本發(fā)明屬于圖像處理技術領域，具體涉及一種基于自適應亮度高程模型的消除路面陰影的方法。

背景技術：

公路交通正處于高速發(fā)展的時期，隨著公路里程的增加和人們對于行車安全性、舒適性要求的不斷提高，高效的路面裂縫檢測方法已經成為國內外學者研究的重點。但是，路旁的建筑物、樹木、燈桿等干擾物，常常會在路面上形成陰影，這將會對路面裂縫的檢測和路面裂縫特征的提取帶來巨大的挑戰(zhàn)。因此，在路面裂縫檢測和路面裂縫特征提取之前，對路面上的陰影進行消除，這對于道路的養(yǎng)護和管理是至關重要的。

為了消除影像中的陰影，國內外學者進行了廣泛而深入的研究。li等人在分析了航空影像中陰影特點的基礎上，提出了一種遙感航空影像自適應非局部正則化陰影消除方法；wu等人研究了復雜場景下陰影提取的問題；arbel等人假設半影區(qū)域的亮度分布為一個弧形的曲面，然后通過曲面擬合的方法實現彩色影像中半影區(qū)域紋理的恢復；liu等人基于原始影像，通過構建一個沒有陰影并且紋理一致的梯度區(qū)域，并且以此為模板消除影像中的陰影；mohan等人開發(fā)了一款陰影消除的編輯軟件，通過人工指定陰影區(qū)域的邊界，設置亮度補償的強度，進而實現影像中陰影的消除；finlayson等人假設陰影區(qū)與非陰影區(qū)過渡邊界的梯度為零，以此為基礎進行陰影的消除；avery等人對交通影像中的陰影消除進行了研究；ramamoorthi等人基于傅里葉理論對投射陰影進行了研究；salamati等人基于概率陰影圖用以消除真實影像中的陰影。但是，上述這些陰影消除方法并沒有完全解決掉陰影消除后陰影區(qū)域和非陰影區(qū)域紋理對比度不一致、陰影區(qū)域和非陰影區(qū)域亮度過渡不自然、對陰影不能自動進行消除的問題。加之，路面陰影具有半影區(qū)巨大、形狀極不規(guī)則的特點，如果直接使用上述的陰影消除方法對路面陰影影像進行陰影消除，陰影消除的效果將會十分的不理想。

針對路面陰影的這些特點，zou等人提出了一種基于亮度高程模型的陰影消除方法(geodesicshadow-removalalgorithm)，簡稱gsr。gsr方法比較有效的解決了陰影區(qū)域和非陰影區(qū)域難以界定、陰影區(qū)域路面裂縫和路面紋理對比度不強的問題。但是，gsr方法中的關鍵參數需要根據經驗值進行手動設置；并且，gsr方法中的亮度等高區(qū)域的劃分模型和亮度補償方法存在比較嚴重的缺陷。

技術實現要素：

本發(fā)明的目的是克服現有消除路面陰影采用的gsr方法關鍵參數依靠經驗進行選取，以及亮度等高區(qū)域的劃分模型和亮度補償方法存在比較嚴重的缺陷的問題。

為此，本發(fā)明提供了一種基于自適應亮度高程模型的消除路面陰影的方法，包括如下步驟：

步驟一：對采集到的路面陰影影像進行灰度化運算，得到路面陰影的灰度影像；

步驟二：對路面陰影的灰度影像進行形態(tài)學膨脹運算，消除路面裂縫；

步驟三：對步驟二經過形態(tài)學膨脹運算所得的結果進行二維的高斯平滑；

步驟四：對高斯平滑后的路面影像進行最大熵閾值分割，求解出這一閾值分割過程中的分割閾值，并且將此閾值作為陰影區(qū)域和非陰影區(qū)域的劃分閾值，記為mets，進行陰影區(qū)域和非陰影區(qū)域的劃分，并將陰影區(qū)域記為s，非陰影區(qū)域記為b；

