[发明专利]一种基于图像频谱的交通雾霾能见度检测方法

权利要求书

1.一种基于图像频谱的交通雾霾能见度检测方法，主要包括以下步骤：

步骤一训练阶段：

数据库建立，根据高速公路雾霾图片分场景建立雾霾图片库，并将相同场景下的晴朗天气图片建立晴朗图片库；

能见度提取，以高速公路车道线作为标识物，建立相应的坐标，提取雾霾图片能见度数值；

能见度分级，根据提取的能见度数值，将雾霾图片分为0-50米，50-100米，100-150米，150-200米，200-300米，300-600米六个等级；

高频、低频特征提取，在各个场景下分别将雾霾图片和晴朗图片做余弦变换，余弦变换后左上角是低频信息，右下角是高频信息，并求得高频、低频相对值，高频相对值＝雾霾高频/晴朗高频，低频相对值＝雾霾低频/晴朗低频；

深度神经网络训练，将得到的高频、低频特征输入深度神经网络进行训练；

步骤二测试阶段：根据某一场景的雾霾图片建立测试集，用经训练的所述深度神经网络对输入的雾霾图片进行能见度分类；

其中所述深度神经网络的模型为三层BP神经网络，输入层作为第0层，模型学习次数为600，误差为0.01；网络传输及训练过程：信号的前向传播阶段，从输入层到隐含层，再到达输出层；信号误差的反向传播阶段，从输出层到隐含层，最后到输入层，瞬次调节隐含层到输出层的权重和偏置，输入层到隐含层的权重和偏置；

设所述深度神经网络的输入层节点数为3，有两层隐含层，神经元个数均为8，输出层节点数为6，记高频、低频特征为x1，x2，图片等级信息为y，得训练样本集(x1，x2，y)；且所述深度神经网络具有参数(W,b)＝(W^[1],W^[2],W^[3],b^[1],b^[2]，b^[3])，输入向量X＝(x1，x2)，用表示第l层第i个单元输入加权和，表示第l层第i个单元输出值，则g(z)为激活函数则信号的前向传播阶段步骤为：

z^[1]＝W^[1]X+b^[1]，

a^[1]＝g(z^[1])，

z^[2]＝W^[2]a^[1]+b^[2]，

a^[2]＝g(z^[2])，

z^[3]＝W^[3]a^[2]+b^[3]，

a^[3]＝g(z^[3])，

a^[3]为输出向量，记为

信号误差的反向传播阶段为前向传播阶段过程的逆转，并用以更新权值W和偏置b。

2.根据权利要求1所述基于图像频谱的交通雾霾能见度检测方法，其特征在于步骤一中数据库建立的过程：基于高速公路视频资料，在不同场景下雾霾天气和晴朗天气采集的，以一分钟为间隔截取图片，并以图片关联对应每一分钟内雾霾能见度，将采集到的图片建立数据集。

3.根据权利要求1所述基于图像频谱的交通雾霾能见度检测方法，其特征在于步骤一中所述余弦变换公式为：

其中，f(x,y)是二维图像函数，F(u，v)为图像余弦变换后函数，N取8，

当u,v＝0时，其他情况

4.根据权利要求1所述基于图像频谱的交通雾霾能见度检测方法，其特征在于步骤一中求得高频、低频相对值指的是：对每个场景晴朗天气的高频信息求平均值得到晴朗天气的高频相对值，对每个场景晴朗天气的低频信息求平均值得到晴朗天气的低频相对值，对应各个场景，用雾霾图片的高频信息除以晴朗图片的高频信息得到高频相对值，用雾霾图片的低频信息除以晴朗图片的低频信息得到低频相对值。