基于光照自动评估的目标识别方法技术

本发明专利技术涉及一种基于光照自动评估的目标识别方法，其包括如下步骤：a、采集目标图像，并将目标图像分割成若干块；b、计算上述分割后每块图像的平均灰度；c、根据上述计算得到每块图像归一化的平均灰度值，计算目标图像的平均灰度及图像块灰度均方差；d、计算分割图像块间左右相邻的图像块灰度平均值之间的灰度差、左右相邻图像块灰度差的平均值及均方差；e、计算分割图像块间上下相邻的图像块灰度平均值之间的灰度差、上下相邻图像块灰度差的平均值及均方差；f、根据步骤c、步骤d及步骤e的计算结果，判断目标图像的光照条件；g、根据步骤f得到的光照条件，对目标图像进行光照处理及识别。本发明专利技术步骤简单，提高了目标识别的准确度。

【技术实现步骤摘要】

本专利技术涉及一种识别方法，尤其是一种，属于目标识别的

技术介绍
计算机视觉系统的应用中，外界光源(包括太阳，室内光源，室内物体表面反射) 的光线照射在目标上，经目标反射后传播到摄像头传感器的光感强度有强弱，所以有时会造成图像过亮或者偏暗。由光照变化引起的目标图像差异很大，会影响目标识别的准确度。
技术实现思路
本专利技术的目的是克服现有技术中存在的不足，提供一种，其步骤简单，提高了目标识别的准确度。按照本专利技术提供的技术方案，一种，所述目标识别方法包括如下步骤a、采集目标图像，并将所述目标图像分割成若干块；b、计算上述分割后每块图像的平均灰度Ave，并将上述平均灰度进行归一化；C、根据上述计算得到每块图像归一化的平均灰度值，计算目标图像的平均灰度 TotalAve及图像块灰度均方差Dev ；d、根据步骤b，计算分割图像块间左右相邻的图像块灰度平均值之间的灰度差NeighbourAveDi sIr、左右相邻图像块灰度差的平均值NeighbourAveDi sIr及均方差 NeighbourDevlr ；e、根据步骤b、计算分割图像块间上下相邻的图像块灰度平均值之间的灰度差Ne i ghbourAveDi sud、上下相邻图像块灰度差的平均值Ne i ghbourAveDi sud及均方差 NeighbourDevud ；f、根据步骤C、步骤d及步骤e的计算结果，判断目标图像的光照条件；g、根据步骤f得到的光照条件，对目标图像进行光照处理及识别。所述目标图像为先验知识充足、像素相关性较大的图像。所述目标图像包括车牌图像或人脸图像。所述步骤f中，当左右相邻图像块灰度差的均方差NeighbourDevlr或上下相邻图像块灰度差的均方差NeighbourDevud大于设定阈值THl时，则目标图像的光照条件为局部高光或局部阴影。所述步骤f中，当左右相邻图像块灰度平均值间的灰度差NeighbourAveDislr或上下相邻图像块灰度平均值间的灰度差NeighbourAveDisud大于设定阈值TH2时，则目标图像的光照条件为局部高光或局部阴影。所述步骤f中，当目标图像的平均灰度TotalAve接近于O时，则目标图像的光照条件为整体偏暗。所述步骤f中，当目标图像的平均灰度TotalAve接近于1时，则目标图像的光照条件为整体偏亮。所述步骤f中，当目标图像的图像块灰度均方差Dev较小，且目标图像的平均灰度 TotalAve小于设定阈值TH3时，目标图像的光照条件为整体偏暗。所述步骤g中，对目标图像进行光照处理的方法包括同态滤波算法或直方图均衡化法本专利技术的优点针对图像先验知识充足，图像像素相关性较大的目标识别，目标识别中光照变化是一个重要的因素，能够自动判断是否需要对目标图像做光照预处理，有助于提高目标识别的速度和准确度；基于图像像素的灰度块的统计将目标图像分成若干图像块，计算每个图像块的平均灰度；通过平均灰度计算整体灰度均值，整体灰度均方差，以及相邻图像块灰度均值之间的灰度差，设定阈值范围以判断是否需要做光照预处理；然后选择合适的光照预处理算法，实现目标图像增强；该光照自动评估算法复杂度较小，适用于目标识别系统的预处理；步骤简单，提高了目标识别的准确度。附图说明图1为本专利技术一种对目标图像进行划分的示意图。图2为本专利技术另一种对目标图像进行划分的示意图。