[發明專利]一種低對比度車輛圖像的小波特征提取方法

無效

• 申請號: 201010280831.0
• 申請日: 2010-09-14
• 公開（公告）號: CN101937507A
• 公開（公告）日: 2011-01-05
• 發明（設計）人: 文學志;方巍;鄭鈺輝
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 許方

技術領域：

本發明涉及一種低對比度車輛圖像的小波特征提取方法，屬于圖像特征處理技術領域。

背景技術：

特征提取是模式識別(pattern?recogniton)的關鍵，目前，在基于視覺的車輛檢測中，常用的特征提取方法包括小波特征提取(wavelet?feature?extraction)、主要成分分析特征提取(PCA?feature?extraction，primary?component?analysis?feature?extraction)、局部方向編碼(LOC，local?orientation?coding)、伽柏特征提取(Gabor)等方法。其中小波特征在車輛檢測應用中非常具有吸引力，其主要原因在于以下三個方面：第一，小波特征能提供圖像邊緣及輪廓特征的緊湊描述；第二，小波特征能提供圖像特征在不同尺度下的描述；第三，小波特征的獲取所需的計算資源量少。

現有的基于小波特征的車輛圖像模式識別流程如圖1所示：

首先對車輛圖像進行識別得到感興趣區域(ROI，Region?of?Interest)，之后進行塔式分解；其次對小波系數進行相關處理，比如去掉第一層最高頻(highest?frequency)，選取較大的小波系數同時將其量化為[-1，0，1]，構成特征向量；最后通過分類器(如支持向量機)來進行車輛檢測，得到結果。

前述小波塔式分解的具體過程如圖2所示：

第一步，分別對N×N維圖像中的每一行進行低通(low?pass)和高通(high?pass)濾波(filter)。然后再對進行低通、高通濾波后的圖像分別進行二分之一向下采樣，二分之一向下采樣(sample)相當于在N×N維圖像中每隔一列去掉一列，得到一個N×(N/2)維的圖像。

第二步，對第一步得到的圖像的每一列分別進行低通和高通濾波。然后分別再向下進行二分之一向下采樣，采樣將兩次濾波后N×(N/2)維的圖像每隔一行去掉一行，這樣圖中所示樹的每一個分支都成了一幅(N/2)×(N/2)維的圖像。若對(N/2)×(N/2)維的低通細節進行與原始圖像塔式分解相同的過程。則會產生4個(N/4)×(N/4)維的子圖像：一個低通部分(LL)，以及水平(LH)、垂直(HL)和對角(HH)部分。分析可以一直進行下去，直到獲得的子圖像只包含一個像素為止。

當光照條件、車輛圖像對比度比較好時，以上特征提取方法提取的小波特征在車輛圖像檢測應用中具有較好的識別效果。但是由于距離、光照條件、天氣條件以及攝像機本身性能的影響使得圖像對比度降低、圖像變模糊、邊緣和細節(detail)不清晰時，現有的小波特征提取方法無法有效地提取車輛圖像的邊緣及輪廓特征，而通過圖像預處理方法如直方圖均衡化(histogram?equalization)則容易使圖像出現過增強、對噪聲敏感以及局部對比度不足，造成細節信息丟失的問題，從而影響車輛圖像的模式識別效果。

發明內容

本發明的所要解決的技術問題是針對背景技術中存在的低對比度車輛圖像進行特征提取導致車輛分類檢測不好的問題，基于小波多分辨率(wavelet?multi-resolution)的特性，提出一種對低對比度圖像有效進行特征提取的方法，。

本發明為實現上述發明目的采用如下技術方案：

一種低對比度車輛圖像的小波特征提取方法，包括利用小波變換對圖像進行塔式分解步驟、小波系數處理步驟、分類器檢測步驟；其中小波系數處理步驟包括小波高頻系數增益步驟和分層歸一化步驟：

(一)、小波高頻系數增益步驟：

圖像經小波變換塔式分解步驟后分為低頻子帶部分和高頻子帶部分，采用增益函數對小波高頻子帶部分進行增益處理，所述高頻子帶包括水平子帶、垂直子帶和對角子帶，采用式(1)分層對小波高頻系數進行增益處理，

E(m_i，j)＝W(m_max_i，j)×K(m_i，j)????(1)

其中，W(·)為增益權值，K(·)為增益函數，i＝1，…，N-1，N為小波塔式分解的層數，j＝1，2，3，j＝1表示水平子帶細節，j＝2表示垂直子帶細節，j＝3表示對角子帶細節；m_i，j表示第i層j對應子帶小波系數，m_max_i，j為第i層j對應子帶系數幅值的最大值；式(1)中：