步驟五：求解非陰影區(qū)域記為b的像素亮度值的標準方差db和非陰影區(qū)域的平均亮度ib’；陰影區(qū)域記為s的像素亮度值的標準方差ds和非陰影區(qū)域的平均亮度is’；

步驟六：對高斯平滑后的路面影像進行亮度等高區(qū)域劃分；

步驟七：采用式(1)進行全影像亮度補償，

i’i,j＝α*ii,j+λ(1)

其中，ii，j為路面影像中每一像素點的亮度值，

λ＝ib’-α*is’。

對路面陰影的灰度影像進行形態(tài)學膨脹運算，通過如下公式進行

dilate(x,y)＝maxsrc(x+x’,y+y’)；(x’,y’)∈kernel(2)

其中，(x，y)為路面影像是src某一點的像素，(x’，y’)是kernelb內的某一元素。

對高斯平滑后的路面影像進行亮度等高區(qū)域劃分是將每一灰度等級中遍歷圖像的一行之后就立刻將此灰度等級內的像素點數量與每一個亮度等高區(qū)域內的像素點數目ng進行比較。

本發(fā)明的有益效果：本發(fā)明提供的這種基于自適應亮度高程模型的消除路面陰影方法，針對gsr方法中的關鍵參數需要手動設置、亮度等高區(qū)域劃分模型和亮度補償公式的缺陷，本文提出了一種基于自適應的亮度高程模型路面陰影消除方法—sgrsr方法。實驗結果表明，該方法不僅有效的解決了gsr方法存在的問題，而且還在一定程度上增強了路面紋理和路面裂縫的對比度，達到了路面陰影消除的目的。

