基于改進(jìn)二維伽馬函數(shù)的車道線檢測算法

張常彪 尤康

摘要：為了在光照不均勻條件下有效的檢測車道線，提出改進(jìn)二維伽馬函數(shù)自適應(yīng)亮度校正算法。采用快速引導(dǎo)濾波算法提取圖像的光照分量，分析光照特性，利用其分布特性動(dòng)態(tài)的調(diào)整二維伽馬函數(shù)的參數(shù)，從而構(gòu)建改進(jìn)的二維伽馬函數(shù)，實(shí)現(xiàn)對(duì)車道線圖像亮度的自適應(yīng)校正。對(duì)于校正處理后的圖像用最大類間方差法提取出二值化圖像，最后用Hough變換檢測出車道線。在光照不均勻路況下的處理結(jié)果表明，該算法有較好的檢測結(jié)果。

關(guān)鍵詞：車道線檢測；光照不均勻；快速引導(dǎo)濾波；二維伽馬函數(shù)；Hough變換

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）09-0197-03

Abstract： In order to effectively detect the lane line under non-uniform illumination， an adaptive adjustment algorithm for brightness on 2D gamma function is proposed in this paper. The light component is extracted by the fast guided image filter， analyze the lighting characteristics， use its distribution characteristics to dynamically adjust the parameters of the two-dimensional gamma function to build an improved two-dimensional gamma function so that the brightness of the lane line image can be adaptively corrected. Ultimately， the binarized image is extracted by the method of maximum variance and finally detected by Hough transform. The results show that the algorithm can result in good detection.

Key words： lane detection； non-uniform illumination； fast guided image filter； two-dimensional gamma function； Hough transform；

在智能汽車的輔助駕駛研究領(lǐng)域，車道線檢測是車道偏離報(bào)警及車道跟蹤等重要安全系統(tǒng)的關(guān)鍵技術(shù)之一。對(duì)車道線的檢測方法有很多，一般是對(duì)采集到的圖像預(yù)處理，然后利用邊緣檢測算子提取車道線的邊緣信息并作二值化處理，最后采用Hough變換算法標(biāo)識(shí)出車道線[1～3]。在光照均勻良好環(huán)境下，通常都有比較好的檢測效果。但是對(duì)于光照不均勻的條件下，有些區(qū)域光照很強(qiáng)，而有些較弱，傳統(tǒng)的車道線檢測方法獲取的檢測結(jié)果并不能滿足要求。

目前對(duì)于光照不均勻的車道線檢測算法有同態(tài)濾波方法、伽馬校正方法、Retinex算法等。伽馬校正的方法能使圖像的對(duì)比度增強(qiáng)，但是對(duì)于有些區(qū)域光照度過高的圖像，該方法會(huì)出現(xiàn)過飽和或者欠飽和等問題[4]。Retinex算法主要是基于光照反射成像模型，將圖像的光照分量和反射分量分開，并利用光照分量的特性改良圖像的不均勻現(xiàn)象，對(duì)于普通光照不均勻圖像有較好的改良效果，但是該算法運(yùn)算復(fù)雜度高，執(zhí)行速度慢，而且會(huì)出現(xiàn)“光暈”效應(yīng)以及暗處噪聲放大等問題[5～7]。因此，提出一種基于二維伽馬函數(shù)并結(jié)合最大類間方差法及Hough變換的車道線檢測技術(shù)。

1 改進(jìn)的二維伽馬函數(shù)的亮度校正

1.1快速引導(dǎo)濾波

根據(jù)光學(xué)的成像原理，圖像[F（x，y）]可由其反射分量[R（x，y）]和光照分量[I（x，y）]的乘積獲得，表達(dá)式：

本文利用快速引導(dǎo)濾波算法提取出圖像的光照分量[8]。快速引導(dǎo)濾波在引導(dǎo)濾波的基礎(chǔ)上被提出，主要原理是利用輸入圖像和引導(dǎo)圖像的降采樣圖像，是一種最快的邊緣保持濾波算法。其數(shù)學(xué)表達(dá)式為：

