CN101819286A - 一种基于图像灰度直方图的雾天检测方法 - Google Patents
一种基于图像灰度直方图的雾天检测方法 Download PDFInfo
- Publication number
- CN101819286A CN101819286A CN 201010145453 CN201010145453A CN101819286A CN 101819286 A CN101819286 A CN 101819286A CN 201010145453 CN201010145453 CN 201010145453 CN 201010145453 A CN201010145453 A CN 201010145453A CN 101819286 A CN101819286 A CN 101819286A
- Authority
- CN
- China
- Prior art keywords
- image
- scope
- num
- greasy weather
- grey level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
Abstract
一种基于图像灰度直方图的雾天检测方法,主要步骤:第一步,初始化得到图像的灰度直方图;第二步,初步检测出非雾天和雾天;第三步,若图像标记为非雾天,再处理,满足一定条件时,改标记为雾天;第四步,若图像标记为雾天,进一步检测,满足一定条件时,再改标记为非雾天;第五步,进过前四步,若图像被标记为雾天,再次检测,满足一定条件时,标记为大雾天,否则标记为小雾天。本发明首次使用图像的灰度直方图来检测天气,利用灰度直方图中像素点数目和灰度值的对应关系,以及一系列阈值,检测出非雾天、小雾天以及大雾天三个等级,相对于其他雾天检测方法,成本低廉,易于推广,处理速度快、适用范围广,准确率高,效果理想。
Description
技术领域
本发明涉及图像处理和交通视频检测领域,是一种基于图像灰度直方图的雾天检测方法,主要应用于城市交通或高速公路的雾天检测。
背景技术
现代社会,道路交通的重要性不言而喻,而在交通领域,可以说低能见度的大雾,尤其是局部地区存在或突发的“团雾”现象,是引发“追尾”等大规模交通事故的罪魁祸首。目前在雾的检测方面的技术非常缺乏,很多情况下只有发生了交通事故,相关的路段才会被发现出现了大雾。
当前检测雾天的方法主要如下:
在一定季节天气情况下,用人力、车辆巡逻;
专门安装监测站,主要是通过安装先进的光学装置,通过接收并测量散射光束的强度,来准确测量出目前高速公路上的空气能见度,判断是否有大雾发生。但是目前,像这样一套设置可能需要十几万元,要在高速公路上密集的布置观测站,来捕捉四处出没的团雾,显然太过昂贵。
双目检测方法,利用双目视差,将双目拍摄的图像恢复到三维立体效果,直接计算能见距离,从而判断能见度和道路的安全系数。但是这样的方法,需要一开始对于整个双目测量程序进行标定,需要测量出双目摄像设备的安装角度、高度,摄像机的内部参数如焦距,而且标定完成后得到的标定数据,也只能用于对应的设备和场景,若是其他双目摄像获得的图像则需要重新标定,因此安装、标定都比较麻烦,运算也较为复杂,同时成本也偏高。
单目检测方法,主要方法和双目类似,通过为每个固定摄像头现场标定,再通过摄像得到的图像中对比度的关系,计算能见距离。同样,也需要测量出摄像机安装高度、角度等,需要知道摄像机内部参数,而且需要现场测量距离,并标定,安装过程繁琐,获得的标定数据也只能用于对应的设备和场景。
目前,还没有直接利用灰度直方图来判断图像是否为雾天,并检测出雾天等级的方法。
发明内容
本发明是一种基于图像灰度直方图的雾天检测方法,首次利用了图像的灰度直方图进行雾天检测,区分出非雾天、小雾天和大雾天三个天气等级,解决了现代交通领域,道路交通,尤其是高速公路上雾天检测难的问题。
本发明采用如下技术方案:
步骤1、初始化,读入道路交通图像或者视频,获取图像信息,利用图像处理技术,统一转化为灰度图像,并求出图像素点总数num,接着获取图像的灰度直方图;
步骤2、根据灰度直方图中各个灰度与像素点数目的对应关系,对获取的直方图进行初步分析判断,将图像分为雾天、非雾天,并加以标记:
2.1)由获取的灰度直方图,计算像素点数目小于num*a1的灰度值的数目bm,其中a1为百分比系数,a1取0.01%~0.06%,
2.2)比较bm与阈值T1,若bm>T1,标记为雾天,否则标记为非雾天,其中T1取值范围50~120;
步骤3、对初步标记为非雾天的图像进一步分析:
3.1)若图像被标记为非雾天,分析其灰度直方图,求出像素点数目大于num*a2的最大灰度值d1,其中num为步骤1中求出的图像像素点总数,a2取值范围0.006%~0.03%,