以下將結合附圖對本發(fā)明做進一步詳細說明。

附圖說明

圖1是gsr方法亮度登高區(qū)域劃分算法示意圖。

圖2是sgrsr方法亮度登高區(qū)域劃分算法示意圖。

圖3a是路面陰影的原圖。

圖3b是gausmooth的結果。

圖3c是sec.1的亮度分布圖。

圖3d是ec.2的亮度分布圖。

圖3e是sec.3的亮度分布圖。

圖3f是最大熵閾值分割的結果示意圖。

圖4a是路面巨大的半影的陰影圖。

圖4b是路面形狀不規(guī)則的陰影圖。

圖4c是路面陰影區(qū)低對比度的裂縫果圖。

圖4d是圖4a的各亮度等高區(qū)域像素數量分布圖。

圖4e是圖4b的各亮度等高區(qū)域像素數量分布圖。

圖5a是路面陰影區(qū)域示意圖。

圖5b是gsr亮度補償的結果圖。

圖6a是原始路面影像圖像。

圖6b是閉合運算的結果圖。

圖6c是膨脹運算的結果圖。

圖6d是基于閉合消除結果圖。

圖6e是基于膨脹的消除結果圖。

圖7a是原始路面影像圖像二。

圖7b是閉合運算的結果圖二。

圖7c是膨脹運算的結果圖二。

圖7d是基于閉合消除結果圖二。

圖7e是基于膨脹的消除結果圖二。

圖8a是亮度等高劃分原始路面影像圖像。

圖8b是gsr亮度等高劃分圖。

圖8c是sgrsr亮度等高劃分圖。

圖9a是亮度等高劃分原始路面影像圖像二。

圖9b是gsr亮度等高劃分圖二。

圖9c是sgrsr亮度等高劃分圖二。

圖10a是原始路面影像圖。

圖10b是gsr算法的亮度補償圖。

圖10c是sgrsr算法的亮度補償圖。

圖11a是原始路面影像圖二。

圖11b是gsr算法的亮度補償圖二。

圖11c是sgrsr算法的亮度補償圖二。

圖12a是實驗對比原始路面影像圖。

圖12b是實驗對比gsr算法的亮度補償圖。

圖12c是實驗對比sgrsr算法的亮度補償圖。

圖13a是實驗對比原始路面影像圖二。

圖13b是實驗對比gsr算法的亮度補償圖二。

圖13c是實驗對比sgrsr算法的亮度補償圖二。

圖14a是實驗對比原始路面影像圖三。

圖14b是實驗對比gsr算法的亮度補償圖三。

圖14c是實驗對比sgrsr算法的亮度補償圖三。

圖15a是實驗對比原始路面影像圖四。

圖15b是實驗對比gsr算法的亮度補償圖四。

圖15c是實驗對比sgrsr算法的亮度補償圖四。

圖16a是模擬的膨脹運算核示意圖。

圖16b是模擬一幅路面裂縫圖像示意圖。

圖16c是模擬膨脹運算第一次滑動后的圖像結果示意圖。

具體實施方式

為進一步闡述本發(fā)明達成預定目的所采取的技術手段及功效，以下結合附圖及實施例對本發(fā)明的具體實施方式、結構特征及其功效，詳細說明如下。

實施例1

為了更好的與現有基于亮度高程的陰影消除方法(gsr)，進行對比說明，本實施例先說明下gsr法是如何進行路面陰影消除的。

步驟大致可以分為以下四步：

(1)mmclose-形態(tài)閉合運算。采用形態(tài)學閉合運算對原始路面影像進行處理，去掉路面的裂縫。本步操作的目的是消除裂縫對后續(xù)陰影區(qū)域劃分的影響。

(2)gausmooth-高斯平滑。對上一步所得結果進行二維高斯平滑。本步操作的目的是將路面紋理進行平滑處理，消除路面紋理對后續(xù)陰影區(qū)域劃分的影響。

(3)geolevel-亮度等高區(qū)域劃分。首先計算n-1個閾值，0<＝k1<＝k2<＝...<＝kn-1<＝255，用于將上一步得到的影像劃分為不同的亮度等高區(qū)域{gi|i＝1，...，l，...，n}，使區(qū)域gi包含亮度值i∈(ki-1,ki]的所有像素，其中k0＝-1，kn＝255，方法的細節(jié)見algorithm1。為了使方法具有普遍的適用性，algorithm1使各個亮度等高區(qū)域的像素數量保持一致；接著，選取l個較低的亮度等級s＝{si＝gi|i＝1，2，...，l}作為陰影區(qū)域，而較高的n-l個亮度等級b＝{gi|i＝l+1，l+2，...n}作為非陰影區(qū)域，其中l(wèi)取經驗值(7/8)*n。其程序如圖1所示。

(4)illumcomp-具有紋理均衡的亮度補償。在原始路面影像中，應用公式(1)所對應的的亮度補償方法，對每一等級的陰影區(qū)域si進行亮度補償。

其中，α＝db/ds，λ＝ib’-α*is’，ds和db分別表示陰影區(qū)域和非陰影區(qū)域像素亮度值的標準方差，ib’和is’分別表示非陰影區(qū)域和陰影區(qū)域像素亮度的平均值。

實施例2

本實施例提出一種基于自適應亮度高程模型的消除路面陰影方法(self-adaptivegeodesicroad-shadow-removalalgorithm)，包括如下步驟：

(1)grayimg-影像的灰度化運算。將采集來的rgb路面陰影影像通過影像的灰度化運算，將其轉換為灰度影像，其主要目的是：為陰影消除方法的后續(xù)處理準備好其所需要的路面陰影影像的灰度影像。

(2)mmdilate-形態(tài)學膨脹運算。三通道的路面影像在經過灰度化之后，就轉換成了單通道的灰度影像。在路面裂縫的灰度影像中，路面裂縫的灰度等級較低，并且大多數時候和黑色比較接近，路面陰影的特點如圖4a、圖4b、圖4c所示。因此，使用形態(tài)學中的膨脹運算就可以達到消除路面裂縫的目的。

