CN105424655A - 一种基于视频图像的能见度检测方法 - Google Patents
一种基于视频图像的能见度检测方法 Download PDFInfo
- Publication number
- CN105424655A CN105424655A CN201510741206.4A CN201510741206A CN105424655A CN 105424655 A CN105424655 A CN 105424655A CN 201510741206 A CN201510741206 A CN 201510741206A CN 105424655 A CN105424655 A CN 105424655A
- Authority
- CN
- China
- Prior art keywords
- visibility
- video image
- sky areas
- transmissivity
- image
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/59—Transmissivity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于视频图像的能见度检测方法,包括步骤:S1、获取待检测区域的视频图像的暗通道图像;S2、估测视频图像的大气光照值;S3、计算视频图像的估算大气透射率,并计算视频图像的估算能见度;S4、采用区域生长法识别暗通道图像中的天空区域与非天空区域;S5、选取视频图像的天空区域和非天空区域透射率修正系数;S6、根据视频图像的天空区域和非天空区域透射率修正系数计算视频图像的大气透射率,并根据视频图像的大气透射率计算视频图像的能见度。本发明结合数字摄像法和透射法的优点,结构简单,不需要重新搭建硬件设施,可应用于各种环境的能见度实时检测,特别是高速公路能见度的实时检测。
Description
技术领域
本发明涉及能见度检测技术领域。更具体地,涉及一种基于视频图像的能见度检测方法。
背景技术
低能见度是道路交通事故的重要诱因。特别是高速公路,车辆行驶速度快、流量大以及其自身全封闭、全立交的特点,要求车辆不得任意减速和停车。当遇到低能见度天气时,就极有可能引发多车连续追尾的重特大交通事故。随着我国交通运输业的发展,高速公路里程持快速增长态势,机动车保有量也在不断增长,这些因素都导致高速公路的交通事故发生率和伤亡损失飞速增长。及时准确地检测低能见度并进行预警响应,对保障高速公路畅通运营有重要意义。
高速公路能见度的检测方法总体上将可以分为三大类:即目测法、器测法和视频检测方法。其中最为传统也最常用的检测方法是目测法和器测法。不同于温度、湿度等可以直观测量的气象要素,能见度在人工观测中只是估测,且目测数据缺乏规范性与持续可追溯性。为此,高速公路引进了价格昂贵的能见度检测仪器来获取精确的能见度值,但因该设备布设非常稀疏,并不满足高速公路线性距离长的需求,低能见度检测效果非常有限。近些年来,随着高速公路全程视频监控系统的逐步完善,利用视频图像方法检测能见度成为国内外学者的研究重点。视频检测能见度结合视频图像分析、大气光线传播模型与多种检测识别算法,在分析处理视频图像的基础上,建立图像与真实场景之间的映射关系,通过测量图像特征的变化情况,进而求得能见度值。基于视频图像检测能见度的方法主要有三种,分别是摄像机标定法、双亮度差算法和暗通道先验法。
在实际应用中,视频能见度检测技术主要以摄像机模型标定法和双亮度差法为主。摄像机模型标定法在国内外均有应用,可适用于移动车辆与固定摄像机,易受到多种复杂天气和环境(如雨雪天气对道路标线的覆盖,道路翻修改建、道路标线磨损等)的干扰,且在夜间很难工作,难以满足全天候实时检测的需求。双亮度差算法预先搭建符合要求的目标物,建立视频能见度检测的良好条件,满足全天候观测的需求,不足之处是需要人工目标物的搭建。
因此,需要提供一种不需要重新搭建硬件设施,可应用于各种环境,且满足全天候观测的需求的基于视频图像的能见度检测方法。
发明内容
本发明的目的在于提供一种基于视频图像的能见度检测方法,解决现有方法存在的易受环境干扰、需要依赖额外硬件设施的问题。