3.2)若d1>50,求出对应灰度值在d1-e1到d1-e2内的像素点总数c1,其中e1范围30~50,e2范围0~10,
3.3)求出像素点数目大于num*a3的最大灰度值d2,其中a3范围0.01%~0.05%,
3.4)若d2>60,在灰度值d2-e3到d2-e4上,求出像素点数目大于num*a4的灰度值的数目b1,其中e3范围30~60,e4范围0~10,a4为百分比系数,a4范围0.1%~0.4%,
3.5)若同时满足c1/num>T2且b1>T3,标记为雾天,否则仍标记为非雾天,其中T2、T3为阈值,T2范围0.1~0.3,T3范围15~30;
步骤4、对标记为雾天的图像,再次分析:
4.1)若图像被标记为雾天,寻找灰度直方图中像素点数目大于num*a5的最小灰度值d3和最大灰度值d4,其中a5范围0.5%~2%,
4.2)寻找灰度直方图中像素点数目大于num*a6的灰度值的数目b2,a6取值范围0.5%~2%,
4.3)寻找灰度直方图中像素点数目小于num*a7的灰度值的数目b3,a7取值范围0.1%~0.4%,
4.4)若以上数据同时满足d4-d3>T4、b2>T5且b3>T6这三个条件,则标记图像为非雾天,否则仍标记为雾天,其中T4、T5、T6为阈值,且T4范围为50~150,T5、T6范围均为10~40;
步骤5、对标记为雾天的图像,检测区分出小雾、大雾天气:
5.1)前4步完成后,若图像被标记为雾天,在灰度直方图中,寻找像素点数目大于num*aw1的最大灰度值dw1,其中num为步骤1中求出的原图像素点总数,aw1取值范围为0.005%~0.02%,
5.2)求出对应灰度值在dw1-ew1到dw2-ew2内的像素点总数cw1,其中ew1范围30~50,ew2范围0~10,
5.3)求出像素点数目大于num*aw2的最大灰度值dw2,其中aw2范围0.005%~0.02%,
5.4)在灰度直方图灰度值dw2-ew3到dw2-ew4上,求出像素点数目大于num*aw3的灰度值的数目bw1,其中ew3范围30~50,ew4范围0~10,aw3取值范围0.1%~0.8%,
5.5)求出像素点数目大于num*aw4的最小灰度值dw3和最大灰度值dw4,取bw2=dw3-dw4,其中aw4取值范围0.1%~0.8%,
5.6)若同时满足cw1>Tw1、bw1>Tw2且bw2<Tw3,该标记图像为大雾天,否则标记为小雾天,其中Tw1、Tw2、Tw3为阈值,Tw1范围0.1~0.3,Tw2范围10~30,Tw3范围160~220;
本发明的优点在于:
1、适用范围广,由于无需摄像机本身参数、安装角度等其他信息,所以可以直接检测图像,而且不论对于高速公路上的图像,甚至城市内复杂的道路交通图像也有较好的检测效果;
2、运行速度快,可以进行实时检测;
3、成本低廉,无需现场标测或者其他辅助手段,而且可以直接利用现有摄像设备,利于高速公路推广;
4、检测结果分为非雾天、小雾天、大雾天,能够满足交通雾天检测的实际需求;
5、检测结果准确度高,误检率低,而且对于具体场景,还可以通过对阈值的调节实现准确度更高的检测。
图像的灰度直方图,是以图像的灰度值(0~255)为横坐标,在原图上对应的像素点数目为纵坐标,每一条垂线就是一个灰度值与像素点数目的对应关系,垂线越高,像素点数目越多。各种天气条件下,图像灰度各有特色,反映到直方图上就是垂线高度以及分布的变化。本发明主要原理就是利用灰度直方图中,像素点数目与灰度值之间的对应关系,求出所需的信息,在通过一系列阈值加以比较判断,进而得出检测结果。
下面是雾的定义以及划分:雾是大量小水滴悬浮在近地表大气层中,使水平能见度小于1000米的天气现象。根据雾天能见度大小划分雾的等级:①重雾:水平能见距离小于50米;②中雾:水平能见距离50~200米;③轻雾:水平能见距离200~1000米。本专利将能见度大于1000米时为非雾天,上述轻雾的情况归为小雾天,中雾和重雾的情况归为大雾天。
实例中使用了64幅图像,一共有28幅非雾天图像,9幅小雾天图像和27幅大雾天图像,结果非雾天检测率达到92.86%,小雾天检测率达到88.89%,大雾天检测率达到96.30%,效果理想。
附图说明:
图1是整个检测程序的流程图;
图2是雾天、非雾天检测的具体流程图;
图3是小雾、大雾天气检测的具体流程图;
具体实施方案
本发明是一种基于图像灰度直方图的雾天检测方法,具体步骤如下:
