CN101082591A - 智能能见度测试仪 - Google Patents

Abstract

本发明采用TV摄像机摄取图像，由计算机进行分割、二值化、计算对比度等图像处理，计算能比度并可自动地换算成车辆最高限速值。系统实时性强≤100ms，且能见度测值与激光雷达测量值相当。

Description

智能能见度测试仪

技术领域

能见度测试仪是在传感器、计算机技术和图像处理技术基础上研发成的，其应用领域为：道路、机场、铁路、航道、港口当地及有关气象部门。还涉及一种能见度测试系统。

背景技术

高速公路车流速度快、流量大，具有自身全封闭、全立交等特点，要求车辆不得任意减速和停车。每当天气有雾，高速公路极易发生交通事故。一旦雾天发生交通事故，高速公路上的车辆的高速高流量，很易引发连锁反应，造成多个车辆连续追尾的灾难性的交通事故。据有资料报导，因有雾等恶劣天气影响而引发的交通事故约占我国交通事故总数的四分之一左右。

目前，交通发达，人们出行频繁，在雾天安全行驶成为人们交通行驶的关注点之一。各种测量天气能见度仪器相继问世。

大气能见度是描述大气透明度的一个指标。通常定义为看清目标物体外总轮廓的最大距离。影响能见度的因素有：大气透明度、视觉门限和光强度。大气能见度与天气状况(雨、雾、霾、沙尘暴等)密切相关。

国内测量能见度的仪器有：大气透射仪、激光能见度自动测量仪，由于大气透射仪在阴雨、雾天等低能见度天气中测量时，会因水汽吸收造成较大测量误差及因激光能见度自动测量仪成本昂贵，维护费用高，操作复杂，在雨、雾天也难以进行正常观测，故而这二种仪器均难推广。

我公司自行研制的智能能见度测试仪系统，通过闭路电视机摄取图像，由微机进行图像处理，计算出能见度，然后根据能见度换算成车辆最高限速值。这种测量方法得到的能见度数值与用激光雷达观测得到的能见度值比较接近，且系统稳定可靠、操作方便，很有推广应用价值。

发明内容

本发明的方法的技术方案如下：

一种智能能见度检测方法，包括下列步骤：

(1)目标图像分割

(2)二值化图像边缘检测

(3)对比度计算

(4)能见度检测

附图说明：

图1是本发明的算法流程图

图2是本发明的原理示意图

图3是本发明的系统原理模块

依据交通部对高速公路上各种能见度条件下车辆行驶速度做了具体规范：如能见度为90～110米，限速为60km/h；如能见度为70～90米，限速50km/h；当能见度低于70米时，则关闭高速公路；位置70m、90m、110m三个交通标识牌，并使与TV摄像机距离相对固定，每个交通标识牌或白底黑字或黑底白字。

1)目标图像分割

目标图像分割是利用图像中目标物体与背景在灰度分布的差异，设置一个灰度阈值，凡是灰度值低这个阈值的像素，灰度值均变成为某个灰度值；而高于等于这个灰度阈值的像素灰度值均变为另一个灰度值，于是就可将图像中的目标物体和背景区别开来。

(1)最佳灰度阈值算法

设图像灰度值范围L为：1，2，3.....，256，灰度值为i的像素个数用n来表示，则灰度值为i的像素出现概率P_i为：

$P_i=\frac{n_i}{N}.............................\left(1\right)$

这里有

P_i≥0， $\underset{i=1}{\overset{L}{\mathrm{\Σ}}}{p}_i=1\·\·\·\·\·\·\·\·\·\·\·\·\left(2\right)$

如果用一个灰度阈值L_i将像素分为两个集合C₀和C₁(背景和目标)，这里C₀-灰度值为[1，2，........，L_k]范围的像素集合，C₁-灰度值为[L_k+1，L_k+2，.......，L]范围的像素集合，则各个集合的均值和概率分别表示为：

$m_0=\underset{i=1}{\overset{L_k}{\mathrm{\Σ}}}i{P}_r\left(\frac{i}{C_0}\right)=\frac{m\left(L_k\right)}{w\left(k\right)}.........................................\left(3\right)$

$m_1=\frac{m_r-m\left(k\right)}{l-w\left(k\right)}\text{.........................................................}\left(4\right)$

式中， $w\left(L_k\right)=\underset{i=1}{\overset{L_k}{\mathrm{\Σ}}}{P}_i$

$m\left(L_k\right)=\underset{I=1}{\overset{L_k}{\mathrm{\Σ}}}i{P}_1$

原始图像灰度总均值m_r为

$m_r=m\left(L\right)=\underset{i=1}{\overset{L}{\mathrm{\Σ}}}i{P}_i.....................................................\left(5\right)$

$w_0=P_R\left(C_0\right)=\underset{i=1}{\overset{L_k}{\mathrm{\Σ}}}{P}_i=w\left(k\right)......................................\left(6\right)$

$w_1=P_R\left(C_1\right)=\underset{i=L_k+1}{\overset{L_k}{\mathrm{\Σ}}}{P}_i=1-w\left(k\right)..............................\left(7\right)$

对于选值范围内的任意L_k，则有下列恒等式：

w₀m₀+w₁m₁＝m_r    w₁+w₀＝1...................(8)

从上不难得出类方差计算式为

${\text{\σ}}_0^2=\underset{i=1}{\overset{L_k}{\mathrm{\Σ}}}{(i-m_0)}^2\frac{P_i}{w_0}.................................................\left(9\right)$

${\mathrm{\σ}}_1^2=\underset{i=L_k+1}{\overset{L_k}{\mathrm{\Σ}}}{(i-m_1)}^2\frac{P_i}{w_1}.............................................\left(10\right)$

为评价阈值选取优劣引入参量Q作为评价灰度阈值选取标准。参量Q表示为

$Q=\frac{{{\mathrm{\σ}}_B}^2}{{{\mathrm{\σ}}_T}^2}..............................................................\left(11\right)$

经证明，最佳灰度阈值L_k ^*应使Q值为最大，同时也应使σ_B ²取最大值。同时，不难推导出：

$Q\left(L_k\right)=\frac{{{\mathrm{\σ}}_B}^2\left(L_k\right)}{{{\mathrm{\σ}}_T}^2}....................................................\left(12\right)$

${{\mathrm{\σ}}_B}^2\left(L_k\right)=\frac{{[m_{T}W\left(L_k\right)-m\left(L_k\right)]}^2}{w\left(L_k\right)[1-w\left(L_k\right)]}.........................\left(13\right)$

最佳灰度阈值L_k ^*应使得F式成立：

${{\mathrm{\&sigma;}}_B}^2\left({L_k}^{*}\right)=\underset{1<L_k<L}{{{\mathrm{\&sigma;}}_B}^2\left({L_k}^{*}\right)}...................................\left(14\right)$

(2)二值化处理

假设最佳灰度阈值为L_k ^*，则灰度图像f(x，y)变成二值图像的表示式为：

2)二值化图像边缘检测

对于二值图像而言，边缘检测算法为：

(I)排除孤立点，  孤立点检测算子  0 0 0

                                 0 1 0

                                 0 0 0

(II)无边缘检测：0 0或1 1

(III)右边缘检测：0 1

左边缘检测：1 0

3)对比度计算

依据二值化图像提取和计算目标图像区域中诸个像素的灰度均值

和背景区域中诸像素灰度均值 可计算出目标图像对比度C：

4)能见度检测

依据对比度C的计算值可换算成能见度：

若标牌1对比度C≤5％，则能见度≤50m；

若标牌4对比度C≥20％，则能见度＞1000m；

若标牌1对比度5％≤C≤10％

标牌2对比度C≤5％，则能见度＜200m

若标牌1对比度10％≤C≤15％

标牌2对比度5％≤C≤10％

标牌3对比度5％≥C，则能见度≤500m

若标牌1对比度15％≤C≤20％

标牌2对比度10％≤C≤15％

标牌3对比度5％≤C≤10％

标牌4对比度5％≤C，则能见度≤1000m。

Claims (6)

1.能见度检测方法，包括下列步骤：

(1)目标图像分割

(2)二值化边缘图像处理

(3)对比度计算

(4)能见度检测

2.如权利要求1所述目标图像分割方法，由下列方法得出：

目标图像分割是利用图像中目标物体与背景在灰度分布的差异，设置一个灰度阈值，凡是灰度值低这个阈值的像素，灰度值均变成为某个灰度值；而高于等于这个灰度阈值的像素灰度值均变为另一个灰度值，于是就可将图像中的目标物体和背景区别开来。

(1)最佳灰度阈值算法

设图像灰度值范围L为：1，2，3.....，256，灰度值为i的像素个数用n来表示，则灰度值为i的像素出现概率P_i为：

$P_i=\frac{n_i}{N}............................\left(1\right)$

这里有

P_i≥0， $\underset{i=1}{\overset{L}{\mathrm{\&Sigma;}}}{p}_i=1\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\&CenterDot;\left(2\right)$

如果用一个灰度阈值L_i将像素分为两个集合C₀和C₁(背景和目标)，这里C_0-灰度值为[1，2，........，L_k]范围的像素集合，C_1-灰度值为[L_k+1，L_k+2，.......，L]范围的像素集合，则各个集合的均值和概率分别表示为：

$m_0=\underset{i=1}{\overset{L_k}{\mathrm{\&Sigma;}}}i{P}_r\left(\frac{i}{C_0}\right)=\frac{m\left(L_k\right)}{w\left(k\right)}.........................\left(3\right)$

$m_l=\frac{m_r-m\left(k\right)}{l-w\left(k\right)}........................................\left(4\right)$