所謂膨脹操作，就是求局部最大值。從數學角度來說，膨脹操作就是將圖像(或圖像的一部分區(qū)域，稱之為a)與核(稱之為b)進行卷積。計算核b覆蓋的區(qū)域的像素點的最大值，并把這個最大值附給參考點的指定的像素。這樣會使圖像中的高亮度區(qū)域逐漸增長，如圖3所示。膨脹操作的數學表達式如公式(2)。

dilate(x,y)＝maxsrc(x+x’，y+y’)；(x’，y’)∈kernel(2)

其中(x，y)為路面影像是src某一點的像素，(x，，y，)是核(kernelb)內的某一元素。

核一般可以有四種取法，矩形核，十字形核，橢圓形核，還有可以自定義任意的一個核，下面我們就例舉幾種常見的膨脹核，如下所示:

比如說一個3*3像素大小的十字形核，我們通過把這個十字形核從圖像的(0，0)坐標開始滑動，每滑動一下，計算這個核和這個核覆蓋下的圖像的像素的卷積，然后取最大值。這樣把這個圖像滑動完之后，就可以達到白色區(qū)域擴展，黑色區(qū)域縮減的作用；在路面裂縫圖像的情況下，就是通過這種膨脹作用消除路面的裂縫。

將以上的核在圖像上進行滑動，每滑動一次，計算一次該核和該核覆蓋下的圖像區(qū)域對應像素點的乘積，并且將這個區(qū)域的最大值作為參考點的值，這樣就會使圖像中的亮度區(qū)域增長。具體計算過程如下圖所示,比如說現在用圖16a模擬一個膨脹核，圖16b模擬一幅路面裂縫圖像，路面裂縫圖像中的9代表路面的高亮度區(qū)域或者說沒有裂縫區(qū)域的亮度，0所在的方格組成的黑色帶模擬路面裂縫，0代表裂縫所在區(qū)域的亮度(裂縫的亮度偏黑)；現在，將圖16a所代表的核從圖16b的左上角進行覆蓋滑動，每滑動一次，計算核和核覆蓋下的區(qū)域相應像素的乘積，然后取這個核覆蓋下區(qū)域計算結果的最大值作為參考點(即為灰色區(qū)域)的像素值，第一次滑動的計算結果如圖16c所示，我們可以清楚的看到參考點的像素值變成了正常路面的灰度值，然后我們連續(xù)不斷的將核在圖像上滑動，這樣完成一次滑動之后，圖像的亮度區(qū)域就會增長，圖像中的路面裂縫也就會消失，以上就為膨脹運算的具體過程。

基于以上的分析，sgrsr方法將gsr方法中的形態(tài)學閉合運算改進為形態(tài)學膨脹運算。此外，sgrsr方法中的膨脹運算在方法性能上還大大優(yōu)于gsr中的形態(tài)學閉合運算；并且，基于膨脹運算的陰影消除方法可以更好的實現路面陰影的消除。

(3)gausmooth-高斯平滑。對上一步經過形態(tài)學膨脹運算所得的結果進行二維的高斯平滑，其主要的目的是：對路面紋理進行平滑處理，消除路面紋理對于后續(xù)陰影區(qū)域劃分的影響。

高斯平滑為了減少圖像平滑處理中的模糊程度，得到更自然的平滑效果，其思想是適當的加大模板中心點的的權重，隨著距離中心點的距離增大，權重迅速減少，從而確保中心點看起來更接近于與它距離更近的點。常用的3*3高斯模板w如式(2)所示。高斯模板正是將連續(xù)的二維高斯函數的離散化表示，因此任意大小的高斯模板都可以通過建立一個(2k+1)*(2k+1)的矩陣得到，其中路面影像中點(i,j)位置的元素值可由高斯函數公式(3)確定。