步骤1、初始化,读入道路交通图像或者视频,获取图像信息,利用图像处理技术,统一转化为灰度图像,并求出图像素点总数num,接着获取图像的灰度直方图。例如在matlab中具体步骤为,[m,n,r]=size(f);if(r==1)g=f;elseg=rgb2gray(f);end;num=m*n;hist=imhist(g);其中f为读入的图像,g为原图经过转换得到的灰度图像,num为求出的图像像素点总数,hist表示的是图像的灰度直方图,即图像灰度值和像素点数目的对应关系;
步骤2、根据灰度直方图中各个灰度与像素点数目的对应关系,对获取的直方图进行初步分析判断,将图像分为雾天、非雾天,并加以标记:
2.1)由获取的灰度直方图,计算像素点数目小于num*a1的灰度值的数目bm,其中a1为百分比系数,a1取0.01%~0.06%,如可取a1为0.01%、0.02%、0.04%或0.06%,
2.2)比较bm与阈值T1,若bm>T1,标记为雾天,否则标记为非雾天,其中T1取值范围50~120,如可取T1为50、80、100或120;
步骤3、对初步标记为非雾天的图像进一步分析:
3.1)若图像被标记为非雾天,分析其灰度直方图,求出像素点数目大于num*a2的最大灰度值d1,其中num为步骤1中求出的图像像素点总数,a2取值范围0.006%~0.03%,如可取a2为0.006%、0.01%、0.02%或0.03%,
3.2)若d1>50,求出对应灰度值在d1-e1到d1-e2内的像素点总数e1,其中e1范围30~50,如可取e1为30、35、45或50,e2范围0~10,如可取e2为0、3、7或10,
3.3)求出像素点数目大于num*a3的最大灰度值d2,其中a3范围0.01%~0.05%,如可取a3为0.01%、0.02%、0.04%或0.05%,
3.4)若d2>60,在灰度值d2-e3到d2-e4上,求出像素点数目大于num*a4的灰度值的数目b1,其中e3范围30~60,如可取30、40、50或60,e4范围0~10,如可取0、4、7或10,a4为百分比系数,a4范围0.1%~0.4%,如可取a4为0.1%、0.2%、0.3%或0.4%,
3.5)若同时满足c1/num>T2且b1>T3,标记为雾天,否则仍标记为非雾天,其中T2、T3为阈值,T2范围0.1~0.3,如可取T2为0.1、0.15、0.25或0.3,T3范围15~30,如可取T3为15、20、25或30;
步骤4、对标记为雾天的图像,再次分析:
4.1)若图像被标记为雾天,寻找灰度直方图中像素点数目大于num*a5的最小灰度值d3和最大灰度值d4,其中a5范围0.5%~2%,如可取a5为0.5%、1%、1.5%或2%,
4.2)寻找灰度直方图中像素点数目大于num*a6的灰度值的数目b2,a6取值范围0.5%~2%,如可取a6为0.5%、1%、1.5%或2%,
4.3)寻找灰度直方图中像素点数目小于num*a7的灰度值的数目b3,a7取值范围0.1%~0.4%,如可取a7为0.1%、0.2%、0.3%或0.4%,
4.4)若以上数据同时满足d4-d3>T4、b2>T5且b3>T6这三个条件,则标记图像为非雾天,否则仍标记为雾天,其中T4、T5、T6为阈值,且T4范围为50~150,如可取T4为50、80、120或150,T5范围为10~40,如可取T5为10、20、30或40,T6范围为10~40,如可取T6为10、20、30或40;
步骤5、对标记为雾天的图像,检测区分出小雾、大雾天气:
5.1)前4步完成后,若图像被标记为雾天,在灰度直方图中,寻找像素点数目大于num*aw1的最大灰度值dw1,其中num为步骤1中求出的原图像素点总数,aw1取值范围为0.005%~0.02%,如可取aw1为0.005%、0.01%、0.015%或0.02%,
5.2)求出对应灰度值在dw1-ew1到dw2-ew2内的像素点总数cw1,其中ew1范围30~50,如可取ew1为30、40、45或50,ew2范围0~10,如可取ew2为0、3、7或10,
5.3)求出像素点数目大于num*aw2的最大灰度值dw2,其中aw2范围0.005%~0.02%,如可取aw2为0.005%、0.01%、0.015%或0.02%,
5.4)在灰度直方图灰度值dw2-ew3到dw2-ew4上,求出像素点数目大于num*aw3的灰度值的数目bw1,其中ew3范围30~50,如可取ew3为30、40、45或50,ew4范围0~10,如可取ew4为0、3、7或10,aw3取值范围0.1%~0.8%,如可取aw3为0.1%、0.3%、0.5%或0.8%,
5.5)求出像素点数目大于num*aw4的最小灰度值dw3和最大灰度值dw4,取bw2=dw3-dw4,其中aw4取值范围0.1%~0.8%,如可取aw4为0.1%、0.3%、0.5%或0.8%,
