申请/专利权人：广州市卓航信息科技有限公司

申请日：2020-07-03

公开（公告）日：2024-05-17

公开（公告）号：CN111985527B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/80;G06V10/77;G06V10/50;G06V10/26

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2024.05.07#专利申请权的转移;2020.12.11#实质审查的生效;2020.11.24#公开

摘要：本发明一种逆光图像自动检测方法，过程为：照度图像、正常光照图像、逆光图像这三种类型的图像，并对这些类型的图像分别赋予类别标签0、1、2，按照7：3的比例，随机形成训练集图像和测试集图像；提取训练集图像降维后的分布特征、信息熵差异特征、空间区域特征；将降维后的分布特征、信息熵差异特征、空间区域特征融合，设计并训练SVM模型；对待检测图像，提取该图像特征并进行融合，用输入训练好的SVM模型判断其是否为逆光图像。本发明的方法，克服了现有检测方法中数据采集不够全面的问题，针对逆光图像的特点，设计了有针对性的空间区域特征并提取了多种特征，较为精确的表征逆光图像的特性；提高了逆光图像检测的准确度。

主权项：1.一种逆光图像自动检测方法，其特征在于，具体按照以下步骤实施：步骤1、采集低照度图像、正常光照图像、逆光图像这三种类型的图像，并对这些类型的图像分别赋予类别标签0、1、2，按照7：3的比例，随机形成训练集图像和测试集图像；步骤2、提取训练集图像降维后的分布特征、信息熵差异特征、空间区域特征；具体过程为：步骤2.1、提取训练集图像亮度分布直方图特征并进行归一化处理，进一步采用线性判别分析法LDA将亮度分布直方图特征进行降维，形成降维后的分布特征；具体过程为：步骤2.1.1、设训练集中的图像为fx,y，其大小为w×h，亮度分布直方图为：his＝[h0,h1，…，h255]，其中步骤2.1.2、对亮度分布直方图采用最大-最小归一化方法进行归一化处理；步骤2.1.3、采用LDA降维方法，对归一化后的亮度分布直方图特征降至2维，设降维后的亮度分布直方图特征为：步骤2.2、采用伽马校正，提取训练集图像伽马校正前后的信息熵差异特征；具体过程为：步骤2.2.1、设训练集中的图像为fx,y，分别选取γ＝0.3、γ＝1.5进行增强，设增强后图像为g1x,y和g2x,y；步骤2.2.2、计算增强前后的图像的信息熵Ef、其中信息熵的计算公式为步骤2.2.3、计算增强前后的图像的信息熵差异特征D＝[ΔD1,ΔD2]，其中步骤2.3、将训练集图像划分为5个区域，提取各区域的亮度均值和方差，计算空间区域特征；具体过程为：步骤2.3.1、对训练集中的图像划分为5个区域，记为Rii＝1,2,3,4,5；步骤2.3.2、求取每个区域的平均亮度值mii＝1,2,3,4,5，其中Ni为区域Ri中的像素数；步骤2.3.3、求取每个区域的亮度方差vii＝1,2,3,4,5，其中步骤2.3.4、求取空间区域特征步骤3、将降维后的分布特征、信息熵差异特征、空间区域特征融合，设计并训练SVM模型，用测试集中的图像对SVM模型进行验证；具体过程为：步骤3.1、融合降维后的分布特征、信息熵差异特征、空间区域特征融合为：步骤3.2、采用径向基核函数，使用训练集中的图像及类别标签训练SVM分类器，用测试集图像验证分类器的检测性能；步骤4、对待检测图像，按照步骤2提取该图像降维后的分布特征、信息熵差异特征、空间区域特征并进行融合，用输入训练好的SVM模型判断其是否为逆光图像。

全文数据：

权利要求：

百度查询： 广州市卓航信息科技有限公司 一种逆光图像自动检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD