一種基于顯著性分析的車道線分割方法及系統、車載終端與流程

本發明涉及圖像處理的技術領域，特別是涉及一種基于顯著性分析的車道線分割方法及系統、車載終端。

背景技術：

交通標線(trafficindexline)是指在道路的路面上用線條、箭頭、文字、立面標記、突起路標和輪廓標等向交通參與者傳遞引導、限制、警告等交通信息的標識，其作用是管制和引導交通，可以與標志配合使用，也可單獨使用。

具體地，交通標線中的線條包括以下幾種車道線：

(1)白色虛線

畫于路段中時，用以分隔同向行駛的交通流或作為行車安全距離識別線；畫于路口時，用以引導車輛行進。

(2)白色實線

畫于路段中時，用以分隔同向行駛的機動車和非機動車，或指示車行道的邊緣；畫于路口時，可用作導向車道線或停止線。

(3)黃色虛線

畫于路段中時，用以分隔對向行駛的交通流；畫于路側或緣石上時，用以禁止車輛長時在路邊停放。

(4)黃色實線

畫于路段中時，用以分隔對向行駛的交通流；畫于路側或緣石上時，用以禁止車輛長時或臨時在路邊停放。

(5)雙白虛線

畫于路口時，作為減速讓行線；畫于路段中時，作為行車方向隨時間改變之可變車道線。

(6)雙黃實線

畫于路段中時，用以分隔對向行駛的交通流。

(7)黃色虛實線

畫于路段中時，用以分隔對向行駛的交通流；黃色實線一側禁止車輛超車、跨越或回轉，黃色虛線一側在保證安全的情況下準許車輛超車、跨越或回轉。

(8)雙白實線

畫于路口時，作為停車讓行線。

車道偏離預警系統是一種通過報警的方式輔助駕駛員減少汽車因車道偏離而發生交通事故的汽車駕駛的輔助系統。當車輛偏離行駛車道時，通過所述車道偏離預警系統可以發出預警提醒。在車道偏離預警系統中，為了保證預警的準確度，需要在路面圖像中對車道線進行準確的識別和分割。

現有技術中，在路面圖像中分割車道線時，容易出現車道線細節不完整、包括小孔洞等噪聲的缺陷，所獲取的車道線無法滿足車道偏離預警等實際應用的需求。

技術實現要素：

鑒于以上所述現有技術的缺點，本發明的目的在于提供一種基于顯著性分析的車道線分割方法及系統、車載終端，通過對路面圖像進行基于顯著性分析的預處理，得到對比度增強的顯著性分析圖像，繼而在顯著性分析圖像的基礎上得到目標增強圖像，從而在保留盡可能多的細節的前提下分割車道線，以滿足車道偏離預警等實際應用的需求。

為實現上述目的及其他相關目的，本發明提供一種基于顯著性分析的車道線分割方法，包括以下步驟：遍歷路面圖像，獲取所述路面圖像中各個像素值的分布頻率；計算每個像素值的分布頻率到其他各個像素值的分布頻率的距離之和；對每個像素值所對應的距離之和取n次冪，再進行歸一化處理，得到每個像素值對應的距離變化空間，其中n≤0.2；對所述路面圖像進行歸一化處理，得到拉伸圖像；所述路面圖像歸一化處理后的像素點的像素值的變化范圍與像素值對應的距離變化空間的變化范圍相同；將所述路面圖像的每個像素根據其像素值映射到對應的距離變化空間，得到顯著性分析圖像；將所述顯著性分析圖像減去所述拉伸圖像，得到差值圖像；對所述差值圖像進行均衡化處理，得到目標減弱圖像；對所述路面圖像進行限幅處理，得到限幅圖像；將所述限幅圖像減去所述目標減弱圖像，得到目標增強圖像；對所述目標增強圖像進行均衡化處理，得到包含有車道線的目標圖像。