(4)metsegment-最大熵閾值分割。對高斯平滑后的路面影像進行最大熵閾值分割，求解出這一閾值分割過程中的分割閾值，并且將此閾值作為陰影區(qū)域和非陰影區(qū)域的劃分閾值，記這一閾值為mets，以此解決gsr方法中劃分閾值l需要根據經驗值進行手動設置的問題，從而實現了劃分閾值的自適應確定。圖3f為高斯平滑后的路面陰影影像進行最大熵閾值分割后的結果。另外，經過最大熵閾值分割，確定了路面影像中陰影區(qū)域和非陰影區(qū)域的位置。陰影區(qū)域記為s，非陰影區(qū)域記為b。

(5)brightparameter-根據上一步確定的路面非陰影區(qū)域，求解非陰影區(qū)域的關鍵參數db和ib’。db是非陰影區(qū)域像素亮度值的標準方差，ib’代表非陰影區(qū)域的平均亮度。本部操作的目的是為后續(xù)全影像亮度補償做準備。在gsr方法的亮度補償公式(1)中，其中α＝db/ds，λ＝ib’-α*is’，ds和db分別表示陰影區(qū)域和非陰影區(qū)域像素亮度值的標準方差，ib’和is’分別表示非陰影區(qū)域和陰影區(qū)域像素亮度的平均值。通過參數α的引入，可以將陰影區(qū)域的方差提升到非陰影區(qū)域的水平；并且由于影像像素方差的大小通常反映了影像對比度的強弱，因此，gsr方法的亮度補償公式可以使得陰影消除后的路面影像的紋理細節(jié)保持一致。

但是，通過對gsr中的亮度補償公式進行深入的研究后，發(fā)現亮度補償公式中的關鍵參數α具有重大缺陷。由gsr方法中α的計算方式可知，當ds趨于無窮小時，也就是當影像中陰影區(qū)域的對比度極其微弱的時候，α的值將會趨于無窮大，從而使得gsr方法中的亮度補償公式失效。針對這一問題，sgrsr方法對α的計算方式進行了改進，改進之后的計算公式為：

其中，參數α、ds和db的意義同gsr算法中的意義一致。

(6)igeolevel-改進的亮度等高區(qū)域劃分模型。對gsr方法中的亮度等高區(qū)域劃分方法，即對algorithm1經過仔細分析就可以知道，algorithm1并不能保證各個亮度等高區(qū)域內的像素點數量大體一致；algorithm1的這一缺陷將會使得陰影消除后的路面影像出現亮度過渡極其不自然的問題。圖4d、圖4e以直方圖的形式給出了圖4b和圖4c這兩幅路面影像經過algorithm1進行亮度等高區(qū)域劃分之后，各亮度等高區(qū)域內像素點數量的分布直方圖。其中直方圖的橫坐標表示亮度等級，縱坐標表示這一亮度等級區(qū)域內像素點的數目；圖4d為圖4b圖的各亮度等高區(qū)域像素數量分布圖，圖4e為圖4c圖的各亮度等高區(qū)域像素數量分布圖。通過圖4d、圖4e兩幅直方圖，可以很明顯的發(fā)現algorithm1存在的這一缺陷。針對這一問題，sgrsr方法對gsr中algorithm1進行了改進，具體的做法是將algorithm1中每一灰度等級遍歷一次影像之后才將此灰度等級內的像素點數量與ng進行比較改為在每一灰度等級中遍歷圖像的一行之后就立刻將此灰度等級內的像素點數量與ng進行比較，改進之后的方法如algorithm2。根據algorithm2，將經過高斯平滑的路面影像劃分為n個不同的亮度等高區(qū)域{gi|i＝1，...，l，...，n}，使區(qū)域gi包含亮度值i∈(ki-1,ki]的所有像素，其中k0＝-1，kn＝255，其算法如圖2所示的。

