一种基于视频影像梯度因子和暗通道的能见度解算方法技术

本发明专利技术公开了图像数据信息提取技术领域的一种基于视频影像梯度因子和暗通道的能见度解算方法，包括以下步骤：先获取一次低能见度天气过程的多张影像和能见度仪器观测的能见度数据；获取每张影像的亮度影像；分别求取暗通道影像和亮度影像的梯度总和，得到梯度比值；通过先验能见度与梯度比值得到能见度。本发明专利技术方法使用的模型简单、通用性强，可以有效克制因季节、光线的变换，导致草木颜色、形状、图像对比度变化等，引起模型不稳定，同时对场景较浅导致的短边控制长边情况，也有一定遏制。制。制。

【技术实现步骤摘要】
一种基于视频影像梯度因子和暗通道的能见度解算方法


[0001]本专利技术属于图像数据信息提取
，具体涉及一种基于视频影像梯度因子和暗通道的能见度解算方法。

技术介绍

[0002]大气能见度是影响交通的主要因素之一，低能见度会影响人们出行，导致交通事故大幅增加。因此，快速的获取大气能见度，对雾霾天的交通管理有着巨大的意义。
[0003]能见度作为重要的地面气象观测要素之一，它对于航空、陆上交通以及人类生产生活都有影响，尤其是对高速公路，影响极大，能见度观测通常采用能见度仪。该仪器造价高，如果广泛的进行布置，尤其是沿高速公路线密集架设，需要大量资金，基本无法实现。为了能够实现低能见度的全程监测，利用影像解算能见度成为当前主要研究趋势。
[0004]但是在现有的实际解算方法中，因季节变换，导致草木颜色、形状变化，因光线强弱，导致对比度变化，或者影像中白色物体偏多，或者无天空等，都会引起模型发生变化；同时，由于相片场景较浅，引起短边控制长边情况，导致解算精度较低。因此建立一个顾及因素较少的，模型公式固定的能见度解算模型十分重要。

技术实现思路

[0005]针对现有技术的不足，本专利技术的目的在于提供一种基于视频影像梯度因子和暗通道的能见度解算方法，以解决上述
技术介绍
中提出的问题。
[0006]本专利技术的目的可以通过以下技术方案实现：
[0007]一种基于视频影像梯度因子和暗通道的能见度解算方法，包括以下步骤：
[0008]先获取一次低能见度天气过程的多张影像和能见度仪器观测的能见度数据；
[0009]获取每张影像的亮度影像；
[0010]分别求取暗通道影像和亮度影像的梯度总和，得到梯度比值；
[0011]通过先验能见度与梯度比值得到能见度。
[0012]优选地，所述影像的暗通道影像通过下式获得：
[0013][0014]式中，J
c
表示J的一个颜色通道，Ω(x)表示以x为中心的一个邻域，暗原色先验认为对于一副无雾图像，除了天空域外，J
dark
的值接近于0，J
dark
为J暗通道影像。
[0015]优选地，所述影像的亮度影像通过下式获得：
[0016]V(x)＝max(r，g，b)
[0017]式中，明亮度V描述颜色的变化。
[0018]优选地，所述图像横向梯度和纵向梯度公式如下：
[0019][0020][0021]式中，G
x
为横向梯度，G
y
为纵向梯度。
[0022]优选地，根据所述图像横向梯度和纵向梯度，得到图像梯度如下：
[0023][0024]式中，G为图像梯度。
[0025]优选地，所述暗通道影像和亮度影像的梯度总和如下：
[0026]G
dark
＝sum(gradient(j
dark
(x))
[0027]G
V
＝sum(gradient(V(x))
[0028]式中，G
dark
为暗通道影像梯度总和，G
V
为亮度影像的梯度总。
[0029]优选地，所述梯度比值为：
[0030][0031]式中，e为梯度比值。
[0032]优选地，所述能见度为：
[0033]V
p
＝ae
b
[0034]式中，V
p
为能见度，a，b参数有观测数据决定。
[0035]本专利技术的有益效果：
[0036]本专利技术方法使用的模型简单、通用性强，可以有效克制因季节、光线的变换，导致草木颜色、形状、图像对比度变化等，引起模型不稳定，同时对场景较浅导致的短边控制长边情况，也有一定遏制。
附图说明
[0037]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0038]图1是本专利技术实施例中能见度解算方法流程图；
[0039]图2是本专利技术实施例中东海观测场影像示意图；
[0040]图3是本专利技术实施例中灌南观测场影像示意图；
[0041]图4是本专利技术实施例中东海场景能见度解算模型图；
[0042]图5是本专利技术实施例中灌南场景能见度解算模型图；
[0043]图6是本专利技术实施例中东海场景的误差分布图；
[0044]图7是本专利技术实施例中灌南场景的误差分布图；
具体实施方式
[0045]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于
本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0046]请参阅图1所示，本实施例提供一种基于视频影像梯度因子和暗通道的能见度解算方法，包括以下步骤：
[0047]步骤1、先获取一次低能见度天气过程的多张影像和能见度仪器观测的能见度数据。对于每一张有雾彩色图像J，由暗原色先验理论可知：
[0048][0049]式中，J
c
表示J的一个颜色通道，Ω(x)表示以x为中心的一个邻域。暗原色先验认为对于一副无雾图像，除了天空域外，J
dark
的值接近于0，J
dark
为J暗通道影像。利用该公式获得每张影像的暗通道影像。
[0050]步骤2、对于一副有雾彩色图像J(r，g，b)，获取每张影像的亮度影像：
[0051]V(x)＝max(r，g，b)
[0052]式中，明亮度V描述颜色的变化。
[0053]步骤3、依据Sobel算子可知，图像横向梯度和纵向梯度公式如下：
[0054][0055][0056]式中，G
x
为横向梯度，G
y
为纵向梯度。
[0057]根据图像横向梯度和纵向梯度，图像梯度为：
[0058][0059]式中，G为图像梯度。
[0060]步骤4、分别求取暗通道影像和亮度影像的梯度总和，如下：
[0061]G
dark
＝sum(gradient(j
dark
(x))
[0062]G
V
＝sum(gradient(V(x))
[0063]式中，G
dark
为暗通道影像梯度总和，G
V
为亮度影像的梯度总。
[0064]从而获取梯度比值：
[0065][0066]步骤5、通过先验能见度V
p
与梯度比值e存在如下关系：
[0067]V
p
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频影像梯度因子和暗通道的能见度解算方法，其特征在于，包括以下步骤：先获取一次低能见度天气过程的多张影像和能见度仪器观测的能见度数据；获取每张影像的亮度影像；分别求取暗通道影像和亮度影像的梯度总和，得到梯度比值；通过先验能见度与梯度比值得到能见度。2.根据权利要求1所述的一种基于视频影像梯度因子和暗通道的能见度解算方法，其特征在于，所述影像的暗通道影像通过下式获得：式中，J
c
表示J的一个颜色通道，Ω(x)表示以x为中心的一个邻域，暗原色先验认为对于一副无雾图像，除了天空域外，J
dark
的值接近于0，J
dark
为J暗通道影像。3.根据权利要求1所述的一种基于视频影像梯度因子和暗通道的能见度解算方法，其特征在于，所述影像的亮度影像通过下式获得：V(x)＝max(r,g,b)式中，明亮度V描述颜色的变化。4.根据权利要求1所述的一种基于视频影像梯度因子和暗通道的能见度解算方法，其特征在于，所述图像横向梯度和纵向梯度公式如下：特征在于，所述图像横向梯度和纵向梯度公式如下：式中，G
x
为横向梯度...

【专利技术属性】
技术研发人员：何永健，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：