【技术实现步骤摘要】
一种基于暗通道先验与深度信息的大气能见度估算方法
[0001]本专利技术涉及计算机视觉领域,特别涉及一种基于暗通道先验与深度信息的大气能见度估算方法
。
技术介绍
[0002]大气能见度估计是指通过图像处理和计算机视觉技术,利用输入图像中的特征信息来估计大气中的能见度
。
大气能见度估计在许多领域中具有广泛的应用,例如交通安全
、
无人驾驶
、
航空
、
监控等
。
[0003]随着道路监控设备的广泛使用和行车记录仪等图像视频采集设备的普及,基于图像视频的能见度检测成为一种检测大气能见度的有效方法,主要包括对比度法,拐点法和深度学习等方法;其中,对比度法主要通过计算目标物与背景天空亮度的对比值进行大气能见度估测,一般需要设置人工目标物,并且需要标定目标物与摄像机的位置,不具有良好的推广性;拐点法主要通过寻找图像特征信息的拐点位置进行大气能见度估测,该方法的关键点是摄像机的标定,由于相机型号和实际应用场景千变万化,因此该方法的前期准备工作较为复杂,且普适性较差;随着深度学习的快速发展,如何将深度学习应用于大气能见度检测也愈发受到研究者的关注,目前绝大部分基于深度学习的能见度检测算法都为有监督算法,这需要带有标签的图像数据对网络进行指导训练
。
由于能见度图像数据采集及标注需要大量人力,操作繁琐,现存的具有明确标签的能见度图像数据仍比较匮乏
。
[0004]经检索发现,中国专利公开号为
CN10
【技术保护点】
【技术特征摘要】
1.
一种基于暗通道先验与深度信息的大气能见度估算方法,其特征在于,包括以下步骤:
S1
,基于暗通道先验方法,将输入图像转换为暗通道图像,根据暗通道图像估算当前的大气光值,将大气光值与大气散射模型相结合得到透射率图;
S2
,利用导向滤波优化透射率图,消除透射率图块效应对能见度估计的影响;
S3
,利用单应变换方法建立相机坐标系和真实坐标系的对应关系,通过测量四组对应点求解出变换矩阵,构建出对应关系,获得图像的深度信息;
S4
,根据优化后的透射率图与图像深度信息得到大气能见度的估测值
。2.
根据权利要求1所述的基于暗通道先验与深度信息的大气能见度估算方法,其特征在于,在步骤
S1
中,根据暗通道图像估算当前的大气光值包括步骤:在暗通道图像中根据灰度值选取像素,进而在输入图像中寻找相应位置的像素值作为大气光值的估算值
。3.
根据权利要求1所述的基于暗通道先验与深度信息的大气能见度估算方法,其特征在于,所述步骤
S1
还包括步骤:
S101
,获取输入图像各像素的三通道灰度最小值,以灰度图像的每个像素为中心,在局部区域
Ω
(x)
内进行最小值滤波,即将该像素的灰度值用窗口内最低的灰度值代替,获得暗通道图像,表达式为:其中,
J
c
表示三个颜色通道之一,
J
dark
表示暗通道,
Ω
为以像素
x
为中心的部分区域,
y
表示最小滤波窗口内的像素,滤波窗口的大小
Size
由下式得出,表达式为:
Size
=2×
Radius+1
其中,
Radius
表示人为指定滤波窗口半径;
S102
,将暗通道图像分为若干个块,在每个块内选择最亮的前
0.1
%的像素,进而在原始图像中寻找相应位置上的像素值,计算这些最大值的平均值作为大气光值
A
;
S103
,对大气散射模型进行变形,表达式为:其中,
I
c
(x)
表示输入图像中像素位置
x
处通道
c
的亮度值,
A
c
表示大气光在通道
c
上的值,
t(x)
表示透射率,它描述了光线在大气中传播时的损失程度,
J
c
(x)
表示无雾图像在像素位置
x
处通道
c
的值,它是在没有大气散射和吸收的情况下,观察到的场景本身的亮度;
S104
,假设在窗口区域内透射率
t(x)
为常数,对上式两端作两次最小值滤波,第一次对等式两端
r,g,b
三个通道取最小值,第二次滤波对以目标像素点为中心的方形区域内取最小值作为该像素点的值,则表达式为:再根据暗通道先验方法可得,无雾图像
J(x)
暗像素趋于零,则有:
结合上式,计算出透射率
t(x)
的表达式为:
S105
,引入雾浓度系数
ω
,对步骤
S104
中的透射率
t(x)
的表达式进行调整,得到修正后透射率的表达式为:其中,
I
c
(y)
表示输入图像中像素位置
y
处通道
c
的亮度值,
A
c
表示大气光在通道
c
上的值,
ω
表示雾浓度系数,
...
【专利技术属性】
技术研发人员:贺德溪,侯悦,朱建国,李勇,邓怡亭,王飞,
申请(专利权)人:南京美基森信息技术有限公司,
类型:发明
国别省市:
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。