本发明专利技术公开了一种视频图像雨滴检测及识别方法，其特征在于包括以下步骤：首先，根据雨滴运动的特点，采用FastICA算法进行雨滴检测；然后，为了获取雨滴特征参数，采用基于边缘信息引导的方法进行图像二值化；最后，根据二值图像中联通区域的面积、方向角和宽度的统计特征进行雨滴识别。本发明专利技术实现了视频图像中雨滴的检测和识别，对大雨、小雨、动态和静态场景均适用，为视频图像雨滴的去除奠定了基础。
【技术实现步骤摘要】
本专利技术涉及一种模式识别、计算机视觉等领域中的图像雨滴检测与识别方法，属于图像处理
技术介绍
计算机视觉系统在军事领域中获得了广泛应用。然而，视觉系统却存在一个关键性的问题-对恶劣天气非常敏感。阴雨天气往往会导致大气能见度降低，视觉系统的成像质量下降，给依赖于视觉系统的监控、导航制导、目标跟踪、识别系统等带来巨大的困难。恢复阴雨天气下图像对视觉系统的全天候工作有着重要的意义。其中，雨滴的检测与识别是图像去雨的关键。经过对现有技术的文献检索发现，没有关于图像雨滴检测和识别的专利技术专利，只有国内外少部分学者对雨滴的检测、识别和去除技术进行了初步的研究。Garg 等(Garg et al. ， IEEE Conference on Computer Vision and Pattern Recognition, 2004 :528-535)首先利用雨滴光学模型初步检测雨滴；其次，利用雨滴像素灰度变化值与背景灰度值呈现线性关系这个约束条件，去除第一步中误检的雨滴；最后，基于雨滴运动方向上有较强的时空关联这一特点再次对雨滴进行识别。但是该方法检测雨滴的效果并不理想，且识别过程需要31帧图像，实时性较差。Zhang 等(Zhang et al.，IEEE International Conference on Multimedia and Expo, 2006 :461-464)首先对每个像素沿着时间轴方向进行K-means聚类￠ = 以检测雨滴；然后，利用雨滴的色彩属性对上步检测的雨滴再次进行识别以剔除误检的雨滴。该方法检测雨滴需要利用全部视频帧，实时性较差。同时，由于该方法是基于单个像素进行真实雨滴的识别，故识别效果并不理想。Brewer 等(Brewer et al. , Lecture Notes in Computer Science，2008，5342 : 451-458)首先利用Garg的光学模型初步检测雨滴；然后，利用雨滴的长宽比和方向约束去除上一步误检的雨滴。该方法处理时仅需三帧图像，实时性较好。缺点是同样无法克服光学模型检测雨滴所存在的缺陷，而且雨滴长宽比这一约束条件并不理想，会将部分非雨物体误识别为雨滴。
技术实现思路
本专利技术所要解决的技术问题是提供一种视频图像雨滴检测和识别方法，快速、准确的实现图像中雨滴的检测。为解决上述技术问题，本专利技术是采取以下的技术方案来实现的，其特征在于包括以下步骤(1)根据雨滴运动的特点，采用FastICA算法进行雨滴检测；(2)为了获取雨滴形状特征参数，采用基于边缘信息引导的方法对检测的雨滴图像进行二值化；(3)根据二值图像中联通区域的面积、方向角和宽度的统计特征进行雨滴识别。前述的视频图像雨滴检测及识别方法，其特征在于在所述步骤(1)中，根据雨滴运动的特点，采用FastICA算法进行雨滴检测，固定摄像头下拍摄的视频图像可以理解为背景分量与运动分量的叠加，背景基本不变，是一个独立分量，运动物体在图像中处于不同的位置并发生变换，是独立于背景图像的多个分量。FastICA算法能够将混合的独立分量分离开来，提取出图像的运动分量。根据雨滴运动的特点，采用FastICA算法提取出相对于背景不断变化的运动分量，即实现雨滴的检测，具体包括以下步骤(11)将每帧图像逐行按像素位置首尾相接构成一个向量，作为一个观测信号；(12)三帧图像为一组，即三个向量作为一组混合的观测信号T，其中X1, X2,知分别代表三帧图像，每帧图像按行首尾相接成号)；用!^StICA算法对这一组信号进行分离，得到三个独立分量[y Y3中的任两个为运动分量，另一个为背景分量个向量(T是线性代数里的基本符权利要求1.