式中， $w\left(L_k\right)=\underset{i=1}{\overset{L_k}{\mathrm{\&Sigma;}}}{P}_i$

$m\left(L_k\right)=\underset{I=1}{\overset{L_k}{\mathrm{\&Sigma;}}}i{P}_1$

原始图像灰度总均值m_r为

$m_r=m\left(L\right)=\underset{i=1}{\overset{L}{\mathrm{\&Sigma;}}}i{P}_i..................................................\left(5\right)$

$w_0=P_R\left(C_0\right)=\underset{i=1}{\overset{L_k}{\mathrm{\&Sigma;}}}{P}_i=w\left(k\right)....................................\left(6\right)$

$w_1=P_R\left(C_1\right)=\underset{i=L_k+1}{\overset{L_k}{\mathrm{\&Sigma;}}}{P}_i=1-w\left(k\right)............................\left(7\right)$

对于选值范围内的任意L_k，则有下列恒等式：

w₀m₀+w₁m₁＝m_r    w₁+w₀＝1...................(8)

从上不难得出类方差计算式为

${\mathrm{\&sigma;}}_0^2=\underset{i=1}{\overset{L_k}{\mathrm{\&Sigma;}}}{(i-m_0)}^2\frac{P_i}{w_0}.................................................\left(9\right)$

${\mathrm{\&sigma;}}_1^2=\underset{i=L_k+1}{\overset{L_k}{\mathrm{\&Sigma;}}}{(i-m_1)}^2\frac{P_i}{w_1}...........................................\left(10\right)$

为评价阈值选取优劣引入参量Q作为评价灰度阈值选取标准。参量Q表示为

$Q=\frac{{{\mathrm{\&sigma;}}_B}^2}{{{\mathrm{\&sigma;}}_T}^2}....................................................\left(11\right)$

经证明，最佳灰度阈值L_k ^*应使Q值为最大，同时也应使σ_B ²取最大值。同时，不难推导出：

$Q\left(L_k\right)=\frac{{{\mathrm{\&sigma;}}_B}^2\left(L_k\right)}{{{\mathrm{\&sigma;}}_T}^2}.........................................\left(12\right)$

${{\mathrm{\&sigma;}}_B}^2\left(L_k\right)=\frac{{[m_{T}W\left(L_k\right)-m\left(L_k\right)]}^2}{w\left(L_k\right)[1-w\left(L_k\right)]}....................\left(13\right)$

最佳灰度阈值L_k ^*应使得F式成立：

${{\mathrm{\&sigma;}}_B}^2\left({L_k}^{*}\right)={{\mathrm{\&sigma;}}_B}_{1<L_k<L}^2\left({L_k}^{*}\right).............................\left(14\right)$

(2)二值化处理

假设最佳灰度阈值为L_k ^*，则灰度图像f(x，y)变成二值图像的表示式为：

3.如权利要求1所述的二值化边缘图像处理方法，其特征在于对于二值图像而言，边缘检测算法为：

(I)排除孤立点，孤立点检测算子  0 0 0

                               0 1 0

                               0 0 0

(II)无边缘检测：0 0或1 1

(III)右边缘检测：0 1

左边缘检测：1 0

4.如权利要求1所述对比度算法，依据二值化图像提取和计算目标图像区域中诸个像的灰度均值

和背景区域中诸像素灰度均值

，可计算出目标图像对比度C：

5.如权利要求1所述的能见度检测算法，具体方式如下：

依据对比度C的计算值可换算成能见度：

若标牌1对比度C≤5％，则能见度≤50m；

若标牌4对比度C≥20％，则能见度＞1000m；

若标牌1对比度5％≤C≤10％

标牌2对比度C≤5％，则能见度＜200m

若标牌1对比度10％≤C≤15％

标牌2对比度5％≤C≤10％

标牌3对比度5％≥C，则能见度≤500m

若标牌1对比度15％≤C≤20％

标牌2对比度10％≤C≤15％

标牌3对比度5％≤C≤10％

标牌4对比度5％≤C，则能见度≤1000m

6.一种智能能见度测试系统，其特征在于：

所述视频输入设备检测摄像机，用于摄取图像和，连接视频矩阵切换器，所述视频矩阵切换器还分别连接实时图像采集卡、通讯接口传输控制模块和系统报警与处理平台，通过所述通讯接口传输控制模块连接计算机总线，接受计算机主机的指令，进行通讯切换，接受所述检测摄像机的图像并发送给所述实时图像采集卡，接受计算机主机发出的报警控制指令，向系统报警与处理平台发送报警信号以及相关检测图像，由系统报警与处理平台将其生成的警报信息和相关图像送至与其连接的交通控制显控器显示。所述计算机主机还通过计算机总线连接图像处理数据分析单元和随机图像存储器。所述数据分析单元与所述计算机主机通信，根据计算机主机控制器的指令进行数据分析，所述随机图像存储器同计算机主机控制器通信，用于数据的随机存储。

Images