【技術實現步驟摘要】
本專利技術涉及自動駕駛，尤其涉及的是一種車載行車輔助影像圖像質量優化方法及裝置。
技術介紹
1、隨著汽車工業和智能駕駛技術的不斷進步，車載行車輔助影像系統已成為現代汽車的標配。這些系統通過多個攝像頭實時采集車輛周圍環境的影像，輔助駕駛員做出安全駕駛決策。然而，行車過程中復雜多變的環境因素常常導致影像質量下降，影響了行車輔助影像的有效性和可靠性。其中，主要影響因素包括：光照變化、天氣狀況、運動模糊以及攝像頭性能限制等影響因素。
2、當前，針對車載行車輔助影像的圖像質量優化技術主要包括以下幾種：
3、1)圖像去噪：采用高斯濾波、中值濾波等方法，減少由于傳感器噪聲和環境噪聲帶來的圖像質量下降問題。
4、2)圖像增強：通過直方圖均衡化、自適應直方圖均衡化等技術，提升圖像的整體亮度和對比度，突出重要細節。
5、3)超分辨率重建：利用深度學習技術(如卷積神經網絡)對低分辨率圖像進行重建，獲得高分辨率、高細節的圖像。
6、4)惡劣天氣處理：通過去霧、去雨等算法，去除圖像中由于惡劣天氣造成的干擾，提高圖像的清晰度。
7、5)色彩校正：調整白平衡和色彩平衡，校正圖像色彩失真問題，確保色彩的真實性和一致性。
8、盡管這些技術在一定程度上提高了行車輔助影像的質量，但仍然面臨一些挑戰。例如，在不同光照和天氣條件下，圖像質量優化算法的穩定性和魯棒性仍需進一步提高。此外，為了滿足行車環境的實時性要求，算法的計算效率也亟待優化。
9、因此，現有技術還有待改進。p>
技術實現思路
1、本專利技術要解決的技術問題在于，針對現有技術缺陷，本專利技術提供一種車載行車輔助影像圖像質量優化方法及裝置，以解決傳統的車載行車輔助影像的圖像質量優化算法穩定性低以及計算效率低的問題。
2、本專利技術解決技術問題所采用的技術方案如下：
3、第一方面，本專利技術提供車載行車輔助影像圖像質量優化方法，包括：
4、獲取車載行車輔助影像的圖像流數據；
5、基于同態濾波算法對所述圖像流數據中的圖像進行圖像增強和光照補償處理，得到同態濾波后的圖像；
6、基于gamma變換算法對所述同態濾波后的圖像進行圖像灰度調整，得到gamma變換后的圖像；
7、基于導向濾波算法對所述gamma變換后的圖像進行去噪和細節增強處理，輸出優化后的車載行車輔助影像圖像。
8、在一種實現方式中，所述獲取車載行車輔助影像的圖像流數據，包括：
9、獲取車載攝像頭采集的連續多幀的行車輔助圖像，得到所述圖像流數據；其中，所述圖像流數據中的圖像包括：rgb圖像、yuv圖像以及ycrcb圖像中的任意一種。
10、在一種實現方式中，所述基于同態濾波算法對所述圖像流數據中的圖像進行圖像增強和光照補償處理，得到同態濾波后的圖像，包括：
11、對所述圖像流數據中的圖像進行對數變換處理；
12、通過高通濾波器抑制對數變換處理后的圖像的低頻成分，并增強所述對數變換處理后的圖像的高頻成分，得到濾波后的結果；
13、對所述濾波后的結果進行指數變換，得到所述同態濾波后的圖像。
14、在一種實現方式中，所述同態濾波算法的公式為：
15、
16、其中，γh和γl分別代表圖像高頻和低頻的加權分量，c代表鑒定是否為高頻的閾值；
17、代表在圖像上做高斯模糊或巴特沃斯模糊。
18、在一種實現方式中，所述基于gamma變換算法對所述同態濾波后的圖像進行圖像灰度調整，得到gamma變換后的圖像，包括：
19、將所述同態濾波后的圖像的像素值轉換成0～1之間的實數；
20、根據gamma變換的公式，求出像素歸一化后的數據以1/γ為指數的對應值，對歸一化后的數據進行預補償；
21、將經過預補償的實數值反變換為0～255之間的值，得到所述gamma變換后的圖像。
22、在一種實現方式中，所述基于導向濾波算法對所述gamma變換后的圖像進行去噪和細節增強處理，輸出優化后的車載行車輔助影像圖像，包括：
23、確定均值濾波的滑動窗口大小以及去噪強度超參數；
24、根據所述均值濾波的滑動窗口大小以及所述去噪強度超參數對所述gamma變換后的圖像進行去噪和細節增強處理，輸出優化后的車載行車輔助影像圖像。
25、在一種實現方式中，所述確定均值濾波的滑動窗口大小以及去噪強度超參數，包括：
26、根據gpu利用率和降噪效果，分別確定均值濾波的滑動窗口大小以及去噪強度超參數。
27、第二方面，本專利技術提供一種車載行車輔助影像圖像質量優化裝置，包括：
28、圖像獲取模塊，用于獲取車載行車輔助影像的圖像流數據；