5.6)若同时满足cw1>Tw1、bw1>Tw2且bw2<Tw3,该标记图像为大雾天,否则标记为小雾天,其中Tw1、Tw2、Tw3为阈值,Tw1范围0.1~0.3,如可取Tw1为0.1、0.2、0.25或0.3,Tw2范围10~30,如可取10、15、25或30,Tw3范围160~220,如可取160、180、200或220;
具体流程如图1、图2、图3所示:
步骤1、初始化,读入道路交通图像或者视频,获取图像信息,利用图像处理技术,统一转化为灰度图像,并求出图像素点总数num,接着获取图像的灰度直方图;
步骤2、根据灰度直方图中各个灰度与像素点数目的对应关系,对获取的直方图进行初步分析判断,将图像分为雾天、非雾天,并加以标记:
2.1)由获取的灰度直方图,计算像素点数目小于num*a1的灰度值的数目bm,其中a1为百分比系数,a1=0.03%,
2.2)比较bm与阈值T1,若bm>T1,标记为雾天,否则标记为非雾天,其中T1=90;
步骤3、对初步标记为非雾天的图像进一步分析:
3.1)若图像被标记为非雾天,分析其灰度直方图,求出像素点数目大于num*a2的最大灰度值d1,其中num为步骤1中求出的图像像素点总数,a2=0.01%,
3.2)若d1>50,求出对应灰度值在d1-e1到d1-e2内的像素点总数c1,其中e1=45,e2=40,
3.3)求出像素点数目大于num*a3的最大灰度值d2,其中a3=0.03%,
3.4)若d2>60,在灰度值d2-e3到d2-e4上,求出像素点数目大于num*a4的灰度值的数目b1,e3=40,e4=0,a4=0.2%,
3.5)若同时满足c1/num>T2且b1>T3,标记为雾天,否则仍标记为非雾天,其中T2、T3为阈值,T2=0.2,T3=20;
步骤4、对标记为雾天的图像,再次分析:
4.1)若图像被标记为雾天,寻找灰度直方图中像素点数目大于num*a5的最小灰度值d3和最大灰度值d4,其中a5=1%,
4.2)寻找灰度直方图中像素点数目大于num*a6的灰度值的数目b2,a6=1%;
4.3)寻找灰度直方图中像素点数目小于num*a7的灰度值的数目b3,a7=0.2%,
4.4)若以上数据同时满足d4-d3>T4、b2>T5且b3>T6这三个条件,则标记图像为非雾天,否则仍标记为雾天,其中T4、T5、T6为阈值,且T4=100,T5=20,T6=20,
步骤5、对标记为雾天的图像,检测区分出小雾、大雾天气:
5.1)前4步完成后,若图像被标记为雾天,在直方图中,寻找像素点数目大于num*aw1的最大灰度值dw1,其中num为步骤1中求出的原图像素点总数,aw1=0.005%,
5.2)求出对应灰度值在dw1-ew1到dw2-ew2内的像素点总数cw1,其中ew1=40,ew2=0,
5.3)求出像素点数目大于num*aw2的最大灰度值dw2,其中aw2=0.01%,
5.4)在灰度直方图灰度值dw2-ew3到dw2-ew4上,求出像素点数目大于num*aw3的灰度值的数目bw1,其中ew3=45,ew4=5,aw3=0.5%,
5.5)求出像素点数目大于num*aw4的最小灰度值dw3和最大灰度值dw4,取bw2=dw3-dw4,其中aw4=0.5%,
5.6)若同时满足cw1>Tw1、bw1>Tw2且bw2<Tw3,该标记图像为大雾天,否则标记为小雾天,其中Tw1、Tw2、Tw3为阈值,Tw1范围0.1~0.3,Tw2范围10~30,Tw3范围160~220;
实例中使用了64幅图像,一共有28幅非雾天图像,9幅小雾天图像和27幅大雾天图像,结果非雾天检测率达到92.86%,小雾天检测率达到88.89%,大雾天检测率达到96.30%,效果理想。具体检测结果如表1。
表1:
图像数量 | 正确检测数量 | 错误检测数量 | 正确检测率 | |
非雾天 | 28 | 26 | 2(检测为小雾天) | 92.86% |
小雾天 | 9 | 8 | 1(检测为非雾天) | 88.89% |
大雾天 | 27 | 26 | 1(检测为小雾天) | 96.30% |
Claims (1)
1.一种基于图像灰度直方图的雾天检测方法,其特点在于按照以下步骤实施:
步骤1、初始化,读入道路交通图像或者视频,获取图像信息,利用图像处理技术,统一转化为灰度图像,并求出图像素点总数num,接着获取图像的灰度直方图;
步骤2、根据灰度直方图中各个灰度与像素点数目的对应关系,对获取的直方图进行初步分析判断,将图像分为雾天、非雾天,并加以标记:
2.1)由获取的灰度直方图,计算像素点数目小于num*a1的灰度值的数目bm,其中a1为百分比系数,a1取0.01%~0.06%,
2.2)比较bm与阈值T1,若bm>T1,标记为雾天,否则标记为非雾天,其中T1取值范围50~120;
步骤3、对初步标记为非雾天的图像进一步分析:
3.1)若图像被标记为非雾天,分析其灰度直方图,求出像素点数目大于num*a2的最大灰度值d1,其中num为步骤1中求出的图像像素点总数,a2取值范围0.006%~0.03%,
3.2)若d1>50,求出对应灰度值在d1-e1到d1-e2内的像素点总数c1,其中e1范围30~50,e2范围0~10,
3.3)求出像素点数目大于num*a3的最大灰度值d2,其中a3范围0.01%~0.05%,
3.4)若d2>60,在灰度值d2-e3到d2-e4上,求出像素点数目大于num*a4的灰度值的数目b1,其中e3范围30~60,e4范围0~10,a4为百分比系数,a4范围0.1%~0.4%,
3.5)若同时满足c1/num>T2且b1>T3,标记为雾天,否则仍标记为非雾天,其中T2、T3为阈值,T2范围0.1~0.3,T3范围15~30;
步骤4、对标记为雾天的图像,再次分析:
4.1)若图像被标记为雾天,寻找灰度直方图中像素点数目大于num*a5的最小灰度值d3和最大灰度值d4,其中a5范围0.5%~2%,
4.2)寻找灰度直方图中像素点数目大于num*a6的灰度值的数目b2,a6取值范围0.5%~2%,
4.3)寻找灰度直方图中像素点数目小于num*a7的灰度值的数目b3,a7取值范围0.1%~0.4%,
4.4)若以上数据同时满足d4-d3>T4、b2>T5且b3>T6这三个条件,则标记图像为非雾天,否则仍标记为雾天,其中T4、T5、T6为阈值,且T4范围为50~150,T5、T6范围均为10~40。
步骤5、对标记为雾天的图像,检测区分出小雾、大雾天气:
5.1)前4步完成后,若图像被标记为雾天,在灰度直方图中,寻找像素点数目大于num*aw1的最大灰度值dw1,其中num为步骤1中求出的原图像素点总数,aw1取值范围为0.005%~0.02%;
5.2)求出对应灰度值在dw1-ew1到dw2-ew2内的像素点总数cw1,其中ew1范围30~50,ew2范围0~10;
5.3)求出像素点数目大于num*aw2的最大灰度值dw2,其中aw2范围0.005%~0.02%;
5.4)在灰度直方图灰度值dw2-ew3到dw2-ew4上,求出像素点数目大于num*aw3的灰度值的数目bw1,其中ew3范围30~50,ew4范围0~10,aw3取值范围0.1%~0.8%;
5.5)求出像素点数目大于num*aw4的最小灰度值dw3和最大灰度值dw4,取bw2=dw3-dw4,其中aw4取值范围0.1%~0.8%;
5.6)若同时满足cw1>Tw1、bw1>Tw2且bw2<Tw3,该标记图像为大雾天,否则标记为小雾天,其中Tw1、Tw2、Tw3为阈值,Tw1范围0.1~0.3,Tw2范围10~30,Tw3范围160~220。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101454535A CN101819286B (zh) | 2010-04-09 | 2010-04-09 | 一种基于图像灰度直方图的雾天检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101454535A CN101819286B (zh) | 2010-04-09 | 2010-04-09 | 一种基于图像灰度直方图的雾天检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101819286A true CN101819286A (zh) | 2010-09-01 |
CN101819286B CN101819286B (zh) | 2011-06-22 |
Family
ID=42654454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101454535A Expired - Fee Related CN101819286B (zh) | 2010-04-09 | 2010-04-09 | 一种基于图像灰度直方图的雾天检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101819286B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509102A (zh) * | 2011-09-28 | 2012-06-20 | 郝红卫 | 基于图像学习的能见度测量方法 |
CN103323889A (zh) * | 2013-07-08 | 2013-09-25 | 昆明理工大学 | 一种基于图像灰度统计的天气状况识别方法 |
