一种雾霾图像的检测方法技术

本发明专利技术涉及图像处理技术领域，具体是涉及一种雾霾图像的检测方法，包括计算正常图像的平均向量、协方差矩阵和待测图像的平均向量、协方差矩阵，将正常图像的平均向量、协方差矩阵和待测图像的平均向量、协方差矩阵输入到巴氏距离公式中，计算出每个待测图像块的质量分数，根据每个待测图像块的质量分数，计算待测图像的质量分数平均值，即待测图像的图像质量评价分数，若待测图像的图像质量评价分数小于第一阈值，则待测图像为正常图像。将图像质量评价方法和暗原色图像特征结合在一起，泛化能力强，有效地判断出图像是否为雾霾，避免了因图像为墙面、地面等单一场景而导致的误检，降低误报率与漏检率。

A Method for Detecting Haze Image

【技术实现步骤摘要】
一种雾霾图像的检测方法
本专利技术涉及图像处理
，具体是涉及一种雾霾图像的检测方法。
技术介绍
随着视频监控业务的快速增长，其存在的问题也逐渐暴露出来，如何在第一时间发现前端摄像机故障，提高视频监控系统的运维工作效率，是视频监控系统发展不可或缺的一部分。通过视频质量诊断系统可以对视频流的质量进行自动化检测，自动检出的包括黑屏、清晰度异常等异常情况，而雾霾会造成清晰度异常，由雾霾造成的清晰度异常与天气有关，不是摄像头故障，属于误检，因此将雾霾导致的摄像头清晰度异常检测出来显得尤为重要。现有的雾霾检测方法，不能针对单一摄像头判断视频图像是否受到雾霾影响。
技术实现思路
为解决上述技术问题，本专利技术提供了一种雾霾图像的检测方法，能够针对单一摄像头检测出拍摄的图像受到雾霾影响。为实现上述目的，本专利技术采用了以下技术方案：一种雾霾图像的检测方法，包括如下步骤：S10，从图像库中选择没有雾霾的正常图像，对正常图像和待测图像进行分块，预处理正常图像的分块图像和待测图像的分块图像，预处理之后的待测图像的分块图像，设为待测图像块；从预处理之后的正常图像的分块图像中选出对比度大于设定值的分块图像，设为标准图像块；S11，从每个标准图像块和每个待测图像块中提取特征，特征至少包括颜色、亮度、梯度、梯度幅值；S12，由每个标准图像块的特征生成正常图像的特征集合；由每个待测图像块的特征生成待测图像的特征集合；S13，对步骤S12中的正常图像的特征集合和待测图像的特征集合分别采用主成分分析方法生成正常图像的多元高斯模型和待测图像的多元高斯模型；S14，对步骤S13中的多元高斯模型进行最大似然估计，分别得到正常图像的平均向量、协方差矩阵和待测图像的平均向量、协方差矩阵；S15，将正常图像的平均向量、协方差矩阵和待测图像的平均向量、协方差矩阵输入到巴氏距离公式中，计算出每个待测图像块的质量分数；S16，根据每个待测图像块的质量分数，计算待测图像的质量分数平均值，即待测图像的图像质量评价分数；S17，若待测图像的图像质量评价分数小于第一阈值，则待测图像为正常图像；否则，待测图像为异常图像，进行步骤S18；S18，根据暗原色先验理论计算待测图像的暗原色图像；S19，若暗原色图像的像素值满足设定的条件，则待测图像为雾霾图像，否则，待测图像为失焦图像。进一步，步骤S10的具体步骤如下：S100，分别对正常图像和摄像镜头拍摄到的待测图像采用插值法进行处理，插值法至少包括邻值插值方法、均值插值方法，使得正常图像和待测图像的大小均为m*m′，m为正常图像对应矩阵和待测图像对应矩阵的行数，m′为正常图像对应矩阵和待测图像对应矩阵的列数；S101，将大小为m*m′的正常图像分割成N个n*n′大小的图像块，设为正常图像的第一组图像块；将大小为m*m′的待测图像分割成N个n*n′大小的图像块，设为待测图像的第一组图像块，n为第一组图像块的每个图像块对应矩阵的行数，n′为第一组图像块的每个图像块对应矩阵的列数；S102，从正常图像的第一组图像块中选出对比度大于正常图像设定值的图像块，设为正常图像的第二组图像块；S103，分别对正常图像的第二组图像块和待测图像的第一组图像块进行高斯滤波，用于去除图像的噪声，分别设为正常图像的第三组图像块和待测图像的第二组图像块；S104，采用间隔的提取方式提取正常图像的第三组图像块，之后将提取的正常图像的第三组图像块中的每个图像块均分割成N′个s*s′大小的图像块,分割出来的每个图像块设为标准图像块；采用间隔的方式提取待测图像的第二组图像块，之后将提取的待测图像的第二组图像块中的每个图像块均分割成N′个s*s′大小的图像块，分割出来的每个图像块设为待测图像块，s为提取的每个图像块对应矩阵的行数，s′为提取的每个图像块对应矩阵的列数。