[发明专利]一种基于特征量融合的道路场景天气识别方法

权利要求书

1.一种基于特征量融合的道路场景天气识别方法，其特征在于：

步骤一：读取尺寸为M*N的灰度图序列，设置累计参数N_j,阈值σ_m、σ_j；

步骤二：对灰度图像提取亮度特征；

步骤三：对灰度图像提取锐度特征；

步骤四：对灰度图像提取对比度特征；

步骤五：对灰度图像提取均值邻域占比特征；

步骤六：将获得的特征信息进行特征量融合，继而得到天气判别行为量；

步骤七：根据天气判别行为量、累计参数、阈值系数，判断出相应的天气环境。

2.根据权利要求1所述的方法，其特征在于：

读取尺寸为M*N的灰度图序列，设置累计参数N_j,阈值σ_m、σ_j，其中N_j的初始值为0，阈值σ_m、σ_j均为大于0小于1的数。

3.根据权利要求2所述的方法，其特征在于：

亮度特征是衡量图像的光亮强度信息，将灰度图像的像素值均值表示为该图的亮度值。

4.根据权利要求3所述的方法，其特征在于：

锐度特征是衡量图像中目标边缘轮廓的明显程度信息，将图像的梯度信息表示该图的锐度值，即X_ij＝f_ij*S_x,Y_ij＝f_ij*S_y其中f_ij为像素点(i,j)处的灰度值,S_x、S_y为Sobel算子，S_x检测水平边缘，S_y检测垂直边缘，*表示卷积，S_ij为像素点(i,j)处的梯度模，T_A为设定阈值。

5.根据权利要求4所述的方法，其特征在于：

对比度特征是衡量图像明暗区域内最亮与最暗之间不同亮度层级的测量值信息，若明暗差异范围较大，则对比度较大，反之则较小；利用局部对比度和全局对比度表示图像的对比度值，其中f_max和f_min分别为图像的最大、最小灰度值，为图像灰度均值。

6.根据权利要求5所述的方法，其特征在于：

均值邻域占比特征是衡量灰度直方图中灰度均值所在邻域内的像素数目所占比例，即其中N_r为在内的像素数，为图像灰度均值，k_p为设定值。

7.根据权利要求6所述的方法，其特征在于：

天气判别行为量是将亮度特征、锐度特征、对比度特征、均值邻域占比特征利用设定的加权系数进行融合，对当前图像所表现的天气环境进行衡量，即晴天环境行为量为w₁＝a₁₀L+a₁₁A+a₁₂(C₁+C₂)+a₁₃P_r，阴天环境行为量为w₂＝a₂₀(1-L)+a₂₁A+a₂₂(C₁+C₂)+a₂₃(1-P_r)，雾天环境行为量为w₃＝a₃₀(1-L)+a₃₁(1-A)+a₃₂(1-C₁-C₂)+a₃₃P_r，其中a_ij为加权系数。