[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

说明书

本发明涉及图像识别技术领域，公开了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，所述自然特征统计的方法包括以下步骤：S1、提取雾感特征；S2、计算高斯模型参数、马氏距离和雾密度；S3、建立实验模型，标注能见度等级。本发明利用自然图像特征统计方法从图片中提取雾特征，将其拟合到多元高斯模型中，计算模型参数，得到模型之间的马氏距离，再计算出雾密度，表示不同等级能见度之间的阈值，以此来自动标注能见度等级，相对于目测法，结果更客观，大大提高了标注效率，相较于仪器检测更方便，可靠，同时为深度学习能见度检测提供大量的样本数据库。

技术领域

本发明涉及图像识别技术领域，具体是基于自然特征统计方法标注高速公路雾天能见度等级。

背景技术

雾天能见度降低，给人们出行带来不便，根据国家气象局提出的雾预报等级划分标准，根据能见度可以将雾划分为以下几个等级：能见度＞1000m时为Ⅰ级，能见度在500～1000m时为Ⅱ级，能见度200～500m时为Ⅲ级，能见度50～200m时为Ⅳ级，能见度＜50m时为Ⅴ级，随着科技的不断发展，如今利用图像固有的特征信息进行高速公路雾情况分析已经成为该领域的主要发展趋势。

随着深度学习的兴起，许多学者开始利用深度学习来进行高速公路雾况识别，深度学习训练网络则需要大量的样本图片库，但对高速公路上拍摄到的图片进行能见度等级标注十分困难，目前主要标注方法主要有目测法和仪器设备测量法。目测法主要根据人类的主观意识来进行能见度距离的估计。仪器设备测量法主要是使用能见度仪一般基于红外光或激光，测量消光系数，再根据消光系数和能见度关系得到能见度值。

但是目测法决定于人的意识，主观性较强，不同的人可能会得到不同的结果,仪器设备测量法需要昂贵的设备且设备在公路上部署间隔远，一般相距20km左右，且是以点之间的间距作为测量到能见度，而实际拍摄到的图片信息更侧重于整个雾平面，很难使得拍摄到的图片与能见度仪测到的能见度值匹配起来。

发明内容

本发明的目的在于提供基于自然特征统计方法标注高速公路雾天能见度等级，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

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，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：

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。

作为本发明进一步的方案：所述雾感特征由以下五个特征(f1，…，f5)组成：MSCN系数、图像熵、Michelson对比度、逐像素暗通道和色彩丰富度。

作为本发明再进一步的方案：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；