于本發明一實施例中，所述路面圖像為經過采樣處理的y通道圖像信息。

于本發明一實施例中，每個像素值的分布頻率到其他各個像素值的分布頻率的距離為兩個像素值對應的分布頻率的平方和的平方根。

于本發明一實施例中，對每個像素值所對應的距離之和取n次冪后的取值進行歸一化處理時，將各個取值線性映射至0-255的范圍內；對所述路面圖像進行歸一化處理時，將各個像素點的像素值線性映射至0-255的范圍內。

于本發明一實施例中，進行均衡化處理時，采用直方圖均衡化算法。

同時，本發明還提供一種基于顯著性分析的車道線分割系統，包括分布頻率獲取模塊、計算模塊、距離變化空間獲取模塊、拉伸圖像獲取模塊、顯著性圖像獲取模塊、差值圖像獲取模塊、目標減弱圖像獲取模塊、限幅圖像獲取模塊、目標增強圖像獲取模塊和目標圖像獲取模塊；

所述分布頻率獲取模塊用于遍歷路面圖像，獲取所述路面圖像中各個像素值的分布頻率；

所述計算模塊用于計算每個像素值的分布頻率到其他各個像素值的分布頻率的距離之和；

所述距離變化空間獲取模塊用于對每個像素值所對應的距離之和取n次冪，再進行歸一化處理，得到每個像素值對應的距離變化空間，其中n≤0.2；

所述拉伸圖像獲取模塊用于對所述路面圖像進行歸一化處理，得到拉伸圖像；所述路面圖像歸一化處理后的像素點的像素值的變化范圍與像素值對應的距離變化空間的變化范圍相同；

所述顯著性分析圖像獲取模塊用于將所述路面圖像的每個像素根據其像素值映射到對應的距離變化空間，得到顯著性分析圖像；

所述差值圖像獲取模塊用于將所述顯著性分析圖像減去所述拉伸圖像，得到差值圖像；

所述目標減弱圖像獲取模塊用于對所述差值圖像進行均衡化處理，得到目標減弱圖像；

所述限幅圖像獲取模塊用于對所述路面圖像進行限幅處理，得到限幅圖像；

所述目標增強圖像獲取模塊用于將所述限幅圖像減去所述目標減弱圖像，得到目標增強圖像；

所述目標圖像獲取模塊用于對所述目標增強圖像進行均衡化處理，得到包含有車道線的目標圖像。

于本發明一實施例中，每個像素值的分布頻率到其他各個像素值的分布頻率的距離為兩個像素值對應的分布頻率的平方和的平方根。

于本發明一實施例中，對每個像素值所對應的距離之和取n次冪后的取值進行歸一化處理時，將各個取值線性映射至0-255的范圍內；對所述路面圖像進行歸一化處理時，將各個像素點的像素值線性映射至0-255的范圍內。

于本發明一實施例中，進行均衡化處理時，采用直方圖均衡化算法。

另外，本發明還提供一種車載終端，包括上述任一所述的基于顯著性分析的車道線分割系統。

如上所述，本發明的基于顯著性分析的車道線分割方法及系統、車載終端，具有以下有益效果：

(1)通過對路面圖像進行基于顯著性分析的預處理，得到對比度增強的顯著性分析圖像，繼而在顯著性分析圖像的基礎上得到目標增強圖像，從而在保留盡可能多的細節的前提下分割車道線；