为达到上述目的,本发明采用下述技术方案:
一种基于视频图像的能见度检测方法,该方法包括如下步骤:
S1、获取待检测区域的视频图像的暗通道图像;
S2、根据所述暗通道图像估测所述视频图像的大气光照值;
S3、根据所述视频图像的大气光照值计算所述视频图像的估算大气透射率,并根据所述视频图像的估算大气透射率计算所述视频图像的估算能见度;
S4、采用区域生长法识别所述暗通道图像中的天空区域与非天空区域;
S5、根据所述视频图像的估算能见度,在设定的不同能见度模式对应的天空区域和非天空区域透射率修正系数中选取所述视频图像的天空区域和非天空区域透射率修正系数;
S6、根据所述视频图像的天空区域和非天空区域透射率修正系数计算所述视频图像的大气透射率,并根据所述视频图像的大气透射率计算所述视频图像的能见度。
优选地,步骤S2中估测所述视频图像的大气光照值的方法为:将所述视频图像的暗通道图像中每个像素点的暗通道值按照从大到小顺序排列,取前10%的暗通道值的均值作为所述视频图像的大气光照值。
优选地,步骤S3中,
计算所述视频图像的估算大气透射率的公式为:
公式中,为视频图像的估算大气透射率,c为三基色空间中的颜色通道,Ω(x)表示中心点为像素点x的局部区域,Ic(y)为图像中像素位置为y的颜色通道c的像素值,Ac为颜色通道c的大气光照值;
计算所述视频图像的估算能见度的公式为:
公式中,为视频图像的估算能见度。
优选地,步骤S4进一步包括如下子步骤:
S4.1、选取所述暗通道图像中亮度最大的像素值作为种子像素值Seed;
S4.2、确定区域生长的生长规则:
当满足以下约束条件时,像素点属于天空区域,不满足时像素点属于非天空区域:
公式中,c为三基色空间中的颜色通道,Ω(x)表示中心点为像素点x的局部区域,Ic(y)为图像中像素位置为y的颜色通道c的像素值,Ac为颜色通道c的大气光照值,th1为所述视频图像的灰度图像中图像的灰度阈值,th2为暗通道中图像的灰度阈值;
S4.3、根据区域生长的生长规则,以种子像素值Seed的像素点为中心进行区域生长,当达到天空区域与非天空区域的边界时,区域生长停止,完成所述暗通道图像中的天空区域与非天空区域的识别。
优选地,步骤S4.3中的区域生长停止的触发条件为:设定变量Val=2/3Size,Size为所述视频图像的大小,当区域生长过程处理的像素个数达到变量Val时,停止区域生长。
优选地,步骤S4.3之后还包括步骤:
S4.4、当满足的条件时,将像素点x划入天空区域。
优选地,步骤S5中不同能见度模式对应的天空区域和非天空区域透射率修正系数的设定方法为:
建立包含不同能见度的能见度模式,所述能见度模式包括:
V为能见度,单位为米;
选取分别属于不同能见度模式的能见度为1000m,500m,200m,100m,50m的已知能见度的视频图像,获取各已知能见度的视频图像的暗通道图像;
根据所述已知能见度的视频图像的暗通道图像估测已知能见度的视频图像的大气光照值;
根据已知能见度的视频图像的大气光照值计算已知能见度的视频图像的估算大气透射率,公式为
公式中,为已知能见度的视频图像的估算大气透射率,c为三基色空间中的颜色通道,Ω(x)表示中心点为像素点x的局部区域,Ic(y)为图像中像素位置为y的颜色通道c的像素值,Ac为颜色通道c的大气光照值;
计算已知能见度的视频图像的估算能见度,公式为:
公式中,为已知能见度的视频图像的估算能见度;
采用区域生长法识别已知能见度的视频图像的暗通道图像中的天空区域与非天空区域;
以已知能见度的视频图像的估算能见度与已知能见度的视频图像的实际能见度之间的差值作为目标函数,根据最小二乘法原理,推导不同能见度模式对应的天空区域和非天空区域透射率修正系数。
优选地,所述推导不同能见度模式对应的天空区域和非天空区域透射率修正系数的公式如下,
天空区域的目标函数和透射率修正函数为:
公式中,Li为能见度模式为i(i∈{1,2,3,4,5})时的实际能见度,L(ti(x))为透射率为ti(x)时图像的估算能见度Ki、分别为能见度模式为i(i∈{1,2,3,4,5})时的天空区域透射率修正系数;
非天空区域的目标函数和透射率修正函数为:
公式中,为能见度模式为i(i∈{1,2,3,4,5})时的非天空区域透射率修正系数。
