一种暗光条件下天气现象自动识别方法技术

本发明专利技术公开了一种暗光条件下天气现象自动识别方法。首先，对夜间驾驶场景下拍摄到的暗光图像识别分类，得到道路区域增强图像和整体增强图像，学习原始图像和增强图像的共通特征，通过双通道之间的损失函数限制噪声影响。然后，在图像深层信息处理中使用通道注意力机制，关注图像的重要信息，利用迁移学习搭建辅助通道，在训练前期帮助模型拟合，还融合气象要素，生成气象数据权重向量融合进模型，提升模型的识别能力。最后，设计Result机制进行三通道的多尺度数据融合，损失函数采用交叉熵损失、分支差异损失以及亮暗双通道损失的组合函数，采用Adam优化器进行学习率优化，通过回调函数适时调整学习率，实现在夜间驾驶这种暗光条件下的天气识别。

【技术实现步骤摘要】

本专利技术涉及图像处理，特别是设计一种暗光条件下天气现象自动识别方法。

技术介绍

1、天气识别对于自动驾驶和交通安全等领域有着重要作用，传统的利用机器学习和深度学习进行天气识别的技术中，常利用图像中天空、地面等重要区域特征进行识别，其中不乏对交通场景下的天气识别研究，但在夜间这种低光照场景下获得的图像往往存在光照不稳定、几乎无天空特征以及路面特征提取困难等问题，所以对夜间场景下的天气识别成为了重中之重，现阶段有多种针对各种场景下的天气识别的方法。

2、一些传统方法中采用基于svm和决策树机制的天气识别方法，针对低能见度下的恶劣天气实现了分类工作，其优点在于对沙尘、雾霾等可见性差的环境下的天气图像识别效果好，缺点在于特征表达能力和鲁棒性受限；而在cnn(卷积神经网络)的方法中，通过迁移resnet-50和vgg-16等模型，可以微调现有的性能较好的模型以适应不同的任务需求，优点在于大大减少了在新任务上的训练时间和数据需求，缺点在于不能适用所有情况，且可能导致负迁移等效果变差现象；基于注意力机制的深度学习方法，可以使模型更好地关注数据中的相关信息，本文档来自技高网...

【技术保护点】

1.一种暗光条件下天气现象自动识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的暗光条件下天气现象自动识别方法，其特征在于，步骤S2中，对原始图像进行道路区域增强的预处理，包括以下步骤：

3.根据权利要求1所述的暗光条件下天气现象自动识别方法，其特征在于，步骤S5包含以下子步骤：

4.根据权利要求1所述的暗光条件下天气现象自动识别方法，其特征在于，步骤S7中，在EN通道和WR通道中，基于通道注意力机制，分别对整体增强图像和道路区域增强图像，进行浅层特征提取，获取浅层特征图，具体如下：

5.根据权利要求4所述的暗光条件下天气现象自...

【技术特征摘要】

1.一种暗光条件下天气现象自动识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的暗光条件下天气现象自动识别方法，其特征在于，步骤s2中，对原始图像进行道路区域增强的预处理，包括以下步骤：

3.根据权利要求1所述的暗光条件下天气现象自动识别方法，其特征在于，步骤s5包含以下子步骤：

4.根据权利要求1所述的暗光条件下天气现象自动识别方法，其特征在于，步骤s7中，在en通道和wr通道中，基于通道注意力机制，分别对整体增强图像和道路区域增强图像，进行浅层特征提取，获取浅层特征图，具体如下：

5.根据权利要求4所述的暗光条件下天气现象自动识别方法，其特征在于，步骤s7中，将en通道和wr通道的浅层特征图相拼接融合，方法如下：

6.根据权利要求5所述的暗光条件下天气现象自动识别方法，其特征在于，步骤s7.1中，通过en通道和wr通道的双通道结构，...

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