[发明专利]基于AOD-Net的交通道路图像大气能见度检测方法

权利要求书

1.基于AOD-Net的交通道路图像大气能见度检测方法，其特征在于它包含图像训练部分S1和能见度检测部分S2：

图像训练部分S1的步骤如下：

步骤S11：训练集建立，在NYU2数据集中选取27256张图像作为训练集、选取非重复的3,170张图像作为的测试集A，并在Middlebury数据集中选取的800张full-size合成图像作为测试集B；

步骤S12：搭建AOD-Net，将构建的训练集输入AOD-Net模型进行训练；

能见度检测部分S2的步骤如下：

步骤S21：选定待处理的交通道路图像；

步骤S22：调用已训练完毕的AOD-Net对图像进行处理，以获得去雾图像；

步骤S23：对原图像和去雾图像分别分割为一个3x3的网格序列图像；

步骤S24：计算原图像和去雾图像各网格的图像相似度；

步骤S25：根据标准偏差计算各网络相似度，从而判别当前能见度级别。

2.根据权利要求1所述的基于AOD-Net的交通道路图像大气能见度检测方法，其特征在于：步骤S12和步骤S22中的AOD-Net模型，由K估计模块和清晰图像生成模块组成，其中，K估算模块由五层卷积层、三层连接层组成。

3.根据权利要求1所述的基于AOD-Net的交通道路图像大气能见度检测方法，其特征在于：步骤S12中的AOD-Net模型训练，在pytorch上搭建AOD-Net模型，使用高斯随机变量作为初始化权重，分别设置batch为8、learning rate为0.001、momentum为0.9、decay rate为0.0001、激活函数为ReLU进行训练AOD-Net模型，其中损失函数为均方误差损失函数。

4.根据权利要求1所述的基于AOD-Net的交通道路图像大气能见度检测方法，其特征在于：步骤S24中的图像相似度采用直立图法计算，其中用巴氏系数得出相似度，计算公式如下：

其中，P为原图像的直方图数据，P’为去雾图像的直方图数据，其值即为图像相似度值。

5.根据权利要求1所述的基于AOD-Net的交通道路图像大气能见度检测方法，其特征在于：步骤S25中计算各网络相似度，采用标准偏差对9对图像的相似度进行计算，并以此判断能见度级别。

6.根据权利要求1所述的基于AOD-Net的交通道路图像大气能见度检测方法，其特征在于：步骤S25中判别当前能见度级别，由于采集图像时具有一定的摄像角度，因此图像各网格成像时，受大气杂质影响不同，所以受大气杂质影响越大，能见度越低，去雾后各网格间相似度的变化更大，通过计算各网格间相似度的变化程度，从而判别能见度级别。