优选地,步骤S6中,
根据所述视频图像的天空区域和非天空区域透射率修正系数计算所述视频图像的大气透射率的公式为:
公式中,t(x)为视频图像的大气透射率,c为三基色空间中的颜色通道,Ω(x)表示中心点为像素点x的局部区域,Ic(y)为图像中像素位置为y的颜色通道c的像素值,Ac为颜色通道c的大气光照值,K、ωs分别为所述视频图像的天空区域透射率修正系数,ωt为所述视频图像的非天空区域透射率修正系数;
计算所述视频图像的能见度的公式为:
公式中,V为视频图像的能见度。
本发明的有益效果如下:
本发明所述技术方案利用视频图像直接检测能见度,基于图像局部区域中存在暗像素的假设条件计算透射率,根据朗伯-比尔定律推导出的透射率与消光系数的物理关系以及气象光学视程的定义,进而获得能见度。本发明结合数字摄像法和透射法的优点,结构简单,不需要重新搭建硬件设施,可应用于各种环境,特别是高速公路能见度的实时检测。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出基于视频图像的能见度检测方法的流程图。
具体实施方式
为了更清楚地说明本发明,下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解,下面所具体描述的内容是说明性的而非限制性的,不应以此限制本发明的保护范围。
如图1所示,本实施例提供的基于视频图像的能见度检测方法,包括如下步骤:
S1、获取待检测区域的视频图像的暗通道图像;
S2、根据暗通道图像估测视频图像的大气光照值;
S3、根据视频图像的大气光照值计算视频图像的估算大气透射率,并根据视频图像的估算大气透射率计算视频图像的估算能见度;
S4、采用区域生长法识别暗通道图像中的天空区域与非天空区域;
S5、根据视频图像的估算能见度,在设定的不同能见度模式对应的天空区域和非天空区域透射率修正系数中选取视频图像的天空区域和非天空区域透射率修正系数;
S6、根据视频图像的天空区域和非天空区域透射率修正系数计算视频图像的大气透射率,并根据视频图像的大气透射率计算视频图像的能见度。
其中
待检测区域的视频图像为高速公路监控视频图像。
步骤S1具体过程为:
设定局部区域Ω(x)为3×3,获取视频图像的暗通道图像Imin,像素点x的暗通道值为:
其中,c为三基色rgb空间中的任意颜色通道,Ω(x)表示中心点为像素点x的局部区域,Ic(y)为图像中像素位置为y的颜色通道c的像素值。
步骤S2中估测视频图像的大气光照值的方法为:将视频图像的暗通道图像中每个像素点的暗通道值按照从大到小顺序排列,取前10%的暗通道值的均值作为视频图像的大气光照值。
步骤S3中,
计算视频图像的估算大气透射率的公式为:
公式中,为视频图像的估算大气透射率,c为三基色空间中的颜色通道,Ω(x)表示中心点为像素点x的局部区域,Ic(y)为图像中像素位置为y的颜色通道c的像素值,Ac为颜色通道c的大气光照值;
计算视频图像的估算能见度的公式为:
公式中,为视频图像的估算能见度。
步骤S4进一步包括如下子步骤:
S4.1、选取暗通道图像中亮度最大的像素值作为种子像素值Seed;
S4.2、确定区域生长的生长规则:
采用区域灰度差的生长准则,当满足以下约束条件时,像素点属于天空区域,不满足时像素点属于非天空区域:
公式中,c为三基色空间中的颜色通道,Ω(x)表示中心点为像素点x的局部区域,Ic(y)为图像中像素位置为y的颜色通道c的像素值,Ac为颜色通道c的大气光照值,th1为视频图像的灰度图像中图像的灰度阈值,th2为暗通道中图像的灰度阈值,根据实际应用的数据统计得知,两个阈值均取值为0.05能取得较好的判定效果;
S4.3、根据区域生长的生长规则,以种子像素值Seed的像素点为中心进行区域生长,当达到天空区域与非天空区域的边界时,区域生长停止,完成暗通道图像中的天空区域与非天空区域的识别。
进一步,为了加快区域生长的运行效率,步骤S4.3中的区域生长停止的触发条件为:设定变量Val=2/3Size,Size为视频图像的大小,当区域生长过程处理的像素个数达到变量Val时,停止区域生长。