进一步优选的，步骤S18中根据暗原色先验理论计算待测图像的暗原色图像Jdark(x)的公式为：R、G、B分别为待测图像的红颜色通道、绿颜色通道、蓝颜色通道，Jc(y)表示待测图像的每一个颜色通道，其中，c为每一个颜色通道，y为待测图像的彩色图像，Ω(x)表示以像素x为中心的窗口，min为最小值。进一步，步骤S19的具体步骤为：S190，计算整个暗原色图像的像素值大于a且小于b的像素点的数量，该数量与整个暗原色图像的像素点之和的比值设为P；将暗原色图像按照象限法等分四块，计算左上块的像素值大于a且小于b的像素点的数量，该数量与左上块的像素点之和的比值，设为P1；计算左下块的像素值大于a且小于b的像素点的数量，该数量与左下块的像素点之和的比值，设为P2；计算右上块的像素值大于a且小于b的像素点的数量，该数量与右上块的像素点之和的比值，设为P3；计算右下块的像素值大于a且小于b的像素点的数量，该数量与右下块的像素点之和的比值，设为P4，a和b均为常数；S191，若P大于第二阈值，则待测图像为雾霾图像，否则，待测图像为失焦图像；或者，若P1大于P2且P3大于P4，则待测图像为雾霾图像，否则，待测图像为失焦图像；或者，P大于第二阈值且P1大于P2且P3大于P4，则待测图像为雾霾图像，否则，待测图像为失焦图像。进一步优选的，步骤102中的对比度至少包括方差和均方差。优选的，步骤S14中的多元高斯模型fu,∑(z)的公式：z为步骤S11提取的特征集合，u为标准图像块的平均向量，∑标准图像块的的协方差矩阵，m为标准图像块的数量，e为常数，(z-u)T为(z-u)的转置矩阵。优进一步选的，步骤S104间隔的提取方式包括奇数位提取或偶数位提取。本专利技术的有益效果如下：(1)采用暗原色先验算法检测图像是否为雾霾图像，仅需摄像机视频图像一张，不依赖专业工具即可检测摄像头图像是否受雾霾影响，检测方法简单且能针对单一摄像头判断视频图像是否受到雾霾影响；将图像质量评价方法和暗原色图像特征结合在一起，泛化能力强，有效地判断出视频图像是否为雾霾，避免了因图像为墙面、地面等单一场景而导致的误检，降低误报率与漏检率。(2)选出对比度较大的图像块，一方面能够提高检测速度，另一方面能够提高检测的准确度。(3)采用主成分分析法对图像进行降维，即减少图像的像素点的个数，能够提高检测速度。(4)图像质量评价方法和暗原色图像特征结合在一起，能够区分出是摄像头的故障还是雾霾天气导致拍摄到的图像为异常图像。(5)在暗原色先验算法之前先计算图像质量评价分数，能够去除暗原色先验算法不适应的场景，降低误检率。(6)分块是为了方便在一张大图上获取对比度较大的区域。图像对应的矩阵大小调整一致，方便特征提取。附图说明图1为本专利技术的流程图；图2为本专利技术的正常图像；图3为本专利技术的雾霾图像；图4为本专利技术的失焦图像。具体实施方式以下结合实施例和说明书附图，对本专利技术中的技术方案进行清楚、完整地描述。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例1如图1所示，一种雾霾图像的检测方法，包括如下步骤：S10，从图像库中选择没有雾霾的正常图像，对正常图像和待测图像进行分块，预处理正常图像的分块图像和待测图像的分块图像，预处理之后的待测图像的分块图像，设为待测图像块；从预处理之后的正常图像的分块图像中选出本文档来自技高网...