其中，[I]為引導(dǎo)圖像，[q]為輸出圖像，[ak]和[bk]為線性變換系數(shù)，[ωk]為濾波窗口。由公式可知，在任意窗口內(nèi)有梯度關(guān)系[?q=ak?I]，因此引導(dǎo)圖像的邊緣信息能最大限度的被保留。為使輸入圖像和引導(dǎo)的差值達(dá)到最小，即求[（ak， bk）]的最優(yōu)解，在濾波窗口[ωk]中使用損失函數(shù)：

式中，[ε]為規(guī)則化參數(shù)。[p]為原始輸入圖像。損失函數(shù)為最小值時(shí)，[ak]和[bk]的解為最優(yōu)值，

式中，[ω]為窗口[ωk]內(nèi)像素點(diǎn)的數(shù)目；[σk]和[μk]分別為窗口中圖像[I]的方差與均值；[pk]為窗口中[pk]的均值。由于[ak]和[bk]在不同的窗口的取值可能會(huì)不一樣，并且這些不同的窗口會(huì)包含同一點(diǎn)像素，故此求出該點(diǎn)為中心的不同窗口中[ak]和[bk]的均值，并將其作為求[qi]的參數(shù)，其表達(dá)式為：

根據(jù)損失函數(shù)（3）中的約束條件可知，快速引導(dǎo)濾波算法能夠?qū)⑤斎雸D像的總體邊緣特征最大限度的提取出來，并有效的保留輸入圖像的亮暗變化細(xì)節(jié)。如圖1所示，對(duì)圖像（車道線圖像），使用快速引導(dǎo)濾波算法提取光照分量信息。

1.2改進(jìn)的二維伽馬函數(shù)的亮度自適應(yīng)矯正函數(shù)的構(gòu)成

針對(duì)不均勻光照圖像的特點(diǎn)，提出改進(jìn)的二維伽馬函數(shù)，其數(shù)學(xué)表達(dá)式為：

根據(jù)公式可知，二維伽馬函數(shù)是將每個(gè)像素點(diǎn)處的光照值作為在該點(diǎn)處的參數(shù)，以實(shí)現(xiàn)光照不均勻圖像的自適應(yīng)校正，使得光照較暗區(qū)域的圖像變亮，光照過亮區(qū)域的圖像變暗，最終解決光照不均勻?qū)嚨谰€檢測的影響。用多尺度Retinex（multi-scale Retinex， MSR）算法和本文提出的算法對(duì)車道線圖像分別進(jìn)行校正處理，從圖2中可以看到，兩種方法都可以使原圖像中灰度值較低的區(qū)域提高，但對(duì)于灰度值較高的區(qū)域，本文算法使高亮區(qū)域得到了明顯的衰減，保留原圖像細(xì)節(jié)信息的同時(shí)，圖像中的車道線上的光照強(qiáng)度也能得到均衡。為后續(xù)的車道線提取提供更高質(zhì)量的車道線圖像信息。

2 車道線提取

2.1最大類間方差法

對(duì)經(jīng)過光照不均勻自適應(yīng)校正的車道線圖像進(jìn)行二值化處理，本文利用最大類間方差法也稱大津法，其優(yōu)點(diǎn)為自適應(yīng)尋求最佳閾值分割點(diǎn)。使圖像中的標(biāo)識(shí)目標(biāo)和圖像背景之間的像素類間方差最大，獲取最佳分割。

此算法將圖像分為黑色區(qū)域和白色區(qū)域，既灰度值分別為0和255。通過計(jì)算類間方差函數(shù)，求解方差最大時(shí)的閾值T，即為最佳分割點(diǎn)，大于T的區(qū)域像素值變?yōu)?55，反之變?yōu)?。二值化結(jié)果如圖3所示。

2.2 Hough變換基本原理

Hough變換的基本原理主要體現(xiàn)在直角坐標(biāo)系中的點(diǎn)唯一映射參數(shù)空間中的正弦曲線。根據(jù)對(duì)偶性，反之亦然。在數(shù)字圖像空間中，直線I上所有點(diǎn)可以表示為：