CN103442209A (zh) * | 2013-08-20 | 2013-12-11 | 北京工业大学 | 一种输电线路的视频监控方法 |
CN103458156A (zh) * | 2013-08-27 | 2013-12-18 | 宁波海视智能系统有限公司 | 一种恶劣天气条件下交通事件检测视频信号预处理方法 |
CN103927523A (zh) * | 2014-04-24 | 2014-07-16 | 东南大学 | 一种基于纵向灰度特征的雾天等级检测方法 |
CN104077750A (zh) * | 2014-06-18 | 2014-10-01 | 深圳市金立通信设备有限公司 | 一种图像的处理方法 |
CN104123700A (zh) * | 2014-06-18 | 2014-10-29 | 深圳市金立通信设备有限公司 | 一种电子设备 |
CN104302051A (zh) * | 2014-10-08 | 2015-01-21 | 山东新帅克能源科技有限公司 | 基于时间、照度和能见度的太阳能路灯控制系统及方法 |
CN105196910A (zh) * | 2015-09-15 | 2015-12-30 | 浙江吉利汽车研究院有限公司 | 一种雨雾天气下的安全驾驶辅助系统及其控制方法 |
CN106454080A (zh) * | 2016-09-30 | 2017-02-22 | 深圳火星人智慧科技有限公司 | 一种摄像机透雾控制系统及透雾方法 |
CN106709445A (zh) * | 2016-12-20 | 2017-05-24 | 清华大学苏州汽车研究院(吴江) | 一种基于视频图像的高速公路雾天检测预警方法 |
US9870511B2 (en) | 2015-10-14 | 2018-01-16 | Here Global B.V. | Method and apparatus for providing image classification based on opacity |
CN107742301A (zh) * | 2017-10-25 | 2018-02-27 | 哈尔滨理工大学 | 基于图像分类的复杂背景下输电线路图像处理方法 |
CN108776135A (zh) * | 2018-05-28 | 2018-11-09 | 中用科技有限公司 | 一种多因子联合道路雾天检测装置 |
CN110807406A (zh) * | 2019-10-29 | 2020-02-18 | 浙江大华技术股份有限公司 | 一种雾天检测方法及装置 |
WO2020192367A1 (zh) * | 2019-03-28 | 2020-10-01 | 厦门龙辉芯物联网科技有限公司 | 一种平流雾测报系统及测报方法 |
CN111951194A (zh) * | 2020-08-26 | 2020-11-17 | 重庆紫光华山智安科技有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN114004834A (zh) * | 2021-12-31 | 2022-02-01 | 山东信通电子股份有限公司 | 一种图像处理中的雾天情况分析方法、设备及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003132458A (ja) * | 2001-10-25 | 2003-05-09 | Koito Ind Ltd | 煙又は霧等の検出装置 |
CN101290680A (zh) * | 2008-05-20 | 2008-10-22 | 西安理工大学 | 基于直方图均衡化过校正恢复的雾天视频图像清晰化方法 |
-
2010
- 2010-04-09 CN CN2010101454535A patent/CN101819286B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003132458A (ja) * | 2001-10-25 | 2003-05-09 | Koito Ind Ltd | 煙又は霧等の検出装置 |
CN101290680A (zh) * | 2008-05-20 | 2008-10-22 | 西安理工大学 | 基于直方图均衡化过校正恢复的雾天视频图像清晰化方法 |
Non-Patent Citations (2)
Title |
---|
《武汉理工大学学报》 20090228 陈先桥 等 雾天交通场景图像中相关对象特征分析 6-9 1 第31卷, 第3期 2 * |