【技术保护点】
1.一种雾霾图像的检测方法，其特征在于，包括如下步骤：S10，从图像库中选择没有雾霾的正常图像，对正常图像和待测图像进行分块，预处理正常图像的分块图像和待测图像的分块图像，预处理之后的待测图像的分块图像，设为待测图像块；从预处理之后的正常图像的分块图像中选出对比度大于设定值的分块图像，设为标准图像块；S11，从每个标准图像块和每个待测图像块中提取特征，特征至少包括颜色、亮度、梯度、梯度幅值；S12，由每个标准图像块的特征生成正常图像的特征集合；由每个待测图像块的特征生成待测图像的特征集合；S13，对步骤S12中的正常图像的特征集合和待测图像的特征集合分别采用主成分分析方法生成正常图像的多元高斯模型和待测图像的多元高斯模型；S14，对步骤S13中的多元高斯模型进行最大似然估计，分别得到正常图像的平均向量、协方差矩阵和待测图像的平均向量、协方差矩阵；S15，将正常图像的平均向量、协方差矩阵和待测图像的平均向量、协方差矩阵输入到巴氏距离公式中，计算出每个待测图像块的质量分数；S16，根据每个待测图像块的质量分数，计算出整个待测图像的质量分数平均值，即待测图像的图像质量评价分数；S17，若待测图像的图像质量评价分数小于第一阈值，则待测图像为正常图像；否则，待测图像为异常图像，进行步骤S18；S18，根据暗原色先验理论计算待测图像的暗原色图像；S19，若暗原色图像的像素值满足设定的条件，则待测图像为雾霾图像，否则，待测图像为失焦图像。...

【技术特征摘要】
1.一种雾霾图像的检测方法，其特征在于，包括如下步骤：S10，从图像库中选择没有雾霾的正常图像，对正常图像和待测图像进行分块，预处理正常图像的分块图像和待测图像的分块图像，预处理之后的待测图像的分块图像，设为待测图像块；从预处理之后的正常图像的分块图像中选出对比度大于设定值的分块图像，设为标准图像块；S11，从每个标准图像块和每个待测图像块中提取特征，特征至少包括颜色、亮度、梯度、梯度幅值；S12，由每个标准图像块的特征生成正常图像的特征集合；由每个待测图像块的特征生成待测图像的特征集合；S13，对步骤S12中的正常图像的特征集合和待测图像的特征集合分别采用主成分分析方法生成正常图像的多元高斯模型和待测图像的多元高斯模型；S14，对步骤S13中的多元高斯模型进行最大似然估计，分别得到正常图像的平均向量、协方差矩阵和待测图像的平均向量、协方差矩阵；S15，将正常图像的平均向量、协方差矩阵和待测图像的平均向量、协方差矩阵输入到巴氏距离公式中，计算出每个待测图像块的质量分数；S16，根据每个待测图像块的质量分数，计算出整个待测图像的质量分数平均值，即待测图像的图像质量评价分数；S17，若待测图像的图像质量评价分数小于第一阈值，则待测图像为正常图像；否则，待测图像为异常图像，进行步骤S18；S18，根据暗原色先验理论计算待测图像的暗原色图像；S19，若暗原色图像的像素值满足设定的条件，则待测图像为雾霾图像，否则，待测图像为失焦图像。2.如权利要求1所述的雾霾图像的检测方法，其特征在于，步骤S10的具体步骤如下：S100，分别对正常图像和摄像镜头拍摄到的待测图像采用插值法进行预处理，插值法至少包括邻值插值方法、均值插值方法，使得正常图像和待测图像的大小均为m*m′，m为正常图像和待测图像对应矩阵的行数，m′为正常图像和待测图像的列数；S101，将大小为m*m′的正常图像分割成N个n*n′大小的图像块，设为正常图像的第一组图像块；将大小为m*m′的待测图像分割成N个n*n′大小的图像块，设为待测图像的第一组图像块，n为第一组图像块的每个图像块对应矩阵的行数，n′为第一组图像块的每个图像块对应矩阵的列数；S102，从正常图像的第一组图像块中选出对比度大于正常图像设定值的图像块，设为正常图像的第二组图像块；S103，分别对正常图像的第二组图像块和待测图像的第一组图像块进行高斯滤波，用于去除图像的噪声，去除噪声之后的正常图像的第二组图像块和待测图像的第一组图像块分别设为正常图像的第三组图...

【专利技术属性】
技术研发人员：唐艳艳，王一灵，徐金凤，薛家彬，李贤军，张劲，金鑫，王梦园，范联伟，余保华，
申请(专利权)人：安徽四创电子股份有限公司，
类型：发明
国别省市：安徽,34