基于激光的团雾图像全天候自适应检测方法技术

本发明专利技术公开了一种基于激光的团雾图像全天候自适应检测方法。本方法是由激光发射端释放激光束，图像处理端在图像处理程序的调控下，智能终端完成视频图像的采集、图像的存储、图像中心点计算、评价数组与重要评价指标的计算、白天夜晚过渡阶段指标计算、评价结果的最终计算。本发明专利技术能够根据激光光束在不同团雾环境中的变化和场景的变化及时给出关于团雾的评价结果。

【技术实现步骤摘要】

本专利技术涉及一种团雾图像检测技术，具体是一种基于激光的团雾图像全天候自适应检测方法。
技术介绍
团雾是受局部地区地形、地貌和中小尺度气候环境影响下，形成突然、范围小、浓度强、能见度低的雾。由于团雾预报难、局地性强，车辆难以提前得到通知或警示，驶入团雾区时往往来不及减速，常常酿成重大交通事故，所以团雾被称为高速公路上的“流动杀手”。因此诞生了许多团雾检测方法。现有的团雾评价方法主要采用器测法和图像检测评价方法。器测法主要使用能见度测量仪这类专业一起，但价格高昂，无法大面积使用；团雾图像检测评价方法结合了视频图像分析、大气光线传播模型与多种检测识别算法,在分析处理视频图像的基础上,建立图像与真实场景之间的映射关系,通过测量图像特征的变化情况,进而求得能见度，但评价结果往往受图像类型、试验环境等影响。在团雾图像视频检测评价方面，早在上个世纪40年代,SteffensC等人利用照相法来进行能见度的测量,即首先利用照相机摄取黑色目标物的图片,与求解能见度息息相关的目标物与背景物之间的相对亮度对比值可以设法根据图片信息来求得,据此也就可以推导出能见度值(SteffensC.MeasurementofVisibilitybyPhotographicPhotometry[J].IndustrialEngineeringChemistry,1941,41:2396-2399)。但在当的技术条件下,无论是前期的拍摄照片、冲洗照片,还是后期的测定标物与背景物的亮度对比值,都是由手工操作来完成的,不但操作起来繁琐、耗费时间,且无法实现真正的定量化测量,因此这种方法理论上成立后并未付诸实际应用。计算机技术和CCD的高速发展,带动了数字摄像技术及其应用的迅猛发展。TaekM.K等将图像中多个辆标的对比度值进行能见度非线性曲线拟合,得到白天能见度(TaekM.K.AtmosphericVisibilityMeasurementsUsingVideoCameras:RelativeVisibility[R].MinnesotaDepartmentofTransportationTechniqueReport,Reportnumber:CTS-0403,2004,7.)NicolasHautiere等以天空和道路作为参照物,通过摄像机模型标定和实时图形处理程序确定大气消光系数,并通过克什米勒定律计算大气能见度(NicolasHauti'ere,Jean-PhilippeTarel,JeanLavenant,DidierAubert.AutomaticFogDetectionandEstimationofVisibilityDistancethroughUseofanOnboardCamera[J].MachineVisionandApplications,2006,17(1):8-20.)S.Bronte等依据地面实况定义晴天或轻雾、中雾天气和浓雾天气等3种不同类型,然后根据摄像机投影方程和雾的程度估算能见度(BronteS,BergasaLM,AlcantarillaPF.FogDetectionSystemBasedonComputerVisionTechniques[C].IEEEConferenceonIntelligentTransportationSystems,2009:30-35.)吕伟涛等利用基于双亮度差法在地平线附近两个不同距离的目标物和其对应水平天空背景亮度差的比值计算白天气象能见度。该方法在标准观测条件下进行计算,能消除数字摄像系统中暗电流和背景杂散光的影响,增大测量范围,提髙测量精度(吕伟涛,陶善昌,刘亦风,谭涌波,王本革.基于数字摄像技术测量气象能见度-双亮度差方法和试验研究[J].大气科学,2004,28(4):559-568.)张潇等人对无需人工标记的检测系统进行改进,利用基于Nagao滤波的区域增长算法来得到精确的路面区域,去除路基、车辆等的影响以获得所选像素的亮度一致性；找寻反映路面亮度变化的对比度曲线的特征点,通过消光系数计算图像中人眼可分辨的最远像素,结合摄像机标定算出能见度值。该算法与能见度对比度算法相比较,操作简单、抗干扰性能强、精度高(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[J].仪器仪表学报,2011,02:381-387.)发展至今,基于视频图像的团雾检测方法已得到了很大的进展,国内外诸多研究学者从不同方向对此类方法进行了多年的研究、试验,并且取得了一定的成绩。但是现有的这些团雾图像检测方法在应用中存在以下个问题：(1)现有的团雾图像检测方法对背景和目标物的要求比较严格，适用性不广(2)现有的团雾图像检测方法只适用于白天，不能对夜间图像进行检测(3)现有的基于激光的团雾图像检测方法受其它光源干扰影响较大(4)现有的基于激光的团雾图像检测方法不能很好地进行全天候的自适应检测
技术实现思路
本专利技术的目的在于提供一种能够有效地全天候自适应地对团雾图像进行检测的方法。实现本专利技术目的的技术解决方案为：一种基于激光的团雾图像全天候自适应检测方法，包括以下步骤：1、在道路一端架设波长为T纳米的点状激光模块，在供电开关开启后，激光束发射方向应与道路水平方向平行。在沿着激光束方向前进L米左右的道路另一端，在与激光束中心相距d米的位置架设集成了摄像头的智能设备。该智能设备和激光模块应与地面保持同一水平高度，并保证激光束的光路上无遮挡。2、图像采集程序调用摄像头拍摄P张分辨率为M*N，间隔时间为ts秒的数字图像，保存为JPEG格式并存储在智能设备的存储卡中。3、计算所有图像中的激光中心点，步骤如下：3.1若智能设备的存储卡中的存储文件包含以往的中心点数据，直接读取中心像素点(rx，ry)并跳至步骤4。3.2若无数据则调用中心点检测程序，取(M/4，N/4)为起始像素中心点，以半径为pr个像素的圆形区域，计算区域内RGB图像中R通道的亮度之和SumR和中心点坐标。中心点遍历横坐标M/4至3M/4和纵坐标N/4至3N/4的区域，每次横纵坐标自增pr/2个像素，再次计算新区域的SumR，直到遍历全部区域后，其中SumR最大的区域对应的中心点即为初次中心点(rx1，ry1)。3.3以初次中心点(rx1，ry1)为中心，以半径为pr2个像素的圆形，在离初次中心点横纵坐标分别相距pr个像素的矩形区域里，每次横纵坐标自增1个像素，第二次遍历重新计算获得SumR最大的中心点，即中心点(rx，ry)。4、以中心点(rx，ry)为圆心的环形区域，环外半径与环内半径之差也为1，每次递增1个像素半径，计算其中红色像素的占比C，直至圆环增至图像边界处停止或检测不到红色像素为止，得到评价数组[C1,C2,……,Cn]，根据评价数组可以得到重要评价指标:极亮区域半径R1，稳定区域半径R2，最大红色区域半径R3,并保存数据信息到存储卡中。5、根据智能终端所在地的经纬度和当前日期，查询当地气象数据库，获取当天的天亮时间t1、日出时间t2、日落时间t3和天黑时间t4，获取当前时间tn，若tn<t1或tn>t4则设置标记为夜晚，至5.1采用夜晚检测方法，若tn<t3且tn>本文档来自技高网...