图3为本专利技术对目标图像进行光照条件评估的流程图。具体实施方式下面结合具体附图和实施例对本专利技术作进一步说明。目标识别中光照条件变化是一个重要的因素，根据目标图像的光照条件能够自动判断是否需要对目标图像做光照预处理，有助于提高目标识别的速度和准确度。针对图像先验知识充足，像素相关性较大的图像，如车牌图像或者人脸图像，其光照条件的评估的依据是图像各部分的灰度值。本专利技术包括如下步骤a、采集目标图像，并将所述目标图像分割成若干块；根据目标大小，将目标识别图像分成若干部分，例如，鉴于车牌图像的长宽比，将车牌图像分成两行三列六个部分，人脸图像可以分成三行两列或者九宫格；如图1和图2所示；b、计算上述分割后每块图像的平均灰度Ave，并将上述平均灰度进行归一化；C、根据上述计算得到每块图像归一化的平均灰度值，计算目标图像的平均灰度 TotalAve及图像块灰度均方差Dev ；d、根据步骤b，计算分割图像块间左右相邻的图像块灰度平均值之间的灰度差NeighbourAveDi sIr、左右相邻图像块灰度差的平均值NeighbourAveDi sIr及均方差 NeighbourDevlr ；e、根据步骤b、计算分割图像块间上下相邻的图像块灰度平均值之间的灰度差Ne i ghbourAveDi sud、上下相邻图像块灰度差的平均值Ne i ghbourAveDi sud及均方差 NeighbourDevud ；f、根据步骤C、步骤d及步骤e的计算结果，判断目标图像的光照条件；根据光照条件的不同，将图像分为局部高光，局部阴影，整体偏亮，整体偏暗，标准光照五种基本类型；g、根据步骤f得到的光照条件，对目标图像进行光照处理及识别。对光照条件进行评估，一方面通过判断图像是否需要做光照预处理之后，选择合适的算法做光照预处理。 例如为了加强人脸图像细节，选择同态滤波算法对目标图像实现光照预处理。为了加强车牌图像的对比度，选择直方图均衡化实现光照预处理。另一方面，对于人脸图像或者车牌图像的训练识别，可以增加相同光照条件的图片做训练样本，重新训练分类器，直到可以检测出目标。下面以计算六个部分图像块为例，来说明本专利技术的识别过程。a、采集目标图像，并将目标图像划分成六个部分；b、计算目标图像中每个部分的平均灰度Avei,并进行归一化，得到位于W，1]间的六个平均灰度Avei, i的取值为1 6 ；C、通过每个部分的平均灰度计算图像的整体平均灰度TotalAve= ^f4Avei，图“i=l像块灰度均方差Dev= ^^(Ave,-TotalAvef ；“i=ld、计算左右相邻图像块灰度平均值之间的灰度差NeighbourAveDislr (ij) =Abs (Avei-Avej), Abs为取绝对值，计算上述四个左右相邻图像块灰度差值的平均值NeighbourAveDislrr (ij)及相邻图像块灰度差值的均方差NeighbourDevlr=(NeighbourAveDislriij)-NeighbourAveDislr{ij))2 其中 i，j 为第 i 个与第 j 个相邻的4 !=i，图像块；计算上下相邻图像块灰度平均值之间的灰度差NeighbourAveDisud (ij) =e、Abs (Avei-Avej)，Abs为取绝对值，计算上述四个上下相邻图像块灰度差值的平均值NeighbourAveDisud (ij)及相邻图像块灰度差值的均方差1 3 INeighbourDevud= (NeighbourAveDisud(ij)- NeighbourAveDisud(ij)f 其中 i，j 为3 !=1,第i个与第j个相邻的图像块；f、判断目标图像的光照条件，如图3所示，具体为如果NeighbourDevlr或者 NeighbourDevud大于设定的的阈值THl，对于图像像素相关性较大的图像说明图像本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：赵壮，章林娜，潘道兵，黄奎，于艳红，廖存会，
申请(专利权)人：江苏物联网研究发展中心，
类型：发明
国别省市：