一种雾霾图像的雾浓度识别方法技术

本发明专利技术公开了图像处理和模式识别技术领域的一种雾霾图像的雾浓度识别方法，旨在解决现有技术中由于不能自动识别雾霾图像的雾浓度，因而导致无法实现智能化去雾、影响去雾效果的技术问题。所述方法包括如下步骤：将目标雾霾图像输入预先训练好的有向无环图支持向量机，获取目标雾霾图像的雾浓度；所述雾浓度基于预构建的多特征模型进行表征，所述多特征模型中的特征向量包括颜色特征、暗通道特征、信息量特征、对比度特征中的至少任一项。

【技术实现步骤摘要】
一种雾霾图像的雾浓度识别方法
本专利技术涉及一种雾霾图像的雾浓度识别方法，属于图像处理和模式识别

技术介绍
在手机拍照、目标识别、安全监控、智能交通等诸多
，图像应用基于所输入图像具备较好的可视性这一前提。但在雾霾等恶劣天气下，由于环境中多种不同悬浮物对光的吸收和散射作用，导致图像色彩失真、对比度下降、纹理不清晰，物体特征难以辨认，不仅使视觉效果变差，还影响图像后期的处理，在很大程度上降低了图像的应用价值。针对上述情况，通过图像去雾技术对雾图进行去雾，恢复其原有的颜色和细节，使计算机视觉系统能在雾霾天气环境中正常工作有着重要的现实意义。目前，诸如安全监控、目标识别等很多计算机视觉系统都要求算法自动地对不同雾天情况的图像进行处理而不需要人工调整。然而现有的图像去雾算法无法适用于所有的雾天情况，对于不同雾气浓度的图像，往往需要人工调整算法参数或手动选择适合该情况的最佳算法，才能达到较好的去雾效果，无法满足户外图像去雾系统的智能化需求。影响图像去雾系统智能化的因素，主要体现为以下两方面：其一，所输入图像应有一定程度的雾本文档来自技高网...

【技术保护点】
1.一种雾霾图像的雾浓度识别方法，其特征是，包括如下步骤：/n将目标雾霾图像输入预先训练好的有向无环图支持向量机，获取目标雾霾图像的雾浓度；/n所述雾浓度基于预构建的多特征模型进行表征，所述多特征模型中的特征向量包括颜色特征、暗通道特征、信息量特征、对比度特征中的至少任一项。/n

【技术特征摘要】
1.一种雾霾图像的雾浓度识别方法，其特征是，包括如下步骤：
将目标雾霾图像输入预先训练好的有向无环图支持向量机，获取目标雾霾图像的雾浓度；
所述雾浓度基于预构建的多特征模型进行表征，所述多特征模型中的特征向量包括颜色特征、暗通道特征、信息量特征、对比度特征中的至少任一项。


2.根据权利要求1所述的雾霾图像的雾浓度识别方法，其特征是，所述颜色特征，其表达式如下：
A(x)＝Iv(x)-α·Is(x)，其中，






式中，A(x)为图像I(x)的颜色特征矩阵，Iv(x)为图像I(x)的亮度，Is(x)为图像I(x)的饱和度，α为权重系数，IC(x)为图像I(x)的某一个R,G,B颜色通道。


3.根据权利要求1所述的雾霾图像的雾浓度识别方法，其特征是，所述暗通道特征，其表达式如下：



式中，Jdark(x)为图像J(x)的暗通道特征矩阵，Nr(x)代表以像素点x为中心、以r为半径的邻域，J(y)为像素点x的邻域Nr(x)中的某个像素点y的像素值，JC(y)为J(y)的某一个R,G,B颜色通道像素值。


4.根据权利要求1所述的雾霾图像的雾浓度识别方法，其特征是，所述信息量特征包括全局熵或/和局部熵；
所述全局熵，其表达式如下：



式中，Hg为图像的全局熵，pi表示整幅图像中灰度值为i的像素所占的比例；
所述局部熵，其表达式如下：



式中，H(x)为图像的局部熵矩阵，pi(x)表示在以像素点x为中心、窗口边长为2r+1的正方形局部区域中灰度值为i的像素占局部区域像素总数的比例。


5.根据权利要求1所述的雾霾图像的雾浓度识别方法，其特征是，所述对比度特征包括全局对比度或/和局部对比度；
所述全局对比度，其表达式如下：



式中，GC为图像的全局对比度，h为二维图像矩阵的行数，w为二维图像矩阵的列数，是输入图像f(x,y)的均值，ε为止零参数；
所述局部对比度，其表达式如下：



式中，LC(x)为图像的局部对比度矩阵，Ωr(x)是以像素点x为中心、半径为r的局部区域，|Ωr(x)|是局部区域内的像素个数，I(y)为像素点x的局部区域Ωr(x)中的某个像素点y的像素值，I(x)为像素点x的像素值。


6.根据...

【专利技术属性】
技术研发人员：张登银，董江伟，周诗琪，曹雪杰，赵莎莎，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32