【技术保护点】
一种基于激光的团雾图像全天候自适应检测方法，其特征在于包括以下步骤：(1)在道路一端架设波长为T纳米的点状激光模块，在供电开关开启后，激光束发射方向与道路水平方向平行；在沿着激光束方向前进L米左右的道路另一端，在与激光束中心相距d厘米的位置架设集成了摄像头的智能设备；该智能设备和激光模块与地面保持同一水平高度，并保证激光束的光路上无遮挡；(2)智能设备的摄像头在正对光源方向拍摄P张分辨率为M*N，间隔时间为ts秒的数字图像，保存为JPEG格式并存储在智能设备的存储卡中；(3)计算所有图像中的激光中心点(rx，ry)；(4)以中心点(rx，ry)为圆心的环形区域，得到评价数组[C1,C2,……,Cn]，根据评价数组得到重要评价指标：极亮区域半径R1，稳定区域半径R2，最大红色区域半径R3,并保存数据信息到存储卡中；(5)根据智能设备所在地的经纬度和当前日期，查询当地气象数据库，获取当天的天亮时间t1、日出时间t2、日落时间t3和天黑时间t4和当前时间tn，使用不同检测方法获得所有图像的检测结果并得到最终检测结果；(6)每隔tm分钟时间，重复(2)‑(5)的步骤，得到更多数据，直至收到停止指令。...