《科技创新导报》 20081231 沈凤龙 等 雨雾霾天气条件下图像处理研究综述 119 1 , 第32期 2 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509102A (zh) * | 2011-09-28 | 2012-06-20 | 郝红卫 | 基于图像学习的能见度测量方法 |
CN103323889A (zh) * | 2013-07-08 | 2013-09-25 | 昆明理工大学 | 一种基于图像灰度统计的天气状况识别方法 |
CN103442209A (zh) * | 2013-08-20 | 2013-12-11 | 北京工业大学 | 一种输电线路的视频监控方法 |
CN103442209B (zh) * | 2013-08-20 | 2017-02-22 | 北京工业大学 | 一种输电线路的视频监控方法 |
CN103458156B (zh) * | 2013-08-27 | 2016-08-10 | 宁波海视智能系统有限公司 | 一种恶劣天气条件下交通事件检测视频信号预处理方法 |
CN103458156A (zh) * | 2013-08-27 | 2013-12-18 | 宁波海视智能系统有限公司 | 一种恶劣天气条件下交通事件检测视频信号预处理方法 |
CN103927523B (zh) * | 2014-04-24 | 2017-01-18 | 东南大学 | 一种基于纵向灰度特征的雾天等级检测方法 |
CN103927523A (zh) * | 2014-04-24 | 2014-07-16 | 东南大学 | 一种基于纵向灰度特征的雾天等级检测方法 |
CN104077750A (zh) * | 2014-06-18 | 2014-10-01 | 深圳市金立通信设备有限公司 | 一种图像的处理方法 |
CN104123700A (zh) * | 2014-06-18 | 2014-10-29 | 深圳市金立通信设备有限公司 | 一种电子设备 |
CN104302051A (zh) * | 2014-10-08 | 2015-01-21 | 山东新帅克能源科技有限公司 | 基于时间、照度和能见度的太阳能路灯控制系统及方法 |
CN104302051B (zh) * | 2014-10-08 | 2016-08-24 | 山东新帅克能源科技有限公司 | 基于时间、照度和能见度的太阳能路灯控制系统及方法 |
CN105196910A (zh) * | 2015-09-15 | 2015-12-30 | 浙江吉利汽车研究院有限公司 | 一种雨雾天气下的安全驾驶辅助系统及其控制方法 |
US9870511B2 (en) | 2015-10-14 | 2018-01-16 | Here Global B.V. | Method and apparatus for providing image classification based on opacity |
CN106454080A (zh) * | 2016-09-30 | 2017-02-22 | 深圳火星人智慧科技有限公司 | 一种摄像机透雾控制系统及透雾方法 |
CN106709445A (zh) * | 2016-12-20 | 2017-05-24 | 清华大学苏州汽车研究院(吴江) | 一种基于视频图像的高速公路雾天检测预警方法 |
CN107742301A (zh) * | 2017-10-25 | 2018-02-27 | 哈尔滨理工大学 | 基于图像分类的复杂背景下输电线路图像处理方法 |
CN107742301B (zh) * | 2017-10-25 | 2021-07-30 | 哈尔滨理工大学 | 基于图像分类的复杂背景下输电线路图像处理方法 |
CN108776135A (zh) * | 2018-05-28 | 2018-11-09 | 中用科技有限公司 | 一种多因子联合道路雾天检测装置 |
CN108776135B (zh) * | 2018-05-28 | 2020-08-04 | 中用科技有限公司 | 一种多因子联合道路雾天检测装置 |
WO2020192367A1 (zh) * | 2019-03-28 | 2020-10-01 | 厦门龙辉芯物联网科技有限公司 | 一种平流雾测报系统及测报方法 |
CN110807406A (zh) * | 2019-10-29 | 2020-02-18 | 浙江大华技术股份有限公司 | 一种雾天检测方法及装置 |
