本发明专利技术公开了一种基于光学模型和暗原色先验理论的能见度检测方法，包括以下步骤：(1)根据视频传感器的成像模型，获取计算能见度所需的相关参数：(2)利用设置的视频传感器，实时采集交通视频图像I；(3)基于暗原色先验理论，获取所采集图像的透射率t(x)；(4)利用多点各向异性高斯滤波器和双边滤波细化步骤(3)获取的透射率；(5)将步骤(4)中得到的透射率图代入到视频图像灰度值沿垂直方向变化的拐点与透射率的函数表达式，以获取拐点的坐标；(6)将所有拐点的垂直坐标值代入能见度计算模型，以确定能见度的值。本发明专利技术能满足于路面非同质、路面标识被遮挡、含有多目标等复杂场景下的能见度计算需求。
【技术实现步骤摘要】
本专利技术属于图像处理技术，具体为一种基于光学模型和暗原色先验理论的能见度 检测方法。
技术介绍
随着我国高速公路网建设的不断发展，团雾多发路段和因团雾引起的重特大交通 事故的数量都在不断增加。若能对团雾进行预测，则可以及时发布相关信息，避免交通事故 的发生。然而，被称为"流动杀手"的团雾具有突发性强、易漂移、范围小的特点。这些因素 使得传统的天气监测方法不能实现对团雾的预测。 根据能见度的值及其变化规律可以实现团雾的预测。因此，我国高速公路管理部 门通常利用人工目测和气象设备监测两种方式获取团雾区能见度的值，以实现对团雾的预 报。但人工目测的方法效率低，而气象监测设备的安装成本高，布点密度不足，容易导致团 雾的漏报。 目前，全国高速公路用于监控的视频传感器已经达到了平均6公里一处，个别经 济发达地区达到了平均3公里一处，而团雾的范围通常在10公里以上。若能通过解析视频 图像实现能见度的实时检测，则会有效地提高团雾的预报效率和降低预报成本，从而最大 限度地避免因团雾引发的交通事故。 国内外关于通过解析视频图像实现能见度检测方法的研究还处于起步阶段。 文件1、2中，Hautiere等人将柯西米德模型（Koschmieder's Model)和大气对比 度的衰减模型相结合，提出一种基于动态视频传感器的能见度检测方法。该方法不但能实 现能见度的估计，还能实现障碍物的检测。但该方法利用区域增长算法获取能见度检测所 需的关键参数，对于路面非同质的情况，其效果并不理想，不能满足实用性的需求。 文件3中，Pomerleau利用视频图像中路面标志对比度的衰减程度和距离的关系 建立了能见度计算模型，并通过对能见度的定量判断实现了团雾的检测。 文件4-5分别利用不同的对比度模型寻找对比度大于0. 05的像素点，然后根据景 深计算模型获取这些像素点到摄像机的距离，以实现能见度的检测。 我国在此方面的研究虽然起步较晚，但也取得了一些较好的研究成果。 文件6和文件7分别基于视频图像中四邻域的对比度和路面像素的亮度特征，定 义了可视像素模型，并采用摄像机标定技术计算可视像素到摄像机的最远距离，实现了无 需人工标记的能见度检测。 文件8将小波变换引入到了能见度的计算中，利用小波变换提取视频图像边缘特 征点，以使检测的能见度值更符合人眼的观测结果。 在上述研究结果的基础上，文件9根据柯西米德模型和最小二乘法逼近原理，提 出了一种基于路面亮度特征的能见度检测算法。 文件3-9提出的能见度检测方法均需提取路面标志信息（车道线、路标等）。然而， 在有遮挡的情况下这些特征并不能有效地被提取，从而影响了能见度检测的效率和精度。 文件10-11基于不同能见度的视频图像在高频部分的区别，建立了基于视频图像 频率域特征的能见度和团雾检测方法，从而避免了路面标志信息的提取。然而，在含有多目 标场景下获取的视频图像，无论是低能见度还是高能见度都含有较多的高频信息，在频率 域具有相似的特征。因此，该类方法对含有多目标的视频图像检测效果并不理想。 中国专利申请 CN 201410091456. 3、CN 201310325570. 3 和 CN 201510177157. 6 分 别公开了基于硬件设施的能见度检测和团雾预警系统，均能取得理想结果。但是这些方法 的实现不能利用高速管理部门现有的设备设施，应用成本较高。 中国专利申请CN 201210226642. 4公开了一种基于图像颜色空间特征的雾天检 测方法。该方法在视频传感器前无移动目标的理想情况下能取得非常好的结果，但对于视 频传感器前含有多运动目标复杂情况，其团雾检测效果并不理想。 参考文件如下： N. Hautiere, J. P. Tarel, J. Lavenant, et al. Automatic fog detection and estimation of visibility distance through use of an onboard camera. Machine Vision and Applications, 2006, 17(I):8-20. N. Hautiere, D. Aubert, E. Dumont, et al. Experimental validation of dedicated methods to in-vehicle estimation of atmospheric visibility distance·IEEE Transactions on Instrumentation and Measureme nt, 2008, 57(10) :2218-2225. D. A. Pomerleau. Visibility estimation from a moving vehicle using the RALPH vision system . Proceedings of IEEE Conference on Intelligent Transportation System, November, 1997, 906-911. C. Boussard, N. Hautiere, B. Novel. Vehicle dynamics estimation for camera-based visibility distance estimation. Proceedings of IEEE International Conference on Intelligent Robots and Systems, Septemb er, 2008, 600-605. N. Hautiere, R. Labayrade, D. Aubert. Real-time disparity contrast combination for onboard estimation of the visibility distance.IEEE Transactions on Intelligent Transportation Systems, 2006, 7(2):201-212. 李勃，董荣，陈启美.无需人工标记的视频对比度道路能见度检测.计算 机辅助设计与图形学学报，2009, 11 (21) : 1575-1982. 张潇，李勃，陈启美.基于亮度特征的PTZ视频能见度检测算法及实现. 仪器仪表学报，2011，32(2) :391-387. 陈钊正，周庆逵，陈启美.基于小波变换的视频能见度检测算法研究与实现 ·仪器仪表学报，2010, 31 (1) : 92-98. 吴炜，李勃，杨娴等.基于路面视亮度差平方最优化的视频能见度检测算法 ·电子与信息学报，2014, 36 (10) : 2412-2418. M. Pavlic, H. Belzner, G. Rigoll, et al. Image based fog detection in vehicles · Proceedings of IEEE International Conference on Intelligent Vehicles Symposium, J本文档来自技高网...
【技术保护点】
一种基于光学模型和暗原色先验理论的能见度检测方法，其特征是，包括以下步骤：1)根据视频传感器的成像模型，获取计算能见度所需的相关参数：视频传感器距地平面的高度H，视频传感器的光轴与地平面的夹角θ，视频传感器的有效焦距f，图像中像素点的水平尺寸tpu和垂直尺寸tpv，以及灭点在视频图像中的垂直坐标值vh；2)利用设置的视频传感器，实时采集交通视频图像I；3)基于暗原色先验理论，获取所采集图像的透射率t(x)；4)利用多点各向异性高斯滤波器和双边滤波细化步骤3)获取的透射率；5)将步骤4)中得到的透射率代入到视频图像灰度值沿垂直方向变化的拐点与透射率的函数表达式，以获取拐点的坐标；6)将所有拐点的垂直坐标值代入能见度计算模型，以确定能见度的值。
【技术特征摘要】
【专利技术属性】
技术研发人员：刘建磊，冯凤娟，张立东，
申请(专利权)人：山东交通学院，
类型：发明
国别省市：山东;37
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。