(7)allillumcomp-全影像亮度補償。

由gsr方法中的亮度補償公式(1)可知，gsr方法中的亮度補償只針對陰影區(qū)域進行，當一個像素點屬于非陰影區(qū)域的時候，就不會對這點的亮度進行補償。但是gsr方法中的亮度補償公式并不能十分精確的計算出陰影區(qū)域中每一個像素點的亮度與該像素點在相同太陽光線強度照射下的亮度差值；因此，在進行路面陰影消除的時候，如果僅僅只是對陰影區(qū)域的像素點進行亮度補償的話，有可能會出現陰影消除后的路面影像陰影區(qū)域和非陰影區(qū)域亮度過渡不自然的問題，具體效果可以參考圖5，其中的圖5a為路面裂縫陰影的灰度影像，右圖為亮度分布不均和過渡不自然的路面影像。對圖5a利用gsr方法進行陰影消除后的路面影像為圖5b所示，可以很明顯的發(fā)現右圖存在亮度過渡不自然的現象。針對這一問題，sgrsr方法對gsr方法中的亮度補償公式進行了改進，改進之后的亮度補償公式如公式(5)所示。

i’i,j＝α*ii,j+λ(5)

根據改進的亮度補償公式(5)可知，其中，ii，j為路面影像中每一像素點的亮度值，其它參數的意義與計算方式同gsr方法一致。在原始路面影像的灰度影像中，根據上一步劃分的亮度等高區(qū)域，首先計算出每一亮度等高區(qū)域像素亮度的方差ds’和像素亮度的平均值is’，以及每一亮度等高區(qū)域的α值；最后，再根據亮度補償公式(5)對全影像進行亮度補償。

本實施例所述的基于自適應亮度高程模型的消除路面陰影方法(sgrsr)與實施例所述的基于亮度高程的陰影消除方法(gsr)相比，具有如下優(yōu)點：

(1)為了消除路面裂縫的目的，使用基于膨脹運算的陰影消除方法，可以更好的實現路面陰影的消除；當然，使用形態(tài)學閉合運算也可以達到消除路面裂縫的目的，但是，形態(tài)學閉合運算是先進行膨脹運算，再進行腐蝕運算，這不僅在無形中增加了方法的時間復雜度，而且還使得陰影區(qū)域和非陰影區(qū)域交界處的灰度強度變化的更加劇烈，這將會導致在陰影消除后的路面影像中，陰影區(qū)域和非陰影區(qū)域的亮度出現過渡不自然的現象。

(2)在劃分陰影區(qū)域和非陰影區(qū)域的使用，采用最大熵閾值分隔，改進了gsr方法中陰影區(qū)域和非陰影區(qū)域的劃分閾值l需要根據經驗進行手動設置的方式。尤其是針對海量的路面影像進行陰影消除時，將會顯得十分不科學。針對這一問題，本文對高斯平滑后的路面陰影影像進行了深入的分析。如圖3所示，本文在高斯平滑后的路面影像中取三條剖面線sec.1、sec.2和sec.3，這三條剖面線分別穿過陰影區(qū)域和非陰影區(qū)域。圖3c、圖3d、圖3e分別為剖面線sec.1、sec.2和sec.3的亮度分布直方圖，通過對三幅剖面線亮度直方圖和圖3a、圖3b的觀察可知，在陰影區(qū)域與非陰影區(qū)域的交界區(qū)域，灰度的亮度值出現劇烈的變化。

圖3f為高斯平滑后的路面陰影影像進行最大熵閾值分割后的結果。另外，經過最大熵閾值分割，確定了路面影像中陰影區(qū)域和非陰影區(qū)域的位置。陰影區(qū)域記為s，非陰影區(qū)域記為b。

(3)改進的亮度等高區(qū)域劃分模型，將每一個亮度等高區(qū)域內的像素點數目設為ng，sgrsr方法將gsr方法中每一灰度等級遍歷一次影像之后才將此灰度等級內的像素點數量與ng進行比較，改為在每一灰度等級中遍歷圖像的一行之后就立刻將此灰度等級內的像素點數量與ng進行比較，解決了gsr方法不能保證各個亮度等高區(qū)域內的像素點數量大體一致，使得陰影消除后的路面影像出現亮度過渡極其不自然的問題。