【技术特征摘要】
1.一种基于激光的团雾图像全天候自适应检测方法，其特征在于包括以下步骤：(1)在道路一端架设波长为T纳米的点状激光模块，在供电开关开启后，激光束发射方向与道路水平方向平行；在沿着激光束方向前进L米左右的道路另一端，在与激光束中心相距d厘米的位置架设集成了摄像头的智能设备；该智能设备和激光模块与地面保持同一水平高度，并保证激光束的光路上无遮挡；(2)智能设备的摄像头在正对光源方向拍摄P张分辨率为M*N，间隔时间为ts秒的数字图像，保存为JPEG格式并存储在智能设备的存储卡中；(3)计算所有图像中的激光中心点(rx，ry)；(4)以中心点(rx，ry)为圆心的环形区域，得到评价数组[C1,C2,……,Cn]，根据评价数组得到重要评价指标：极亮区域半径R1，稳定区域半径R2，最大红色区域半径R3,并保存数据信息到存储卡中；(5)根据智能设备所在地的经纬度和当前日期，查询当地气象数据库，获取当天的天亮时间t1、日出时间t2、日落时间t3和天黑时间t4和当前时间tn，使用不同检测方法获得所有图像的检测结果并得到最终检测结果；(6)每隔tm分钟时间，重复(2)-(5)的步骤，得到更多数据，直至收到停止指令。2.根据权利要求1所述的基于激光的团雾图像全天候自适应检测方法，其特征在于：所述步骤(3)的具体实现方法如下：2.1若智能设备的存储卡中的存储文件包含以往的中心点数据，直接读取中心像素点(rx，ry)；2.2若无数据则调用中心点检测程序，取图像的(M/4，N/4)为起始像素中心点，以半径为pr个像素的圆形区域，计算区域内RGB图像中R通道的亮度之和SumR和中心点坐标；中心点遍历横坐标M/4至3M/4和纵坐标N/4至3N/4的区域，每次横纵坐标自增pr/2个像素，再次计算新区域的SumR，直到遍历全部区域后，其中SumR最大的区域对应的中心点即为初次中心点(rx1，ry1)；2.3以初次中心点(rx1，ry1)为中心，以半径为pr2个像素的圆形，在离初次中心点横纵坐标分别相距pr个像素的矩形区域里，每次横纵坐标自增1个像素，第二次遍历重新计算获得SumR最大的中心点，即中心点(rx，ry)。3.根据权利要求1所述的基于激光的团雾图像全天候自适应检测方法，其特征在于：所述步骤(4)中，以中心点(rx，ry)为圆心的环形区域，环外半径与环内半径之差也为1，每次递增1个像素半径，计算其中红色像素的占比C，红色像素的判定条件为：当RGB亮度LR、LG、LB三者满足LR>2*LG&LR>2*LB&LB>LG时，判定为红色；根据红色像素条件计算环内红色像素数和总像素数的比例得到C；直至圆环增至图像边界处停止或检测不到红色像素即C为0为止，得到评价数组[C1,C2,……,Cn]，根据评价数组可以得到重要评价指标:极亮区域半径R1，稳定区域半径R2，最大红色区域半径R3，第一个超过0.1的C所在环数标记为R1，最后一个最大值C所在环数标记为R2，Cn所在环数为R3；保存所有数据信息到存储卡中。4.根据权利要求1所述的基于激光的团雾图像全天候自适应检测方法，其特征在于：所述步骤(5)中，根据智能设备所在地的经纬度和当前日期，查询当地气象数据库，获取当天的天亮时间t1、日出时间t2、日落时间t3和天黑时间t4，获取当前时间tn，若tn<t1或tn>t4则设置标记为夜晚，采用夜晚检测方法，若tn<t3且tn>t2则设置标记为白天，采用白天检测方法，否则采用过度阶段检测方法；其具体实现过程如下：4.1如果是夜间，采用夜间检测方法：4.1.1通过历史数据得到夜晚无雾时R1，R2，R3的正常评价数组[R1,R2,R3]，根据当前数据与历史数据的对比，得到“正常”、“雾”“大雾”“重雾”评价结果；在特定区域进行实验时，当前检测得的R1,R2,R3与夜晚历史数据[R1,R2,R3]中的正常值差距为d...

【专利技术属性】
技术研发人员：徐放，唐振民，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32