式中，[ρ]為原點(diǎn)到直線[I]的垂直距離；[θ]為[x]軸與該垂線的夾角。其中參數(shù)[θ，ρ]即對(duì)應(yīng)于參數(shù)空間中多條曲線的交點(diǎn)。

檢測直線問題就轉(zhuǎn)換為上述交點(diǎn)問題，把圖像上的直線區(qū)域假設(shè)為容器，利用投票的方式，統(tǒng)計(jì)出每個(gè)容器里的交點(diǎn)數(shù)量，通過統(tǒng)計(jì)容器里點(diǎn)的數(shù)量，當(dāng)其比較多時(shí)，此時(shí)的直線區(qū)域表示直線存在。

由于在道路圖像中，上半部分為天空、樹木等背景干擾信息，本文在進(jìn)行Hough變換之前先對(duì)圖像進(jìn)行感興趣區(qū)域截取。如圖4所示，為道路圖像截取后的Hough變換標(biāo)識(shí)結(jié)果。

3 算法實(shí)現(xiàn)

由于在結(jié)構(gòu)化道路中，存在樹木、道路指示牌、隧道等障礙物，使道路中車道線受光照不均勻，如果直接使用大津法對(duì)道路圖像進(jìn)行二值化處理，得到的結(jié)果不理想，車道線信息會(huì)被嚴(yán)重弱化，因此提出改進(jìn)二維伽馬函數(shù)的亮度自適應(yīng)校正函數(shù)，最大限度的解決光照不均勻問題。然后用大津法獲取二值化圖像，以提取車道線信息，最后利用Hough變換算法檢測出圖像中的車道線。算法的流程圖如圖4所示。

4 結(jié)束語

在強(qiáng)光照射、隧道進(jìn)出口以及道路旁邊干擾物陰影等環(huán)境條件下，導(dǎo)致結(jié)構(gòu)化道路中的車道線受光照不均勻，為提高車道線的檢測效果，本文提出一種基于改進(jìn)二維伽馬函數(shù)的車道線檢測算法，獲得了比較好的檢測結(jié)果，并且與同類其他算法相比，也有比較明顯的優(yōu)勢，同時(shí)為后續(xù)的車道線跟蹤降低了難度，因此具有非常實(shí)用的應(yīng)用前景。

參考文獻(xiàn)：

[1] Guo Lei，Wang Jianqiang，Li Keqiang. Lane Keeping System Based on THASV-Ⅱ Platform[J]. IEEE International Conference on Vehicular Electronics and Safety，2006，10（2）：305-308.

[2] 郭斯羽， 周樂前， 溫和，等. 基于二值圖像鄰域加權(quán)的直線Hough變換[J]. 電子測量與儀器學(xué)報(bào)， 2014， 28（5）：478-485.

[3] 滿增光，邵燁，武星，等. 級(jí)聯(lián)Hough變換直線特征提取方法[J]. 制造業(yè)自動(dòng)化，2017，39（11）.

[4] 儲(chǔ)霞，吳效明，黃岳山. 照度不均勻圖像的自動(dòng)Gamma灰度校正[J]. 微計(jì)算機(jī)信息，2009（18）：292-293.

[5] 劉志成，王殿偉，劉穎，等. 基于二維伽馬函數(shù)的光照不均勻圖像自適應(yīng)校正算法[J]. 北京理工大學(xué)學(xué)報(bào)，2016， 36（2）：191-196.

[6] MD SHUKRI D Y S，ASMUNI H，OTHMAN R M，et al. An improved multiscale retinex algorithm for motion-blurred iris images to minimize the intra-individual variations[J]. Pattern Recognition Letters，2013，34（9）：1071-1077.

[7] JUNG C，SUN T，JIAO L. Eye detection under varying illumination using the retinex theory[J]. Neurocomputing，2013，113（596）：130-137.

[8] 王殿偉，王晶，許志杰，等. 一種光照不均勻圖像的自適應(yīng)校正算法[J]. 系統(tǒng)工程與電子技術(shù)，2017， 39（6）：1383-1390.