(2)通過均值濾波，能夠去除小孔洞等噪點；

(3)所分割的車道線滿足車道偏離預警等實際應用的需求；

(4)車道線分割效率高，實時性強。

附圖說明

圖1顯示為本發明的基于顯著性分析的車道線分割方法的流程圖；

圖2顯示為本發明的基于顯著性分析的車道線分割系統的結構示意圖；

圖3顯示為本發明的車載終端的結構示意圖。

元件標號說明

1分布頻率獲取模塊

2計算模塊

3距離變化空間獲取模塊

4拉伸圖像獲取模塊

5顯著性圖像獲取模塊

6差值圖像獲取模塊

7目標減弱圖像獲取模塊

8限幅圖像獲取模塊

9目標增強圖像獲取模塊

10目標圖像獲取模塊

具體實施方式

以下通過特定的具體實例說明本發明的實施方式，本領域技術人員可由本說明書所揭露的內容輕易地了解本發明的其他優點與功效。本發明還可以通過另外不同的具體實施方式加以實施或應用，本說明書中的各項細節也可以基于不同觀點與應用，在沒有背離本發明的精神下進行各種修飾或改變。需說明的是，在不沖突的情況下，以下實施例及實施例中的特征可以相互組合。

需要說明的是，以下實施例中所提供的圖示僅以示意方式說明本發明的基本構想，遂圖式中僅顯示與本發明中有關的組件而非按照實際實施時的組件數目、形狀及尺寸繪制，其實際實施時各組件的型態、數量及比例可為一種隨意的改變，且其組件布局型態也可能更為復雜。

本發明的基于顯著性分析的車道線分割方法及系統、車載終端通過對路面圖像進行基于顯著性分析的預處理，得到對比度增強的顯著性分析圖像，繼而在顯著性分析圖像的基礎上得到目標增強圖像，最后從目標增強圖像中分割車道線，從而在保留盡可能多的細節的前提下分割車道線，使得所分割的車道線滿足車道偏離預警等實際應用的需求；同時車道線分割效率高，實時性強。

參照圖1，本發明的基于顯著性分析的車道線分割方法包括以下步驟：

步驟s1、遍歷路面圖像，獲取路面圖像中各個像素值的分布頻率。

在本發明中，路面圖像為圖像采集設備所采集，采用yuv格式。其中，yuv是被歐洲電視系統所采用的一種顏色編碼方法，其中“y”表示明亮度(luminance或luma)，也就是灰階值；而“u”和“v”表示的則是色度(chrominance或chroma)，作用是描述影像色彩及飽和度，用于指定像素的顏色。也就是說，y通道圖像信息表示圖像的亮度信息，u通道圖像信息和v通道圖像信息表示圖像的彩色信息，將y通道圖像信息、u通道圖像信息和v通道圖像信息結合起來，就能夠形成彩色圖片。在本發明中，路面圖像為經過采樣處理的y通道圖像信息。

具體地，像素值的分布頻率是指在一張圖像中像素值的出現頻率，即像素值的出現次數。例如，像素值0出現了200次，像素值256出現了1000次，則像素值0和256的分布頻率分別為200和1000。

步驟s2、計算每個像素值的分布頻率到其他各個像素值的分布頻率的距離之和。

優選地，每個像素值的分布頻率到其他各個像素值的分布頻率的距離為歐氏距離，即兩個像素值對應的分布頻率的平方和的平方根，但不限于歐氏距離。歐氏距離是一個通常采用的距離定義，指在m維空間中兩個點之間的真實距離，或者向量的自然長度(即該點到原點的距離)。在二維和三維空間中的歐氏距離就是兩點之間的實際距離。例如，像素值0和256的分布頻率分別為200和1000，則像素值0的分布頻率和256的分布頻率的距離為(200²+1000²)^1/2。

步驟s3、對每個像素值所對應的距離之和取n次冪，再進行歸一化處理，得到每個像素值對應的距離變化空間，其中n≤0.2。

對每個像素值所對應的距離之和取小于等于0.2的次冪，是為了在后續處理中盡量多的保留細節信息，使得對比度弱的細節也不至于被去除掉，從而保證車道線分割的完整性。

具體地，對每個像素值所對應的距離之和取n次冪后的取值進行歸一化處理時，將各個取值線性映射至0-255的范圍內。即每個像素值對應的距離變化空間在0-255的范圍內。

