[發明專利]一種基于HSV和SVM的圖像臟污識別方法

有效

• 申請號: 202010475350.9
• 申請日: 2020-05-29
• 公開（公告）號: CN111724349B
• 公開（公告）日: 2022-09-20
• 發明（設計）人: 馬玉霖;吳志軍;胡宗杰;李治龍
• 申請（專利權）人: 同濟大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/90;G06K9/62;G06V10/764;G06V20/56
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 孫永申

本發明涉及一種基于HSV和SVM的圖像臟污識別方法，包括以下步驟：先輸入臟污和干凈的圖像，然后將他們轉換為HSV格式的圖像。并且分別求出干凈圖像和臟污圖像的對應的HSV特征向量值。再將對應的干凈和臟污圖像的HSV的特征向量值輸入到SVM訓練器中訓練，最后得出訓練模型。讀取訓練模型并且輸入臟污和干凈圖像，并對臟污和圖像和干凈圖像進行判斷，判斷圖像是否干凈或者臟污。與現有技術相比，本發明提供了一種有效的圖像臟污判別方法。并且本發明提供了一種基于HSV和SVM的機器學習方法，在相同的運算和存儲量的前提下，可以用更少的數據量去訓練模型，可靠性更高。

技術領域

本發明涉及自動駕駛汽車圖像處理技術領域，尤其是涉及一種基于HSV和SVM的圖像臟污識別方法。

背景技術

智能駕駛汽車需要在車輛上安裝各種傳感器來感知周圍的環境，目前幾乎所有的智能汽車都會采用攝像頭傳感器來感知周圍環境。在智能汽車行駛的過程中，攝像頭傳感器收集周邊環境信息并且將其傳遞給汽車，智能汽車根據獲得的信息對汽車駕駛行為進行了調整，為了保證汽車的安全運行，攝像頭傳感器傳遞給汽車的信息必須是準確的。

但在行駛的過程中，由于道路的不確定性，攝像頭傳感器會受到不同程度的污染，受到污染的攝像頭收集的道路信息和實際道路信息會存在偏差，可能會造成智能汽車對當前的環境做出錯誤的判斷，導致錯誤的行為。因此必須有一種算法來判斷攝像頭傳感器的臟污情況，如果發現攝像頭傳感器已經臟污，可以進行后續的一些操作來消除臟污，讓攝像頭智能傳感器獲取正確的信息，智能汽車可以根據正確信息做出正確判斷。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種基于HSV和SVM的圖像臟污識別方法。

本發明的目的可以通過以下技術方案來實現：

一種基于HSV和SVM的圖像臟污識別方法，該方法包括以下步驟：

步驟1：將單張干凈圖像轉換成HSV格式的圖像，并將HSV格式的圖像的三個分量數據分別統計分類并歸一化處理；

步驟2：將統計后的三個分量數據拼接組成訓練器所需的特征向量，依次對若干干凈圖像執行步驟1和步驟2進一步得到若干干凈圖像對應的特征向量集；

步驟3：同理對若干臟污圖像進行步驟1和步驟2的相同操作，得到若干臟污圖像對應的特征向量集；

步驟4：將干凈圖像和臟污圖像對應的特征向量集輸入至線性SVM的訓練器中，得到訓練模型；

步驟5：讀取訓練模型，輸入實際待測干凈和臟污圖像，得到輸出識別結果并反饋至電腦端。

進一步地，所述的步驟2中的三個分量數據包括H色度、S飽和度和V亮度。

進一步地，所述的步驟1中將HSV格式的圖像的三個分量數據分別統計分類并歸一化處理的過程具體包括：當單幅圖像采用HSV格式表示后，將HSV格式的圖像的三個分量數據分別采用直方圖的形式統計，并將統計結果分類并歸一化處理。

進一步地，所述的步驟1中的HSV格式的圖像的三個分量數據中的色度矩陣對應的統計分類的類別數為18類。

進一步地，所述的步驟1中的HSV格式的圖像的三個分量數據中的飽和度矩陣對應的統計分類的類別數為18類。

進一步地，所述的步驟1中的HSV格式的圖像的三個分量數據中的亮度矩陣對應的統計分類的類別數為18類。

進一步地，所述的步驟5具體包括：讀取訓練模型，輸入實際待測干凈和臟污圖像經過步驟1至步驟3對應處理得到的特征向量，當訓練模型反饋結果為true，則該實際待測干凈和臟污圖像為干凈圖像，當訓練模型反饋結果為false，則該實際待測干凈和臟污圖像為臟污圖像。