智能摄像机亮度不变的特征

当亮度变化时,传统基于图像灰度的变化检测方法就失败了,因为灰度值的波动产生了错误的判断。这个问题能够通过使用亮度不变特征来克服。注意,要获得一个对亮度变化具有鲁棒性的变化检测算法,亮度不变转换可以作为亮度不变特征的一种替代。亮度不变转换将在下一部分讨论。

水平线^[28],边缘图^[351],图像区域的矢量表示^[153],还有反照率图像^[535]都是在亮度变化情况下比灰度图像具有更强的鲁棒性的例子。

让我们仔细考察不同的特征。参考文献[28]中展示了一种基于水平线图像表示的方法。这种方法运用了这样一个事实：一个整体的亮度变化改变的是数值,而不是水平线的几何形状。水平线λ是一个截集的边界。一个截集S_λ包括了所有的像素值大于λ的像素的位置：

S_λ={（x,y）：f（x,y）≥λ} （10.7）

输入一个f（x,y）,一幅包含水平线的图像能够用一个水平线映射g（x,y）来表示,水平线映射定义如下：

N是建立该映射的水平线数目。

与水平线原理相同,基于边缘避免亮度变化的算法被解释为结构的变化^[351]。使用边缘提高了空间的精度。另外,由于边缘图是二值图像,所以很方便计算和存储。

用于变化检测的另一种亮度不变特征是反照率图像。反照率图像代表一幅图像的反照率成分,它独立于亮度并且包含主要的物理对象信息。我们可以把反射成分r（x,y）和亮度i（x,y）的乘积作为灰度f（x,y）的模型^[428]：(www.xing528.com)

f（x,y）=r（x,y）i（x,y） （10.9）

在应用同态滤波器上输入亮度[535]就有可能提取出反射成分（反照率）。首先,通过一个对数滤波器区分亮度和反射成分：

log f（x,y）=logr（x,y）+logi（x,y） （10.10）

它使得r（x,y）和i（x,y）的乘法关系转化为加法。对数性质的转化图像基本上有两种频率成分：低频成分主要和亮度有关,中频和高频部分主要和反射系数有关。为了提取出反射成分,需要通过一个低通滤波器LP来消除高频成分。

g（x,y）=exp[log f（x,y）-LP[log f（x,y）] （10.11）

因此可以在变化检测分析中使用亮度不变特征。