一种视频图像雨滴检测及识别方法，其特征在于，包括以下步骤(1)根据雨滴运动的特点，采用FastICA算法进行雨滴检测；(2)为了获取雨滴形状特征参数，采用基于边缘信息引导的方法对检测的雨滴图像进行二值化；(3)根据二值图像中联通区域的面积、方向角和宽度的统计特征进行雨滴识别。2.根据权利要求1所述的视频图像雨滴检测及识别方法，其特征在于在所述步骤(1) 中，具体包括以下步骤(11)将每帧图像逐行按像素位置首尾相接构成一个向量，作为一个观测信号；(12)三帧图像为一组，即三个向量作为一组混合的观测信号τ，其中X1, χ2, 知分别代表三帧图像，每帧图像按行首尾相接成一个向量，用I^astICA算法对这一组信号进行分离，得到三个独立分量T，其中yi、y2、y3中的任两个为运动分量，另一个为背景分量；(13)寻找三个独立分量中的背景分量，将其置零，假设％为背景分量，则令y3= 0 ；(14)利用混合矩阵对背景置零后的独立分量进行逆运算，得到每帧图像运动分量 X1'，X2'，X3'，如式(1)所示；3.根据权利要求2所述的视频图像雨滴检测及识别方法，其特征在于在所述步骤 (13)中，以标准差作为相似的度量标准，标准差定义如式(2)所示ι4.根据权利要求1所述的视频图像雨滴检测及识别方法，其特征在于在所述步骤(2) 中，先利用边缘检测的方法提取出灰度值较弱的雨滴边缘，然后在边缘信息的引导下实现图像二值化，二值化具体步骤如下(21)利用prewwit算子提取出雨滴的边缘，再利用数学形态学中的膨胀操作连接断开的边缘点；(22)填充闭合边缘包围的内部区域；(23)利用腐蚀运算缩小膨胀后的联通区域，去除联通区域边缘的毛刺，实现基于边缘信息引导的图像二值化。5.根据权利要求1所述的视频图像雨滴检测及识别方法，其特征在于在所述步骤(3) 中，具体步骤如下(31)联通区域的面积小于图像整体面积0.01%的区域直接判断为雨滴覆盖区域；(32)对上步识别后的剩余联通区域提取方向角，方向角范围为，180°)，由于雨滴的降落方向为0°的可能性极低，将方向角为0°的联通区域判定为非雨物体，对方向角非零的联通区域进行方向角统计，统计间隔为5°，总共划分为36个区间，将统计频率低于 3%的方向角区间对应的联通区域判定为非雨的物体；(33)根据不同帧内雨滴方向角近似相等的特点，对连续三帧去除统计低频后的方向角统计图R/，IV，R3'利用式(3)求取雨滴方向角分布范围，再利用式(4)对方向角分布范围进行优化，不落在雨滴方向角范围内的区域判定为非雨物体；regionrain= (R1' &R2' ) | (R2' &R3' ) | (R1' &R3')⑶regionrain-mean (regionrain)彡 45°(4)(34)采用宽度统计的方法对方向统计后识别出的雨滴进行再次识别，筛选出真实的雨滴。6.根据权利要求5所述的视频图像雨滴检测及识别方法，其特征在于在所述步骤 (34)中，基于宽度统计的雨滴识别包括以下步骤(341)对方向统计后识别出的雨滴进行宽度统计，连续三帧中宽度的最小值为宽度统计的起点，最大值为统计的终点，将起点到终点间的区间划分为十等份；(342)对连续三帧分别统计每个等分区间内相应宽度出现的次数，将出现频率高于 9%的宽度区间内所对应的联通区域判定为雨滴；反之，为非雨物体。7.根据权利要求5所述的视频图像雨滴检测及识别方法，其特征在于联通区域的面积即是联通区域内的像素个本文档来自技高网...
【技术保护点】
１．一种视频图像雨滴检测及识别方法，其特征在于，包括以下步骤：（１）根据雨滴运动的特点，采用ＦａｓｔＩＣＡ算法进行雨滴检测；（２）为了获取雨滴形状特征参数，采用基于边缘信息引导的方法对检测的雨滴图像进行二值化；（３）根据二值图像中联通区域的面积、方向角和宽度的统计特征进行雨滴识别。
【技术特征摘要】
【专利技术属性】
技术研发人员：董书莉，徐贵力，杨小伟，王小洪，钟志伟，徐培智，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：84
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。