The invention discloses a traffic haze visibility detection method based on image spectrum. The main steps are as follows: (1) Collect different visibility pictures of highway haze in different scenarios to build a picture library. (2) Establish coordinates to measure the visibility of haze pictures with highway lanes as markers; (3) Make cosine transform to extract high-frequency and low-frequency information of pictures as features; (4) Input the extracted features into depth neural network for training; and apply them to actual measurement. The invention adopts high and low frequency information as the input feature of the neural network to improve the detection accuracy, and adopts the deep neural network model to provide convenient conditions for processing large data sets.
【技术实现步骤摘要】
一种基于图像频谱的交通雾霾能见度检测方法
本专利技术涉及计算机图像处理领域,涉及一种基于计算机图像中图像频谱处理的高速公路雾霾能见度检测方法。
技术介绍
能见度是人眼对于大气透明度的主观感受,目前常用的检测方法有两大类:一类是传统的能见度检测法,主要是能见度仪;另一类是基于视频图像的能见度检测法,本专利技术重点研究的是后者。目前视频探头的广泛分布,为本专利技术的研究奠定了硬件基础。以江苏为例,从2013年5月13日起,江苏省高速公路全面开启高清探头和视频,比如宁连高速平均1.5km铺设监控摄像头,重点区域1km间隔铺设,这些采集终端能够实时获取路网交通视频数据。在雾霾天气下,低能见度可能会对交通安全造成潜在威胁。当能见度低于200米时,交通事故发生频率将大大增长。降低交通事故发生频率的一种有效的方法就是对道路能见度进行预估,并采取有效的方式人为干预。能见度估计可以追溯到20世纪20年代。1924年,Koschmieder提出了大气能见度公式,奠定了大气能见度估计经典理论的基础。1949年,Steffens提出了一项探索性的研究,并开发了一种用于雾霾视觉范围估计的照相测量方法。受限于摄影技术,基于视觉的能见度估计数年内没有太大进展。1969年,贝尔实验室验证了生产电荷耦合器件的可能性,飞兆半导体公司也于1973年开发了电荷耦合器件图像传感器。随着半导体和计算机技术的快速发展,数字视频的分辨率得到了极大的提高,为基于视觉的能见度估计提供了更多的可能性。1997年Pomerleau,1998年Busch和Debes,2006年Hautiere、Labayrade ...
【技术保护点】
1.一种基于图像频谱的交通雾霾能见度检测方法,主要包括以下步骤:步骤一训练阶段:数据库建立,根据高速公路雾霾图片分场景建立雾霾图片库,并将相同场景下的晴朗天气图片建立晴朗图片库;能见度提取,以高速公路车道线作为标识物,建立相应的坐标,提取雾霾图片能见度数值;能见度分级,根据提取的能见度数值,将雾霾图片分为0‑50米,50‑100米,100‑150米,150‑200米,200‑300米,300‑600米六个等级;高频、低频特征提取,在各个场景下分别将雾霾图片和晴朗图片做余弦变换,余弦变换后左上角是低频信息,右下角是高频信息,并求得高频、低频相对值;深度神经网络训练,将得到的高频、低频特征输入深度神经网络进行训练;步骤二测试阶段:根据某一场景的雾霾图片建立测试集,用经训练的所述深度神经网络对输入的雾霾图片进行能见度分类。
【技术特征摘要】
1.一种基于图像频谱的交通雾霾能见度检测方法,主要包括以下步骤:步骤一训练阶段:数据库建立,根据高速公路雾霾图片分场景建立雾霾图片库,并将相同场景下的晴朗天气图片建立晴朗图片库;能见度提取,以高速公路车道线作为标识物,建立相应的坐标,提取雾霾图片能见度数值;能见度分级,根据提取的能见度数值,将雾霾图片分为0-50米,50-100米,100-150米,150-200米,200-300米,300-600米六个等级;高频、低频特征提取,在各个场景下分别将雾霾图片和晴朗图片做余弦变换,余弦变换后左上角是低频信息,右下角是高频信息,并求得高频、低频相对值;深度神经网络训练,将得到的高频、低频特征输入深度神经网络进行训练;步骤二测试阶段:根据某一场景的雾霾图片建立测试集,用经训练的所述深度神经网络对输入的雾霾图片进行能见度分类。2.根据权利要求1所述基于图像频谱的交通雾霾能见度检测方法,其特征在于步骤一中数据库建立的过程:基于高速公路视频资料,在不同场景下雾霾天气和晴朗天气采集的,以一分钟为间隔截取图片,并以图片关联对应每一分钟内雾霾能见度,将采集到的图片建立数据集。3.根据权利要求1所述基于图像频谱的交通雾霾能见度检测方法,其特征在于步骤一中所述余弦变换公式为:其中,f(x,y)是二维图像函数,F(u,v)为图像余弦变换后函数。N取8,当u,v=0时,其他情况4.根据权利要求1所述基于图像频谱的交通雾霾能见度检测方法,其特征在于步骤一中求得高频、低频相对值指的是:对每个场景晴朗天气的高频信息求平均值得到晴朗天气的高频相对值,对每个场景晴朗天气的低频信息求平均值得到晴朗天气的低频相对值,对应各个场景,用雾霾图片的高频信息除以晴朗图片的高频信息得到高频相对值,用雾霾图片的低频信息除以晴朗图片的低频信息得到低频相对值。5.根据权利要求1所述基于图像频谱的...
【专利技术属性】
技术研发人员:汪涛,成孝刚,李德志,吕泓君,钱俊鹏,任骏驰,李海波,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。