一种基于图像分析的夜间雾天能见度分类方法与流程

本发明涉及数字图像处理和交通天气检测技术领域，尤其是一种基于图像分析的夜间雾天能见度分类方法。

背景技术：

雾天造成的能见度下降会对交通造成不便的影响，需要有关部门实时检测并及时预警，而在夜间本身能见度不高的情况下，雾天的存在更是容易造成不可挽回的严重后果，然而针对夜间的雾天能见度检测却是现阶段较少被提及的一个领域，这就值得我们进行探究。

检测夜间能见度的方法从原理上来看可以从人工法、仪器法以及图像法三个方向出发，考虑到成本以及便利程度，利用路边已经架设的监控摄像机来进行基于图像法的夜间能见度检测是一个更好的选择。如果是在夜间的情况下，和白天不同，就必须考虑检测图像中的光照情况，依据不同的光照情况来对检测方法进行选择。

其一是存在移动光源情况下的能见度检测，也有称之夜间灯火能见度。这种情况常见于夜间的高速公路，由于成本以及其他必要考虑的原因，高速公路是不会架设路灯的，因此夜间在高速公路上能看到的只有车辆的车灯以及反光标识。观察者逐渐远离光源，直至其正好消失的距离作为能见度距离，这个距离取决于大气透明度、灯光强度和人眼的照度阈值等因素的影响，可以通过一定形式的计算得到距离结果。例如利用车前灯光照的标准图像来和实际被测图像进行互相关系数的计算，以此为依据进行夜间能见的分类。

其二是针对固定光源进行能见度的测量，例如固定亮度的路灯等光源。比较常见的方法是双光源数字摄像技术，相关的衍生有很多，相对原始的方法做出了改进，提出了更加高效、准确地双光源能见度计算方法。除此以外，也有根据固定光源的一些亮度特征来进行能见度检测，例如利用单张图片中的三个已知距离和亮度的光源提出了基于前向散射的雾天等级分类。

总的来说，基于图像法的实现方法，在没有光源的情况下是没有办法找到检测的依据的，因此，夜间的能见度检测主要还是依靠光源的亮度信息，可以是路灯、车灯或者是道路上的反光标识，这些信息可以在图像的像素上反映出来，从而进行检测。本发明希望能够通过摄像机采集的图像，进行固定光源的检测及特征提取，实现雾天能见度的分类。

技术实现要素：

本发明所要解决的技术问题在于，提供一种基于图像分析的夜间雾天能见度分类方法，本发明的算法简单，方便参数调整，实现高准确度的检测分类。

为解决上述技术问题，本发明提供一种基于图像分析的夜间雾天能见度分类方法，包括如下步骤：

(1)初始化，读入非雾天情况下的图像视频；

(2)对采集得到视频每隔n帧获取一帧彩色图像，一共统计m帧，作为m幅原图像i，其中图像大小为m×n×3，每一个像素的坐标为(x,y)(x＝0,1,…,m-1；y＝0,1,…,n-1)，对这些彩色图像进行滤波，减少噪声的影响；

(3)对结果图像i′进行固定光源的定位与感兴趣区域的选取；

(4)重新通过监控摄像机采集被测图像，针对图像进行雾天能见度分类的特征提取；

(5)根据步骤(4)得到的两个特征进行雾天能见度分类，分为非雾天，小雾，大雾三个等级。

优选的，步骤(2)具体为：

(21)初始化及预处理：设定中值滤波的窗口半径为r；检查原始图像是否合法；初始化rgb三个颜色空间的灰度直方图h[k][grey](k＝0,1,2；grey＝0,1,…,255)，其中k表示三种颜色空间，grey表示某种颜色下图像像素的灰度值；复制原始图像来初始化滤波后的结果图像i′，大小、值与原图像相同；

(22)对原始图像i放置半径为r的处理窗口，窗口中心对应原图像坐标(x,y)的像素，其范围是

进行窗口内的像素值进行中值选取：如果该窗口内所有的像素都没有进行过直方图统计，则分别三个颜色空间上统计窗口内所有像素坐标上的灰度直方图，即在第k种颜色空间下，统计窗口中某像素坐标的灰度值为grey，则h[k][grey]的值加一；如果已经有一部分进过直方图的统计，则将移动后离开像素点的灰度值在直方图中减去，移动后增加像素点的灰度值在直方图中加上；在统计完灰度直方图后，从灰度值grey＝0开始统计h[k][grey]的数目，当数目大于等于[(2×r+1)²+1]/2时，此时的灰度值即为中值，保存在结果图像i′中的该坐标中；

(23)如果窗口滑动至坐标(m-r-1,n-r-1)结束；否则，将窗口滑动至下一坐标(下一列或下一行)，重复(22)。

优选的，步骤(3)具体为：

(31)以下对各个图像进行像素操作时，均使用(i,j)表示图像的像素坐标；

(32)分别对m幅图像i′在x方向和y方向上运用scharr算子进行求导，得到卷积结果分别为gx和gy，取绝对值之后以1:1的比例进行加权叠加，得到利用scharr滤波器进行边缘检测之后的图像i′scharr；