步驟s4、對路面圖像進行歸一化處理，得到拉伸圖像；路面圖像歸一化處理后的像素點的像素值的變化范圍與像素值對應的距離變化空間的變化范圍相同。

具體地，對路面圖像進行歸一化處理時，將各個像素點的像素值線性映射至0-255的范圍內，從而得到拉伸圖像。

步驟s5、將路面圖像的每個像素根據其像素值映射到對應的距離變化空間，得到顯著性分析圖像。

具體地，遍歷路面圖像中的每個像素，將其像素值映射為該像素值對應的距離變化空間，則由各個像素點的距離變化空間構成的圖像即為顯著性分析圖像。

步驟s6、將顯著性分析圖像減去拉伸圖像，得到差值圖像。

步驟s7、對差值圖像進行均衡化處理，得到目標減弱圖像。

具體地，采用直方圖均衡化算法對差值圖像進行均衡化處理。

直方圖均衡化處理的中心思想是把原始圖像的灰度直方圖從比較集中的某個灰度區間變成在全部灰度范圍內的均勻分布。直方圖均衡化就是對圖像進行非線性拉伸，重新分配圖像像素值，使一定灰度范圍內的像素數量大致相同。直方圖均衡化就是將給定圖像的直方圖分布改變成“均勻”分布直方圖分布。

步驟s8、對路面圖像進行限幅處理，得到限幅圖像。

具體地，限幅處理是指將路面圖像中分布頻率低于預設頻率的像素值采用鄰近像素值代替。

步驟s9、將限幅圖像減去目標減弱圖像，得到目標增強圖像。

步驟s10、對目標增強圖像進行均衡化處理，得到包含有車道線的目標圖像。

具體地，采用直方圖均衡化算法對目標增強圖像進行均衡化處理。

參照圖2，本發明的基于顯著性分析的車道線分割系統包括分布頻率獲取模塊1、計算模塊2、距離變化空間獲取模塊3、拉伸圖像獲取模塊4、顯著性圖像獲取模塊5、差值圖像獲取模塊6、目標減弱圖像獲取模塊7、限幅圖像獲取模塊8、目標增強圖像獲取模塊9和目標圖像獲取模塊10。

分布頻率獲取模塊1用于遍歷路面圖像，獲取路面圖像中各個像素值的分布頻率。

在本發明中，路面圖像為圖像采集設備所采集，采用yuv格式。其中，yuv是被歐洲電視系統所采用的一種顏色編碼方法，其中“y”表示明亮度(luminance或luma)，也就是灰階值；而“u”和“v”表示的則是色度(chrominance或chroma)，作用是描述影像色彩及飽和度，用于指定像素的顏色。也就是說，y通道圖像信息表示圖像的亮度信息，u通道圖像信息和v通道圖像信息表示圖像的彩色信息，將y通道圖像信息、u通道圖像信息和v通道圖像信息結合起來，就能夠形成彩色圖片。在本發明中，路面圖像為經過采樣處理的y通道圖像信息。

具體地，像素值的分布頻率是指在一張圖像中像素值的出現頻率，即像素值的出現次數。例如，像素值0出現了200次，像素值256出現了1000次，則像素值0和256的分布頻率分別為200和1000。

計算模塊2與分布頻率獲取模塊1相連，用于計算每個像素值的分布頻率到其他各個像素值的分布頻率的距離之和。

優選地，每個像素值的分布頻率到其他各個像素值的分布頻率的距離為歐氏距離，即兩個像素值對應的分布頻率的平方和的平方根，但不限于歐氏距離。歐氏距離是一個通常采用的距離定義，指在m維空間中兩個點之間的真實距離，或者向量的自然長度(即該點到原點的距離)。在二維和三維空間中的歐氏距離就是兩點之間的實際距離。例如，像素值0和256的分布頻率分別為200和1000，則像素值0的分布頻率和256的分布頻率的距離為(200²+1000²)^1/2。

