一种基于Logistic回归模型的逆光图像检测方法及装置

摘要

本发明公开了一种基于Logistic回归模型的逆光图像检测方法及装置,涉及图像处理技术，旨在提供一种能够自动检测拍摄环境是否处于逆光拍摄状态的算法。本发明技术要点：采集一图像；计算每个像素的亮度通道；统计图像的亮度通道直方图；计算图像的每个亮度等级的归一化概率；计算图像均值；算图像方差得到一个256维特征向量；将所述图像的256维特征向量带入逆光图像检测表达式求得P(y＝0|X)的值。

主权项

一种逆光检测方法，其特征在于，包括：步骤101：采集M张逆光图像与N张非逆光图像；M、N均为不为0的自然数；然后按照步骤102～106处理每张图像：步骤102：提取图像的各个像素的R、G、B值，并根据所述R、G、B值计算每个像素的亮度通道；步骤103：统计图像的亮度通道直方图his_{ti(x,y)＝0..255}[i(x,y)]；步骤104：计算图像的每个亮度等级的归一化概率p_{i(x,y)＝0..255}[i(x,y)]：p_{i(x,y)＝0..255}[i(x,y)]＝hist_{i(x,y)＝0..255}[i(x,y)]/(size)，其中size为图像的像素总数；步骤105：计算图像均值：$\mathrm{mean}=\underset{i(x,y)=0..255}{\Sigma }p\left[i(x,y)\right]*(i(x,y)+1);$步骤106：计算图像方差得到一个256维特征向量var_{i(x,y)＝0..255}：var_{i(x,y)＝0..255}＝(i(x,y)+1‑mean)²*p[i(x,y)]；步骤107：使用每张图像的256维特征向量建立Logistic回归模型如下：其中y₀＝0表示逆光,y₁＝1表示非逆光，w表示待求的模型参数向量，x表示图像的256维特征向量，n＝1或2或∞；步骤108：求解所述Logistic回归模型的模型参数向量w，并带入表达式中便得到逆光图像检测表达式，n的取值与步骤107中的一致，x表示所述新图像的256维特征向量；步骤109：采集一新图像，按照步骤102～106得到所述新图像的256维特征向量；并将所述新图像的256维特征向量带入逆光图像检测表达式，求得P(y＝0|X)的值，若P(y＝0|X)大于设定的阈值，则可以判定为逆光，否则为非逆光。