[发明专利]基于自然特征统计方法标注高速公路雾天能见度等级

权利要求书

1.基于自然特征统计方法标注高速公路雾天能见度等级，包括自然特征统计的方法和能见度等级的划分，其特征在于，所述自然特征统计的方法包括以下步骤：

S1、利用自然图像特征统计方法从图片中提取雾感特征；

S2、将S1步骤中提取的雾感特征拟合到多元高斯模型中，计算高斯模型参数，得到模型之间的马氏距离，并基于马氏距离计算出雾密度；

高斯模型参数计算公式如下：

马氏距离计算公式如下：

雾密度计算公式如下：

上式中，f表示雾感特征；d表示马氏距离；μ表示高斯模型参数；∑表示协方差；μ1和μ2分别表示两组图片在高斯模型参数中的位置参数；∑1和∑2分别表示μ1和μ2位置参数的协方差；dc表示模型训练中一组无雾图片和样本图片间的马氏距离；dh表示模型训练中一组强浓度雾图和样本图片间的马氏距离；

S3、根据上述步骤得到的雾感特征、高斯模型参数、马氏距离和雾密度，建立实验模型，并根据不同的雾密度表示不同等级能见度之间的阈值，以此来标注能见度等级，能见度等级分为Ⅰ、Ⅱ、Ⅲ、Ⅳ和Ⅴ五个等级，其中，实验模型包括模型训练和模型测试；

所述能见度等级的划分包括以下步骤：

S11、从已标注的高速公路图片挑选出能见度＞1000m的无雾图片作为基础样本01，再挑选出能见度＜10m的强浓雾图片作为基础样本02，挑选出能见度为50m、200m、500m、1000m分别作为训练样本1、训练样本2、训练样本3和训练样本4，剩下的作为测试样本；

S22、对基础样本01中的每张图片进行分块，块大小为P*P，对每块提取特征，得到该样本特征矩阵A；

S33、将S22步骤中得到的特征矩阵A拟合为高斯模型，利用最大似然估计算出高斯模型参数；

最大似然估计公式如下：

S44、依次对基础样本01、02、训练样本1、2、3和4进行与S22和S33步骤相同的操作，所有样本得到参数分别记为(μ_c,∑_c)、(μ_h,∑_h)、(μ₁,∑₁)、(μ₂,∑₂)、(μ₃,∑₃)、(μ₄,∑₄)；

S55、利用马氏距离公式分别计算训练样本1、2、3和4与基础样本01之间的距离，依次记为d_c1、d_c2、d_c3、d_c4，得到训练样本的无雾水平，再利用马氏距离公式分别计算训练样本1、2、3和4与基础样本02之间的距离，依次记为d_h1、d_h2、d_h3、d_h4，得到训练样本的有雾水平；

S66、基于S55步骤得到的马氏距离，利用雾密度公式分别计算出等级边界线处的雾密度，记为de1、de2、de3、de4，作为能见度等级划分阈值；

S77、对测试样本中每张图片均进行S44步骤、S55步骤和S66步骤中的雾密度计算，计算出来雾密度值与划分阈值比较归类到Ⅰ、Ⅱ、Ⅲ、Ⅳ和Ⅴ五个能见度等级；

S88、计算测试样本归类准确率；

S99、改变P*P大小，重复上述S11～S88步骤，比较测试样本的准确率，选出准确率最高相应P值作为最终分块大小，该分块下的得到的阈值作为最终划分阈值，再对待标注图片进行雾密度的计算，并归类到对应的能见度等级，从而实现能见度等级的自动标注。

2.根据权利要求1所述的基于自然特征统计方法标注高速公路雾天能见度等级，其特征在于，所述雾感特征由以下五个特征组成：MSCN系数、图像熵、Michelson对比度、逐像素暗通道和色彩丰富度。

3.根据权利要求2所述的基于自然特征统计方法标注高速公路雾天能见度等级，其特征在于，所述MSCN系数用于解决图像识别过程中光照不均匀、不稳定的问题，避免因光照强度影响检测结果，所述图像熵用于反映图像中灰度分布的聚集特征和空间特征的信息量，所述Michelson对比度用于测量图像中明暗区域最亮的白和最暗的黑之间不同亮度层级，即指一幅图像中灰度反差的大小，所述逐像素暗通道用于对图像进行天空区域分割，消除光晕效应，所述色彩丰富度用于反映图像中色彩的鲜艳生动程度。