1中，经高斯平滑之后，尾灯和其周边物体的亮度和形状特征都未产生较大改变，因此，高斯平滑方法不适用于该图片。中值滤波虽然比高斯平滑的除噪效果好，但没有对原图片中的尾灯特征产生多大程度的凸显作用。

1.2锐化

利用图像锐化技术可以使图像边缘变得突出[4]。既要求图像的轮廓清晰，又要求保持目标物体的内部灰度不变，这就是图像梯度锐化的目的。对于图像f(i，j)，它在点(i，j)处的梯度是一个矢量，定义G[f(i，j)]的梯度为：

拉普拉斯运算也是偏导数运算的线性组合，而且是一种各向同性（旋转不变性）的线性运算[2]。设?荦2f为拉普拉斯算子，则：

由图2可见，梯度锐化在尾灯的亮度和形状信息方面没有拉普拉斯锐化的突出作用强。

对于图2（b），车体的轮廓比原图稍微清晰了一些，尾灯区域的边缘比原图清晰，车辆之外的区域也得到了一定程度的清晰化。但是，从最终提取车灯这个目标来看，拉普拉斯锐化处理的作用不大，同时增加了整套算法的复杂度。

1.3阈值分割

为了减少干扰信息和数据处理量，提取完整的图像轮廓，使检测所得的边缘具有连续性，本文进行了阈值分割处理（即二值化处理）。本文先试验最佳阈值迭代算法，采用此算法可通过迭代算法求得分割最佳的阈值，而最佳分割阈值将不受噪声的影响，因此边缘点完全由自身的灰度值确定，避免了噪声影响范围的扩大。然后本文试验了最大最小方差阈值分割方法，它是根据模式识别中的分类思想得到的，由日本的大津展之提出，也称为大津法[3]。

由图3可见，尾灯得到了很大程度的突出，车体附近出现了一些面积较大的白色区域。对比图3（a）和图3（b），大津阈值法产生的效果与最佳阈值迭代算法的处理效果几乎没有差别。

1.4数学形态学

利用开运算、闭运算或者它们的结合可消除背景中的斑点、物体内部的小孔和边缘处的锯齿形状，其效果取决于结构元与图像形态的匹配程度[1]。考虑到道路图像中道路边缘比较连续，本文中所用的结构元为3×3。

观察图4可知，闭运算、先开后闭运算的去杂点效果没有开运算和先闭后开运算的好，开运算的处理效果和先闭后开运算相当，既去除小杂点又得到较为完整的轮廓，先闭后开运算的算法步骤比开运算要复杂。

1.5求连通域

求连通域就是从图像上分割出各个独立的连通区域，车辆的特征也在其中。求得连通域之后，便于对车辆进行特征提取。

如图5所示，连通域求取之后，无论是车外的物体还是车上的尾灯等特征，一个个独立的区域都被分割出来了，那么就可以以此为基础来提取车辆的尾灯。

2结论

本文对用智能车载预警系统获取的图像进行了预处理，通过对比观察分析发现，对于本系统获取的具体图像，高斯平滑未能使尾灯和其周边物体的亮度和形状特征产生较大改变。中值滤波虽然比高斯平滑的除噪效果好，但没有对原图片中的尾灯特征产生多大程度的凸显作用。梯度锐化没有拉普拉斯锐化对尾灯的亮度和形状信息的突出作用强，拉普拉斯锐化使车体的轮廓和尾灯区域的边缘比原图清晰，但是对最终提取车灯作用不大。阈值分割之后，尾灯特征很突出。大津阈值法产生的效果与最佳阈值迭代算法的处理效果几乎无差别。对所采集的图片而言，开运算和先闭后开运算的去杂点效果比闭运算和先开后闭运算的好，开运算既去除小杂点又得到较为完整的轮廓，处理效果和先闭后开运算相当，先闭后开运算的算法步骤比开运算复杂。连通域求取之后，车外和车上的一个个独立的区域都被分割出来了，后期进一步提取车辆特征就有了基础。

参考文献

[1] 【美】冈萨雷斯（Gonzalez, R. C.）等著. 阮秋琦等译. 数字图像处理（第2版）[M]. 北京：电子工业出版社，2007.

[2] 【日】田村秀行编著. 金喜子等译. 计算机图像处理[M]. 北京：科学出版社，2004.

[3] 张宏林. 精通Visual C++数字图像处理典型算法及实现（第2版）[M]. 北京：人民邮电出版社，2008.

[4] 杨淑莹，边奠英. VC++图像处理程序设计（第2版）[M]. 北京：清华大学出版社，北京交通大学出版社，2005.

作者简介：周刊（1985-），男，合肥工业大学仪器科学与光电工程学院硕士研究生，主要研究方向是图像传感与机器视觉，E-mail：。