当前位置: 代码迷 >> 综合 >> 【论文笔记】用形状做挡风玻璃上的雨滴检测《Detection Of Raindrop With Various Shapes On A Windshield》
  详细解决方案

【论文笔记】用形状做挡风玻璃上的雨滴检测《Detection Of Raindrop With Various Shapes On A Windshield》

热度:48   发布时间:2024-01-14 03:42:31.0

《Detection of Raindrop with Various Shapes on a Windshield》


1 介绍

2 雨滴检测方法

在白天和夜晚使用不同的算法。通过整幅图像的强度水平判断是白天还是夜晚。

2.1 白天的雨滴检测方法

这个方法假设在白天雨滴有以下性质:

  1. 当背景的纹理是强的,雨滴比周围要模糊。如图2中红色矩形框。
  2. 当背景的纹理是弱的,雨滴比周围有更强的纹理。


    在这里插入图片描述

在这里插入图片描述

步骤:

  1. 一幅图像分为强纹理区域和弱纹理区域。
  2. 通过两个模型图像提取到的边缘强度的比率,用来计算模糊度。
  3. 通过边缘比率的变化来计算雨滴候选区域。
  4. 通过挡风玻璃上雨滴变化不会很快的特点,来移除错误的雨滴候选区域。

2.1.1 纹理分析

  1. 图像被分为网格 B(u,v)。基于边缘强度的纹理分析在每个格子里进行。在实验中,图像尺寸是 640x360,每个块尺寸是 10x10。
  2. 用sobel来进行边缘检测,边缘强度值 E(u,v) 在每个格子中计算。
    (1) 如果 E(u,v) 大于 T E T_E TE?,此块被认为是纹理区域;
    (2) 否则被认为是非纹理区域。
    T E T_E TE?的选取原则:路面要被包含在非纹理区域中。


在这里插入图片描述

2.1.2 雨滴候选区域检测

  1. 为了不依赖背景的纹理来测试模糊度,计算从两种平滑图像中提取的边缘强度。用高斯滤波来进行图像平滑。用 I s 1 I_{s1} Is1? 来表示 用方差 σ 1 \sigma_1 σ1? 来进行高斯平滑的图像,用 I s 2 I_{s2} Is2? 来表示 用方差 σ 2 \sigma_2 σ2? 来进行高斯平滑的图像。

  2. 边缘强度图像 I e 1 I_{e1} Ie1? I e 2 I_{e2} Ie2? 用 sobel 算子来得到。
    (1) 纹理清晰的区域,边缘强度变化大;
    (2) 纹理模糊的区域,边缘强度变化小。

  3. 模糊度计算公式:

D b ( i , j ) = I e 1 ( i , j ) I e 2 ( i , j ) D_b(i,j) = \frac {I_{e1}(i,j)} {I_{e2}(i,j)} Db?(i,j)=Ie2?(i,j)Ie1?(i,j)?

模糊严重的区域上值小。
在背景是强纹理区域时,雨滴的模糊度 D b D_b Db? 比周围小;
在背景是均匀区域时,雨滴的模糊度比周围大。

  1. 雨滴区域判断

(1) 非纹理块中,有一个或多个像素满足以下条件:
D b ( i , j ) ? D b ( k , l ) > T n D_b(i,j) - D_b(k,l) > T_n Db?(i,j)?Db?(k,l)>Tn?

(2) 纹理块中,有一个或多个像素满足以下条件:
D b ( k , l ) ? D b ( i , j ) > T t D_b(k,l) - D_b(i,j) > T_t Db?(k,l)?Db?(i,j)>Tt?

T n = 0.78 , T t = 2.1 T_n=0.78, T_t=2.1 Tn?=0.78,Tt?=2.1


在这里插入图片描述

在这里插入图片描述

个人理解:
(1)在弱纹理区域
某点像素模糊度比周边要大
(2)在强纹理区域
某点像素模糊度比周边要小

周围像素满足
∣ D b ( i , j ) ? D b ( k , l ) ∣ &lt; T c ( T c = 0.1 ) | D_b(i,j) - D_b(k,l) | &lt; T_c (T_c=0.1) Db?(i,j)?Db?(k,l)<Tc?(Tc?=0.1)
的添加到雨滴候选区域。
fig5c 中展示了雨滴候选区域的最终结果。

2.1.3 雨滴判断

2.1.3.1

我们通过整合多帧的检测结果,背景的移动大,雨滴移动小,来移除假的候选区域。
(1)在 R t ( i , j ) R_t(i,j) Rt?(i,j) 中雨滴候选区域设置为1。
(2) S R ( i , j ) SR(i,j) SR(i,j) 代表 R t ? n + 1 ( i , j ) R_{t-n+1}(i,j) Rt?n+1?(i,j), R t ? n + 2 ( i , j ) R_{t-n+2}(i,j) Rt?n+2?(i,j), R t ( i , j ) R_{t}(i,j) Rt?(i,j) T r T_r Tr? 设置为 2, n n n 设置为3。

2.1.3.2

护栏、桥梁的栏杆、墙的边界会被错误检测。为了去除这种区域,用光流方向来验证雨滴候选区域。
在车道标记上检测到的运动等会聚在消失点。
另一方面,在雨滴上检测到的运动是不稳定的。
出于这样的原因,我们在雨滴候选区域上检测光流,在15帧兴趣像素为中心的block上计算方差。在实验中,block设为11x11。
fig6的a到c显示了光流,d(蓝圈)显示了雨滴区域光流方向的直方图,e(绿圈)展示了车道线的光流方向直方图。



在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

背景中的光流方向与它周围相似,并且 在连续帧中变化不大。
雨滴上的光流有不同方向。
出于这个原因,当光流方向变化小时雨滴候选区域被去除。

2.2 夜晚的雨滴检测方法

  相关解决方案