(4)對亮度補償公式參數α進行改進，由α＝db/ds，改進為從而修正了gsr方法當ds趨于無窮小時，也就是當影像中陰影區(qū)域的對比度極其微弱的時候，α的值將會趨于無窮大，從而使得原始的亮度補償公式失效。

實施例3

為了驗證本文提出的基于自適應亮度高程模型的消除路面陰影方法的有效性，本文分別設計了四組對比實驗，用于對sgrsr方法中的關鍵步驟進行定量和定性的分析。本文方法的程序是基于vc、opencv和matlab開發(fā)的，程序的運行環(huán)境為windows10，cpu為3.3ghz，內存為8g。

設計的四組對比實驗分別為：第一組實驗用于測試sgrsr方法對于gsr方法中形態(tài)學閉合運算的改進。實驗的結果如表1和圖6、圖7所示。

表1sgrsr膨脹運算與gsr閉合運算進行路面裂縫消除方法性能對比

由以上的實驗可知，sgrsr方法中的形態(tài)學膨脹運算同樣可以達到gsr方法形態(tài)學閉合運算消除路面裂縫的目的；同時，sgrsr方法中的膨脹運算在方法性能上還大大優(yōu)于gsr中的形態(tài)學閉合運算；并且，基于膨脹運算的陰影消除方法可以更好的實現路面陰影的消除。

第二組實驗用于測試sgrsr方法對于gsr方法中亮度等高區(qū)域劃分模型的改進。實驗的結果如圖8、圖9所示，其中圖8b、圖9b為利用gsr方法中的亮度等高區(qū)域劃分模型劃分后，各個亮度等高區(qū)域內像素點數目的分布直方圖，圖8c、圖9c圖則為利用sgrsr方法中改進的亮度等高區(qū)域劃分模型劃分后，各個亮度等高區(qū)域像素點數目的分布直方圖。通過圖8、圖9可以很清楚的看到，sgrsr方法中改進的劃分模型可以使得各個亮度等高區(qū)域內的像素點數量基本保持一致，這將有利于增強sgrsr方法對于其它陰影消除的適用性，并且將會使得陰影消除后的路面影像的亮度過度更加的自然。

第三組實驗用于測試sgrsr方法對于gsr方法中亮度補償公式的改進。實驗的結果如圖10、圖11所示。通過如圖10、圖11可以觀察到，基于gsr中的亮度補償公式進行陰影消除后，路面影像會出現亮度分布不均勻的問題，而基于sgrsr改進之后的亮度補償公式，則可以很好的解決gsr方法中亮度補償公式的這一缺陷。

第四組實驗用于測試sgrsr方法和gsr方法這兩種陰影消除方法的路面陰影消除能力。實驗的最終結果如圖12、圖13、圖14、圖15所示。通過圖12、圖13、圖14、圖15中所有影像的對比，可以很明顯的觀察到，基于gsr方法進行路面陰影消除后，路面影像不僅會出現陰影區(qū)域和非陰影區(qū)域亮度過渡不自然的問題，而且還會出現路面影像整體亮度分布不均勻的問題；而本文所提出的sgrsr方法不僅可以很好的解決gsr方法存在的這些問題，而且還能增強路面紋理和路面裂縫的對比度，這些現象都說明本文所提出的sgrsr方法遠遠優(yōu)于gsr方法，可以滿足實際工程中路面陰影消除的需求。

以上內容是結合具體的優(yōu)選實施方式對本實施例所作的進一步詳細說明，不能認定本實施例的具體實施只局限于這些說明。對于本實施例所屬技術領域的普通技術人員來說，在不脫離本實施例構思的前提下，還可以做出若干簡單推演或替換，都應當視為屬于本實施例的保護范圍。