(33)将边缘检测图像i′scharr与原图的暗通道图像i′dark相减，得到差值图像i′res，对它进行初步判断处理：

(34)对m幅图像的差值图像i′res进行是否大于0进行统计，统计数目超过的像素位置确定为有值，记为1，否则记为0，输出固定光源范围的二值图像i′binary；

(35)对二值图像i′binary计算出连通区域数目num，并对连通区域进行标识i′mark，对不同标识区域分别进行面积st统计以及形心位置(xt,yt)计算，其中t表示第t块连通区域，由标识i′mark决定：

(36)如果连通区域数目num小于等于阈值num，感兴趣区域个数即为num，即感兴趣区域为全部连通区域；如果连通区域数目num大于阈值num，感兴趣区域个数即为num，选取连通区域面积最大的num个区域，如果存在两个区域位置靠得较近，即形心连线上两边缘距离小于形心到边缘距离，用其次面积大小的连通区域来代替，直至满足距离条件；否则，选取连通区域边缘距离较大的num个区域作为最终感兴趣区域，并重新进行图像标识得到感兴趣区域二值图像i′interest，num可取4～6，在之后实时的雾天能见度分类的同时，可结合摄像机新的采集图像进行感兴趣区域更新。

优选的，步骤(4)具体为：

(41)针对被测图像，利用感兴趣区域二值图像i′interest提取出被测图像的每一个感兴趣区域，分别进行以下特征提取；

(42)对所有感兴趣区域由rbg彩色空间转换到his彩色空间，得到感兴趣区域每个像素的饱和度信息以及亮度信息，转换公式为：

饱和度：

亮度：

(43)利用自适应窗口获取标识为r的感兴趣区域的中心亮度：取形心位置作为初始位置来扩展中心区域，由中心区域的边缘不断向上下左右四个方向的向外扩展，如果扩展了这个方向，中心亮度的平均亮度会增强，则扩展；否者，放弃这个点；最终得到中心区域的平均亮度aveir以及形心位置(xr,yr)；

(44)求取亮度衰减特征decir：取形心位置作为初始种子进行区域生长，阈值取aveir/2，得到的图像分割的结果与感兴趣区域i′interest相减，得到类环状亮度区域i′ring，由中心区域的形心位置(xr,yr)开始从八个方向计算环形的内外半径差，去掉最大值和最小值求平均值为dr(dr≥1)，因此亮度衰减特征decir可以表示：

(45)求取类环形区域的饱和度特征avesr：统计该感兴趣区域内类环形i′ring所有像素点的饱和度值，得到饱和度的总和为sumsr，总像素点数目为numsr，因此饱和度特征即饱和度平均值为

avesr＝sumsr/numsr

(46)统计完成num个感兴趣区域的特征提取，取平均最终得到两个特征——饱和度特征aves和亮度衰减特征deci，结束；否则，对下一感兴趣区域回到(42)操作。

优选的，步骤(5)具体为：

(51)如果达到非雾天的分类条件：decir≥0.05&&aves≥0.6，则判断为非雾天情况，否则进行操作(52)判断；

(52)如果达到大雾的分类条件：deci≤0.005||aves≤0.3，则判断为大雾情况，否则判断为小雾情况。

本发明的有益效果为；(1)在直接通过道路边已经架设的摄像机采集的图像进行雾天能见度的分类，通过一定的图像处理以及计算图像特征值大小，直接进行判断，与其他的检测方法相比，操作方便，成本低廉，使得在现场应用中大规模使用成为可能，方便实现实时监控；(2)本发明针对的是夜间的能见度分类，弥补了现阶段大部分实现的是白天雾天能见检测，以及双光源法必须配合硬件使用的缺点，实现非雾天、小雾、大雾的分类，基本上满足监控预警的判断要求；(3)本发明将暗通道和边缘检测运用到夜间光源定位中去，提出了夜间图像路灯区域的自动定位方法，无需人工的检测范围确定；依据his颜色模型，提出了夜间雾天分类的图像特征——亮度衰减特征和饱和度特征，算法简单，方便参数调整，实现高准确度的检测分类。

附图说明

图1为本发明的方法流程示意图。

具体实施方式

如图1所示，一种基于图像分析的夜间雾天能见度分类方法，包括如下步骤：

步骤1：初始化，读入一段监控摄像机在非雾天情况下采集的图像视频；

步骤2：对采集得到视频每隔n帧(n＝30～40)获取一帧彩色图像，大约一共统计m帧(m＝20～30)，作为m幅原图像i，其中图像大小为m×n×3，每一个像素的坐标为(x,y)(x＝0,1,…,m-1；y＝0,1,…,n-1)，对这些彩色图像进行滤波，减少杂散光等噪声的影响：