距離變化空間獲取模塊3與計算模塊2相連，用于對每個像素值所對應的距離之和取n次冪，再進行歸一化處理，得到每個像素值對應的距離變化空間，其中n≤0.2。

對每個像素值所對應的距離之和取小于等于0.2的次冪，是為了在后續處理中盡量多的保留細節信息，使得對比度弱的細節也不至于被去除掉，從而保證車道線分割的完整性。

具體地，對每個像素值所對應的距離之和取n次冪后的取值進行歸一化處理時，將各個取值線性映射至0-255的范圍內。即每個像素值對應的距離變化空間在0-255的范圍內。

拉伸圖像獲取模塊4用于對路面圖像進行歸一化處理，得到拉伸圖像；路面圖像歸一化處理后的像素點的像素值的變化范圍與像素值對應的距離變化空間的變化范圍相同。

具體地，對路面圖像進行歸一化處理時，將各個像素點的像素值線性映射至0-255的范圍內，從而得到拉伸圖像。

顯著性分析圖像獲取模塊5與距離變化空間獲取模塊3相連，用于將路面圖像的每個像素根據其像素值映射到對應的距離變化空間，得到顯著性分析圖像。

具體地，遍歷路面圖像中的每個像素，將其像素值映射為該像素值對應的距離變化空間，則由各個像素點的距離變化空間構成的圖像即為顯著性分析圖像。

差值圖像獲取模塊6與顯著性分析圖像獲取模塊5和拉伸圖像獲取模塊4相連，用于將顯著性分析圖像減去拉伸圖像，得到差值圖像。

目標減弱圖像獲取模塊7與差值圖像獲取模塊6相連，用于對差值圖像進行均衡化處理，得到目標減弱圖像。

具體地，采用直方圖均衡化算法對差值圖像進行均衡化處理。

直方圖均衡化處理的中心思想是把原始圖像的灰度直方圖從比較集中的某個灰度區間變成在全部灰度范圍內的均勻分布。直方圖均衡化就是對圖像進行非線性拉伸，重新分配圖像像素值，使一定灰度范圍內的像素數量大致相同。直方圖均衡化就是將給定圖像的直方圖分布改變成“均勻”分布直方圖分布。

限幅圖像獲取模塊8用于對路面圖像進行限幅處理，得到限幅圖像。

具體地，限幅處理是指將路面圖像中分布頻率低于預設頻率的像素值采用鄰近像素值代替。

目標增強圖像獲取模塊9與限幅圖像獲取模8塊和目標減弱圖像獲取模塊7相連，用于將限幅圖像減去目標減弱圖像，得到目標增強圖像。

目標圖像獲取模塊10與目標增強圖像獲取模塊9相連，用于對目標增強圖像進行均衡化處理，得到包含有車道線的目標圖像。

具體地，采用直方圖均衡化算法對目標增強圖像進行均衡化處理。

同時，如圖3所示，本發明還提供一種車載終端，包括上述的基于顯著性分析的車道線分割系統。基于該車載終端，可以試試獲取分割的車道線，從而為駕駛提供信息支持。

綜上所述，本發明的基于顯著性分析的車道線分割方法及系統、車載終端通過對路面圖像進行基于顯著性分析的預處理，得到對比度增強的顯著性分析圖像，繼而在顯著性分析圖像的基礎上得到目標增強圖像，從而在保留盡可能多的細節的前提下分割車道線；通過均值濾波，能夠去除小孔洞等噪點；所分割的車道線滿足車道偏離預警等實際應用的需求；車道線分割效率高，實時性強。所以，本發明有效克服了現有技術中的種種缺點而具高度產業利用價值。

上述實施例僅例示性說明本發明的原理及其功效，而非用于限制本發明。任何熟悉此技術的人士皆可在不違背本發明的精神及范疇下，對上述實施例進行修飾或改變。因此，舉凡所屬技術領域中具有通常知識者在未脫離本發明所揭示的精神與技術思想下所完成的一切等效修飾或改變，仍應由本發明的權利要求所涵蓋。