CN111951194A (zh) * | 2020-08-26 | 2020-11-17 | 重庆紫光华山智安科技有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN111951194B (zh) * | 2020-08-26 | 2024-02-02 | 重庆紫光华山智安科技有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN114004834A (zh) * | 2021-12-31 | 2022-02-01 | 山东信通电子股份有限公司 | 一种图像处理中的雾天情况分析方法、设备及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN101819286B (zh) | 2011-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101819286B (zh) | 一种基于图像灰度直方图的雾天检测方法 | |
CN105844222B (zh) | 基于视觉的前方车辆碰撞预警系统及方法 | |
GB2596940A (en) | Systems and methods for vehicle navigation | |
CN105261018B (zh) | 基于光学模型和暗原色先验理论的能见度检测方法 | |
CN106978774B (zh) | 一种路面坑槽自动检测方法 | |
CN107315095B (zh) | 基于视频处理的具有光照适应性的多车辆自动测速方法 | |
CN105118316A (zh) | 基于车路协同的弯道安全车速计算方法及警示系统 | |
CN106503636A (zh) | 一种基于视觉图像的道路视距检测方法及装置 | |
CN103794061A (zh) | 基于多种定位数据计算道路融合行程车速的方法 | |
CN103630496A (zh) | 基于路面视亮度和最小二乘法的交通视频能见度检测方法 | |
CN109242035B (zh) | 车底故障检测装置及方法 | |
CN101226637B (zh) | 一种车轮与地面接触点的自动检测方法 | |
CN102162788A (zh) | 基于高清视频的能见度检测方法 | |
KR101735557B1 (ko) | 실시간 목표 탐지에 의한 교통 정보 수집 시스템 및 방법 | |
CN104183133A (zh) | 一种采集和传输道路交通流动态信息的方法 | |
CN103325255A (zh) | 基于摄影测量技术进行区域交通状况检测的方法 | |
CN104240239A (zh) | 一种基于道路图像探测局域路段雾霾天气的检测方法 | |
CN107798293A (zh) | 一种道路裂缝检测装置 | |
CN104504364A (zh) | 基于时空关联的停止线实时识别与测距方法 | |
CN103149603B (zh) | 一种基于视频的道路气象检测方法 | |
CN103164958A (zh) | 车辆监控方法及系统 | |
CN103093625A (zh) | 一种基于可信度验证的城市道路交通状态实时估计方法 | |
Yao et al. | Developing operating mode distribution inputs for MOVES with a computer vision–based vehicle data collector | |
CN110363988A (zh) | 一种交叉口车辆通行效率的计算系统及方法 | |
CN103927523B (zh) | 一种基于纵向灰度特征的雾天等级检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C53 | Correction of patent for invention or patent application | ||
CB03 | Change of inventor or designer information |
Inventor after: Lu Xiaobo Inventor after: Liu Yang Inventor after: Zhao Xinyong Inventor before: Lu Xiaobo Inventor before: Liu Yang |
|
COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: LU XIAOBO LIU YANG TO: LU XIAOBO LIU YANG ZHAO XINYONG |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110622 Termination date: 20160409 |