[发明专利]基于暗原色先验理论的雾霾检测与分级方法

说明书

本发明涉及一种基于暗原色先验理论的雾霾检测与分级方法，包括下列步骤：(1)输入图像的暗通道图生成；(2)输入图像的去雾图像获取：建立散射介质成像模型，模型包括背景光信息A与透射率参数t，根据暗原色先验理论，通过已有的有雾图像I，进行模型反演，获取其对应的去雾清晰图像J；(3)图像雾霾信息表征值获得：对步骤(1)中获得的暗通道图I^dark的亮度均值与步骤(2)得到的去雾图像J的亮度均值做差，获取图像雾霾信息的单一映射表征值V；(4)雾霾程度分级判定。

技术领域

本发明属于图像分类领域，更具体地，涉及一种基于暗原色先验理论的雾霾检测与分级判别算法，用于通过监控视频画面分析高速公路特定区域雾霾的有无与相应级别判断。

背景技术

随着我国经济的飞速发展，高速公路通车里程也在快速的增长，但伴随而来的是高速公路上引发的恶性交通事故的增多。其中，相当多的事故是由恶劣的天气造成的，而雾霾天气就是其中影响程度最大的因素之一^[1]。因此，在高速公路中，通过监控视频画面分析及时的检测到特定区域出现的雾霾，并准确的对雾霾程度进行判定分级，对于高速公路限行禁行控制，降低交通事故的发生率，是极为重要的，也是必要的^[2]。

2011年，何凯明博士提出了暗原色先验理论^[3]，该理论被证明是目前最经典的图像去雾算法。本专利提出将暗原色先验理论用于视频画面雾霾检测与程度分级判别。我们通过输入图像获得其暗通道图表示，并基于暗原色先验理论完成图像去雾过程，得到去雾清晰图^[4]。暗通道图在一定程度上可以反映出图像的雾霾特征与内容信息，使之与反映输入图像场景内容信息的去雾输出图像相结合(亮度通道做差)，在一定程度上，可以得到公共空间中对输入图像雾霾信息的单一映射表征值。依据此雾霾信息表征值，结合通过实验分析预先确定的判定阈值，即可实现雾霾检测与程度分级判别任务^[5][6]。经理论推理与实验验证，利用暗原色先验理论实现的基于监控视频画面分析的雾霾检测与程度分级算法符合具体场景应用需求，且具有成本低，操作方便，无需额外信息与标定，稳定性好等显著特点。且在国内外资料中，暂无发现直接利用暗原色先验算法进行雾霾检测与程度分级判别的方法，因此本方法具备很强的创新性。

参考文献：

[1]丁雪龙.高速公路团雾检测技术研究[D].2016.

[2]李易润.基于视频分析技术的高速公路团雾预警系统设计[D].

[3]He K,Sun J,Fellow,et al.Single Image Haze Removal Using DarkChannel Prior[J].IEEE Transactions on Pattern AnalysisMachine Intelligence,2011,33(12):2341-2353.

[4]赵瑞.基于暗原色先验理论的大气能见度测量[J].激光与光电子学进展,2016(53):72-79.

[5]王月琴,张文菊,谈玲珑.基于BP神经网络的高速公路团雾预测研究[J].佳木斯大学学报(自然科学版),2017,35(003):485-487.

[6]胡众义,刘清,郭建明,等.一种基于SVM分类的雾图自动检测方法[J].计算机仿真,2015,32(2):342-346.

发明内容

本发明针对雾霾天气情况下采集图像的整体色调特点，以计算机视觉技术为基础，通过暗原色先验理论基础，提供了一种基于监控视频画面分析的雾霾检测与程度分级判别算法，最终完成特定的雾霾图像分类目的。技术方案如下：

1.一种基于暗原色先验理论的雾霾检测与分级方法，包括下列步骤：

(1)输入图像的暗通道图生成