29、同態濾波模塊，用于基于同態濾波算法對所述圖像流數據中的圖像進行圖像增強和光照補償處理，得到同態濾波后的圖像；
30、圖像變換模塊，用于基于gamma變換算法對所述同態濾波后的圖像進行圖像灰度調整，得到gamma變換后的圖像；
31、導向濾波模塊，用于基于導向濾波算法對所述gamma變換后的圖像進行去噪和細節增強，輸出優化后的車載行車輔助影像圖像。
32、第三方面，本專利技術提供一種終端，包括：處理器以及存儲器，所述存儲器存儲有車載行車輔助影像圖像質量優化程序，所述車載行車輔助影像圖像質量優化程序被所述處理器執行時用于實現如第一方面所述的車載行車輔助影像圖像質量優化方法的操作。
33、第四方面，本專利技術還提供一種介質，所述介質為計算機可讀存儲介質，所述介質存儲有車載行車輔助影像圖像質量優化程序，所述車載行車輔助影像圖像質量優化程序被處理器執行時用于實現如第一方面所述的車載行車輔助影像圖像質量優化方法的操作。
34、本專利技術采用上述技術方案具有以下效果：
35、本專利技術通過獲取車載行車輔助影像的圖像流數據，可基于同態濾波算法對圖像流數據中的圖像進行圖像增強和光照補償處理，以及基于gamma變換算法對同態濾波后的圖像進行圖像灰度調整，從而可基于導向濾波算法對gamma變換后的圖像進行去噪和細節增強處理，輸出優化后的車載行車輔助影像圖像。本專利技術能夠達到降噪的效果，同時又能很好地保留圖像的邊緣以及其他細節部分，兼顧了gpu的利用率，提高了圖像質量優化效率。
本文檔來自技高網...【技術保護點】
1.一種車載行車輔助影像圖像質量優化方法，其特征在于，包括：
2.根據權利要求1所述的車載行車輔助影像圖像質量優化方法，其特征在于，所述獲取車載行車輔助影像的圖像流數據，包括：
3.根據權利要求1所述的車載行車輔助影像圖像質量優化方法，其特征在于，所述基于同態濾波算法對所述圖像流數據中的圖像進行圖像增強和光照補償處理，得到同態濾波后的圖像，包括：
4.根據權利要求3所述的車載行車輔助影像圖像質量優化方法，其特征在于，所述同態濾波算法的公式為：
5.根據權利要求1所述的車載行車輔助影像圖像質量優化方法，其特征在于，所述基于gamma變換算法對所述同態濾波后的圖像進行圖像灰度調整，得到gamma變換后的圖像，包括：
6.根據權利要求1所述的車載行車輔助影像圖像質量優化方法，其特征在于，所述基于導向濾波算法對所述gamma變換后的圖像進行去噪和細節增強處理，輸出優化后的車載行車輔助影像圖像，包括：
7.根據權利要求6所述的車載行車輔助影像圖像質量優化方法，其特征在于，所述確定均值濾波的滑動窗口大小以及去噪強度超參數
8.一種車載行車輔助影像圖像質量優化裝置，其特征在于，包括：
9.一種終端，其特征在于，包括：處理器以及存儲器，所述存儲器存儲有車載行車輔助影像圖像質量優化程序，所述車載行車輔助影像圖像質量優化程序被所述處理器執行時用于實現如權利要求1-7中任意一項所述的車載行車輔助影像圖像質量優化方法的操作。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有車載行車輔助影像圖像質量優化程序，所述車載行車輔助影像圖像質量優化程序被處理器執行時用于實現如權利要求1-7中任意一項所述的車載行車輔助影像圖像質量優化方法的操作。
...【技術特征摘要】
1.一種車載行車輔助影像圖像質量優化方法，其特征在于，包括：
2.根據權利要求1所述的車載行車輔助影像圖像質量優化方法，其特征在于，所述獲取車載行車輔助影像的圖像流數據，包括：
3.根據權利要求1所述的車載行車輔助影像圖像質量優化方法，其特征在于，所述基于同態濾波算法對所述圖像流數據中的圖像進行圖像增強和光照補償處理，得到同態濾波后的圖像，包括：
4.根據權利要求3所述的車載行車輔助影像圖像質量優化方法，其特征在于，所述同態濾波算法的公式為：
5.根據權利要求1所述的車載行車輔助影像圖像質量優化方法，其特征在于，所述基于gamma變換算法對所述同態濾波后的圖像進行圖像灰度調整，得到gamma變換后的圖像，包括：
6.根據權利要求1所述的車載行車輔助影像圖像質量優化方法，其特征在于，所述基于導向濾波算法對所述gamma...
【專利技術屬性】
技術研發人員：謝旭龍，
申請(專利權)人：深圳元戎啟行科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。