[发明专利]一种基于特征量融合的道路场景天气识别方法

说明书

本发明提供一种基于特征量融合的道路场景天气识别方法，属于图像处理和模式识别技术领域，本发明对晴天、阴天、雾天环境下获得的视频图像进行图像特征分析，利用图像的亮度、锐度、对比度、均值邻域占比特征设计度量天气环境的天气判别行为量。并在此基础上，设计针对连续视频图像序列的天气环境识别算法。该算法对环境识别有较高的辨别准确度，并且能够及时校正错误的识别结果，降低了因噪声等因素导致的误判现象。

技术领域

本发明涉及图像处理和模式识别技术，尤其涉及一种基于特征量融合的道路 场景天气识别方法。

背景技术

随着科技的不断进步，道路交通的通行效率在不断提高，为社会经济的快速 发展和人们的出行发挥了重要作用，但交通拥堵、交通事故频发、路面通行压力 不断加大也在严重影响现代社会的发展。由于道路状况复杂，驾驶人员的驾驶习 惯千差万别以及车辆运行速度较快，即使使得现有智能交通驾驶辅助系统也很难 满足安全通行的需要。

在车辆行驶过程中，驾驶员通过人眼获取车辆前方的道路信息，并以此进行 车辆的驾驶操作，避免碰撞现象的发生。但是，在恶劣天气环境下，驾驶员受到 环境干扰较为严重，对前方障碍物的判断会受到影响，从而对其自身驾驶行为的 影响较大，比如雾天环境下驾驶员无法正常判断前方道路信息，容易导致交通事 故。类似地，借助图像处理方法和计算机视觉技术处理视频图像时，常因天气环 境的干扰使得图像中运动目标的提取较为困难，进而导致对运动目标的运动行为 的准确判断产生极大影响。

例如，阴天、雾天、雪天造成的路边湿滑和低能见度现象，如果能设计高效 的天气识别与图像处理算法，实时对天气环境进行识别，然后借助图像处理算法 有效提取图像中运动目标，实时、准确地捕捉环境信息和正确发出预警信号，不 仅可缓解道路拥堵现象，也可避免交通事故的发生。

因此，如何实时有效的识别道路场景的天气环境，对解决目标提取和目标跟 踪问题有重要的现实意义。

发明内容

为了解决以上技术问题，本发明提出了一种基于特征量融合的道路场景天气 识别方法。

通过对晴天、阴天、雾天环境下获得的视频图像进行图像特征分析，利用图 像的亮度、锐度、对比度、均值邻域占比特征设计度量天气环境的天气判别行为 量。并在此基础上，设计针对连续视频图像序列的天气环境识别方法。该方法对 环境识别有较高的辨别准确度，并且能够及时校正错误的识别结果，降低了因噪 声等因素导致的误判现象。

本发明的技术方案是：

一种基于特征量融合的道路场景天气识别方法，包括：

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σm、σj；

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。

进一步的，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。

进一步的，衡量图像的光亮强度信息，一般将灰度图像的像素值均值表示为该 图的亮度值。