[发明专利]一种水面有雾图像和清晰图像的分类识别方法

摘要

本发明属于图像识别领域，具体涉及一种水面有雾图像和清晰图像的分类识别方法。本发明包括：获取水面待识别图像：建立水面图像数据库：提取水面图像特征：训练和学习水面图像雾分类识别的特征：识别水面待识别有雾图像和清晰图像。本发明能够大大提高水面航行器的视觉系统的智能性。特征提取简单，用于识别的特征较少，识别率高；作为水面船舶或无人艇视觉系统的前期处理，具有自适应判断水面天气环境的能力，能有效提高后期去雾、目标检测、跟踪和识别的性能。

主权项

一种水面有雾图像和清晰图像的分类识别方法，其特征在于：(1)获取水面待识别图像：水面待识别图像的获取通过安装在各类船上的可见光摄像头进行采集；(2)建立水面图像数据库：用于分类器训练的水面图像数据库通过实际拍摄的水面图像以及在各大图片网站搜索得到的水面图像组成；(3)提取水面图像特征：(3.1)提取彩色图像信息熵特征彩色图像信息熵为：$E=-\underset{i=0}{\overset{255}{\mathrm{\Σ}}}{p}_i\lg \left(p_i\right)$其中p_i表示图像像素点的三个通道值分别为(i_r,i_g,i_b)时的概率，p_i＝n_i/(H×W)，其中n_i表示图像像素点的三个通道值分别为(i_r,i_g,i_b)出现的次数，H、W表示图像的高宽尺度；(3.2)提取图像均值特征：均值能反映图像的平均亮度，原图像均值为：$\mathrm{\μ}=\underset{i=0}{\overset{255}{\mathrm{\Σ}}}{\mathrm{ip}}_i$其中p_i表示图像中灰度值为i的像素点的概率，改进后的图像均值特征为：μ^*＝μ/(M‑m)其中μ所求得均值，M为其灰度图像的最大灰度值，而m为灰度图像的最小灰度值；(3.3)提取图像标准差特征：$\mathrm{\σ}=\sqrt{\underset{i=0}{\overset{255}{\mathrm{\Σ}}}{(i-\mathrm{\μ})}^2{p}_i}$其中μ为所求的均值，p_i仍然表示图像中灰度值为i的像素点的概率；(3.4)提取图像平均梯度特征：灰度图像的平均梯度为：$\stackrel{\‾}{g}=\frac{1}{(H-1)(W-1)}\×\underset{i=1}{\overset{H-1}{\mathrm{\Σ}}}\underset{j=1}{\overset{W-1}{\mathrm{\Σ}}}\sqrt{\frac{{(I(i,j)-I(i+1,j))}^2+{(I(i,j)-I(i,j+1))}^2}{2}}$其中，I(i,j)表示图像在(i,j)坐标处的像素值，图像I的高宽尺度为H、W；(3.5)提取图像视觉对比度特征：视觉对比度为：VCM＝100*R_v/R_t其中R_v表示图像中子区域的方差超过给定阈值的数量，R_t则表示图像所分成子区域的总数；确定子区域大小以及给定比较阈值t，子区域大小选取为0.05*min(H,W)，其中H、W为图像的高宽尺度；而阈值则根据OTSU阈值分割方法自适应的选取：按照从左往右、从上到下的顺序将图像分割为边长为0.05*min(H,W)的方形子区域，求取图像每个子区域的方差以及子区域总数R_t；根据OTSU自适应分割算法求取方差的最佳分割阈值t，统计子区域方差大于阈值t的数量R_v，得到视觉对比度VCM；(3.6)提取图像能见度特征：对于灰度图像f的像素点x，若在x的4邻域像素中满足如下条件：min[f(x),f(y)]≤s＜max[f(x),f(y)]则称图像f的像素对(x,y)能被阈值s分割，其中y为x的4邻域像素点，即y∈V₄(x)，F(s)为图像f中所有能被阈值s分割的像素对(x,y)所组成的集合，即对于每一个s∈[0,255]都对应一个F(s)；对于F(s)中的任意像素对(x,y)，空间对比度为：$C_{x,y}\left(s\right)=\min [\frac{|s-f\left(x\right)|}{\max (s,f\left(x\right))},\frac{|s-f\left(y\right)|}{\max (s,f\left(y\right))}]$则集合F(s)的平均对比度为：$C\left(s\right)=\frac{1}{\mathrm{cardF}\left(s\right)}\underset{(x,y)\∈F\left(s\right)}{\mathrm{\Σ}}{C}_{x,y}\left(s\right)$其中cardF(s)表示集合F(s)的像素对总数；从而得到最佳的分割阈值s₀：$s_0=\underset{s\∈\left[\mathrm{0,255}\right]}{\arg \max }C\left(s\right)$即求取让平均对比度最大的阈值s₀作为图像的分割阈值，而在原灰度图像f中满足空间对比度2C_x(s₀)＞0.05的像素点则为可见边缘像素点，从而得到图像能见度：其中n为可见边缘像素点总数，m为图像中满足条件C_x(s₀)＞0的所有像素点总数，为可见边缘像素点组成的集合；(4)训练和学习水面图像雾分类识别的特征：进行特征数据规格化：$V^{\′}=\frac{v-{\min }_A}{{\max }_A-{\min }_A};$其中min_A、max_A表示特征A中的最小值和最大值，v为特征A的特征值；将经过数据规格化后的特征利用SVM分类器进行特征训练，从而得到能够区分有雾图像和无雾图像的分类超平面；(5)识别水面待识别有雾图像和清晰图像：将无人艇或水面船舶等航行器采集到的实时图像，提取6个用于识别是否含雾的特征，输入到第4节训练好的分类器中进行识别，最后输出识别结果。