(1)初始化及预处理：设定滤波的窗口半径为r；检查原始图像是否合法；初始化rgb三个颜色空间的灰度直方图h[k][grey](k＝0,1,2；grey＝0,1,…,255)，其中k表示三种颜色空间，grey表示某种颜色下图像像素的灰度值；复制原始图像来初始化滤波后的结果图像i′，大小、值与原图像相同；

(2)对原始图像i放置半径为r的处理窗口，窗口中心对应原图像坐标(x,y)的像素，其范围是

进行窗口内的像素值进行中值选取：如果该窗口内所有的像素都没有进行过直方图统计，则分别三个颜色空间上统计窗口内所有像素坐标上的灰度直方图，即在第k种颜色空间下，统计窗口中某像素坐标的灰度值为grey，则h[k][grey]的值加一；如果已经有一部分进过直方图的统计，则将移动后离开像素点的灰度值在直方图中减去，移动后增加像素点的灰度值在直方图中加上；在统计完灰度直方图后，从灰度值grey＝0开始统计h[k][grey]的数目，当数目大于等于[(2×r+1)²+1]/2时，此时的灰度值即为中值，保存在结果图像中的该坐标中；

(3)如果窗口滑动至坐标(m-r-1,n-r-1)，结束；否则，将窗口滑动至下一坐标(下一列或下一行)，重复(2)。

步骤3：对结果图像i′进行固定光源的定位与感兴趣区域的选取，其中，在对各个图像进行像素操作时，均使用(i,j)表示图像的像素坐标；

(1)分别对m幅图像i′在x方向和y方向上运用scharr算子进行求导，得到卷积结果分别为gx和gy，取绝对值之后以1:1的比例进行加权叠加，得到利用scharr滤波器进行边缘检测之后的图像i′scharr；

(2)将边缘检测图像i′scharr与原图的暗通道图像i′dark相减，得到差值图像i′res，对它进行初步判断处理：

(3)对m幅图像的差值图像i′res得到的判断结果进行是否大于0进行统计，统计数目超过的像素位置确定为有值，记为1，否则记为0，输出固定光源范围的二值图像i′binary；

(4)对二值图像i′binary计算出连通区域数目num，并对连通区域进行标识i′mark，对不同标识区域分别进行面积st统计以及形心位置(xt,yt)计算算，其中t表示第t块连通区域，由标识i′mark决定：

(5)如果连通区域数目num小于等于阈值num，感兴趣区域个数即为num，即感兴趣区域为全部连通区域；如果连通区域数目num大于阈值num，感兴趣区域个数即为num，选取连通区域面积最大的num个区域，如果存在两个区域位置靠得较近，即形心连线上两边缘距离小于形心到边缘距离，用其次面积大小的连通区域来代替，直至满足距离条件；否则，选取连通区域边缘距离较大的num个区域作为最终感兴趣区域，并重新进行图像标识得到感兴趣区域二值图像i′interest。num可取4～6。在之后实时的雾天能见度分类的同时，可结合摄像机新的采集图像进行感兴趣区域更新。

步骤4：重新通过监控摄像机采集被测图像，针对图像进行雾天能见度分类的特征提取：

(1)针对被测图像，利用感兴趣区域二值图像i′interest提取出被测图像的每一个感兴趣区域，分别进行以下特征提取；

(2)对所有感兴趣区域由rbg彩色空间转换到his彩色空间，得到感兴趣区域每个像素的饱和度信息以及亮度信息，转换公式为：

饱和度：

亮度：

(3)利用自适应窗口获取标识为r的感兴趣区域的中心亮度：取形心位置作为初始位置来扩展中心区域，由中心区域的边缘不断向上下左右四个方向的向外扩展，如果扩展了这个方向，中心亮度的平均亮度会增强，则扩展；否者，放弃这个点。最终得到中心区域的平均亮度aveir以及形心位置(xr,yr)；

(4)求取亮度衰减特征decir：取形心位置作为初始种子进行区域生长，阈值取aveir/2，得到的图像分割的结果与感兴趣区域i′interest相减，得到类环状亮度区域i′ring，由中心区域的形心位置(xr,yr)开始从八个方向计算环形的内外半径差，去掉最大值和最小值求平均值为dr(dr≥1)，因此亮度衰减特征decir可以表示：

(5)求取类环形区域的饱和度特征avesr：统计该感兴趣区域内类环形i′ring所有像素点的饱和度值，得到饱和度的总和为sumsr，总像素点数目为numsr，因此饱和度特征即饱和度平均值为

avesr＝sumsr/numsr

(6)统计完成num个感兴趣区域的特征提取，取平均最终得到两个特征——饱和度特征aves和亮度衰减特征deci，结束；否则，对下一感兴趣区域回到(2)操作。

步骤5：根据步骤4得到的两个特征进行雾天能见度分类，分为非雾天，小雾，大雾三个等级：

(1)如果达到非雾天的分类条件：decir≥0.05&&aves≥0.6，则判断为非雾天情况，否则进行操作(2)判断；

(2)如果达到大雾的分类条件：deci≤0.005||aves≤0.3，则判断为大雾情况，否则判断为小雾情况。