进一步,因为天空区域可能存在白色云彩,这些白色云彩的区域不符合天空区域的生长规则,且基本没有暗通道,根据其图像特征,可采用的约束条件区分该区域,
所以步骤S4.3之后还包括步骤:
S4.4、当满足的条件时,将像素点x划入天空区域。
步骤S5中不同能见度模式对应的天空区域和非天空区域透射率修正系数的设定方法为:
建立包含不同能见度的能见度模式,因当能见度V大于500m时,不用采取任何交通管控措施,所以将能见度V大于500m的情况划分为一种模式,共有5种模式:
V为能见度,单位为米;
选取分别属于各能见度模式的能见度为1000m,500m,200m,100m,50m的已知能见度的视频图像,获取各已知能见度的视频图像的暗通道图像;
根据已知能见度的视频图像的暗通道图像估测已知能见度的视频图像的大气光照值;
根据已知能见度的视频图像的大气光照值计算已知能见度的视频图像的估算大气透射率,公式为
公式中,为已知能见度的视频图像的估算大气透射率,c为三基色空间中的颜色通道,Ω(x)表示中心点为像素点x的局部区域,Ic(y)为图像中像素位置为y的颜色通道c的像素值,Ac为颜色通道c的大气光照值;
计算已知能见度的视频图像的估算能见度,公式为:
公式中,为已知能见度的视频图像的估算能见度;
采用区域生长法识别已知能见度的视频图像的暗通道图像中的天空区域与非天空区域;
以已知能见度的视频图像作为引导图像,采用引导滤波优化,消除块状效应;
以已知能见度的视频图像的估算能见度与已知能见度的视频图像的实际能见度之间的差值作为目标函数,根据最小二乘法原理,推导分别属于不同能见度模式的,能见度分别为1000m,500m,200m,100m,50m已知能见度的视频图像对应的天空区域和非天空区域透射率修正系数,作为不同能见度模式对应的天空区域和非天空区域透射率修正系数。
进一步,推导不同能见度模式对应的天空区域和非天空区域透射率修正系数的公式如下,
天空区域的目标函数和透射率修正函数为:
公式中,Li为能见度模式为i(i∈{1,2,3,4,5})时的实际能见度,L(ti(x))为透射率为ti(x)时图像的估算能见度Ki、分别为能见度模式为i(i∈{1,2,3,4,5})时的天空区域透射率修正系数;
非天空区域的目标函数和透射率修正函数为:
公式中,为能见度模式为i(i∈{1,2,3,4,5})时的非天空区域透射率修正系数。
步骤S6中,
根据视频图像的天空区域和非天空区域透射率修正系数计算视频图像的大气透射率的公式为:
公式中,t(x)为视频图像的大气透射率,c为三基色空间中的颜色通道,Ω(x)表示中心点为像素点x的局部区域,Ic(y)为图像中像素位置为y的颜色通道c的像素值,Ac为颜色通道c的大气光照值,K、ωs分别为视频图像的天空区域透射率修正系数,ωt为视频图像的非天空区域透射率修正系数;
计算视频图像的能见度的公式为:
公式中,V为视频图像的能见度。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (9)
1.一种基于视频图像的能见度检测方法,其特征在于,该方法包括如下步骤:
S1、获取待检测区域的视频图像的暗通道图像;
S2、根据所述暗通道图像估测所述视频图像的大气光照值;
S3、根据所述视频图像的大气光照值计算所述视频图像的估算大气透射率,并根据所述视频图像的估算大气透射率计算所述视频图像的估算能见度;
S4、采用区域生长法识别所述暗通道图像中的天空区域与非天空区域;
S5、根据所述视频图像的估算能见度,在设定的不同能见度模式对应的天空区域和非天空区域透射率修正系数中选取所述视频图像的天空区域和非天空区域透射率修正系数;
S6、根据所述视频图像的天空区域和非天空区域透射率修正系数计算所述视频图像的大气透射率,并根据所述视频图像的大气透射率计算所述视频图像的能见度。
2.根据权利要求1所述的基于视频图像的能见度检测方法,其特征在于,步骤S2中估测所述视频图像的大气光照值的方法为:将所述视频图像的暗通道图像中每个像素点的暗通道值按照从大到小顺序排列,取前10%的暗通道值的均值作为所述视频图像的大气光照值。
3.根据权利要求1所述的基于视频图像的能见度检测方法,其特征在于,步骤S3中,
计算所述视频图像的估算大气透射率的公式为:
公式中,为视频图像的估算大气透射率,c为三基色空间中的颜色通道,Ω(x)表示中心点为像素点x的局部区域,Ic(y)为图像中像素位置为y的颜色通道c的像素值,Ac为颜色通道c的大气光照值;
计算所述视频图像的估算能见度的公式为:
公式中,为视频图像的估算能见度。
4.根据权利要求1所述的基于视频图像的能见度检测方法,其特征在于,步骤S4进一步包括如下子步骤:
S4.1、选取所述暗通道图像中亮度最大的像素值作为种子像素值Seed;
S4.2、确定区域生长的生长规则:
当满足以下约束条件时,像素点属于天空区域,不满足时像素点属于非天空区域:
公式中,c为三基色空间中的颜色通道,Ω(x)表示中心点为像素点x的局部区域,Ic(y)为图像中像素位置为y的颜色通道c的像素值,Ac为颜色通道c的大气光照值,th1为所述视频图像的灰度图像中图像的灰度阈值,th2为暗通道中图像的灰度阈值;
S4.3、根据区域生长的生长规则,以种子像素值Seed的像素点为中心进行区域生长,当达到天空区域与非天空区域的边界时,区域生长停止,完成所述暗通道图像中的天空区域与非天空区域的识别。
5.根据权利要求4所述的基于视频图像的能见度检测方法,其特征在于,步骤S4.3中的区域生长停止的触发条件为:设定变量Val=2/3Size,Size为所述视频图像的大小,当区域生长过程处理的像素个数达到变量Val时,停止区域生长。
6.根据权利要求4所述的基于视频图像的能见度检测方法,其特征在于,步骤S4.3之后还包括步骤:
S4.4、当满足的条件时,将像素点x划入天空区域。
7.根据权利要求1所述的基于视频图像的能见度检测方法,其特征在于,步骤S5中不同能见度模式对应的天空区域和非天空区域透射率修正系数的设定方法为:
建立包含不同能见度的能见度模式,所述能见度模式包括:
V为能见度,单位为米;
选取分别属于不同能见度模式的能见度为1000m,500m,200m,100m,50m的已知能见度的视频图像,获取各已知能见度的视频图像的暗通道图像;
根据所述已知能见度的视频图像的暗通道图像估测已知能见度的视频图像的大气光照值;
根据已知能见度的视频图像的大气光照值计算已知能见度的视频图像的估算大气透射率,公式为
公式中,为已知能见度的视频图像的估算大气透射率,c为三基色空间中的颜色通道,Ω(x)表示中心点为像素点x的局部区域,Ic(y)为图像中像素位置为y的颜色通道c的像素值,Ac为颜色通道c的大气光照值;
计算已知能见度的视频图像的估算能见度,公式为:
公式中,为已知能见度的视频图像的估算能见度;
采用区域生长法识别已知能见度的视频图像的暗通道图像中的天空区域与非天空区域;
以已知能见度的视频图像的估算能见度与已知能见度的视频图像的实际能见度之间的差值作为目标函数,根据最小二乘法原理,推导不同能见度模式对应的天空区域和非天空区域透射率修正系数。
8.根据权利要求7所述的基于视频图像的能见度检测方法,其特征在于,所述推导不同能见度模式对应的天空区域和非天空区域透射率修正系数的公式如下,
天空区域的目标函数和透射率修正函数为:
公式中,Li为能见度模式为i(i∈{1,2,3,4,5})时的实际能见度,L(ti(x))为透射率为ti(x)时图像的估算能见度Ki、分别为能见度模式为i(i∈{1,2,3,4,5})时的天空区域透射率修正系数;
非天空区域的目标函数和透射率修正函数为:
公式中,为能见度模式为i(i∈{1,2,3,4,5})时的非天空区域透射率修正系数。
9.根据权利要求1所述的基于视频图像的能见度检测方法,其特征在于,步骤S6中,
根据所述视频图像的天空区域和非天空区域透射率修正系数计算所述视频图像的大气透射率的公式为:
公式中,t(x)为视频图像的大气透射率,c为三基色空间中的颜色通道,Ω(x)表示中心点为像素点x的局部区域,Ic(y)为图像中像素位置为y的颜色通道c的像素值,Ac为颜色通道c的大气光照值,K、ωs分别为所述视频图像的天空区域透射率修正系数,ωt为所述视频图像的非天空区域透射率修正系数;
计算所述视频图像的能见度的公式为:
公式中,V为视频图像的能见度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510741206.4A CN105424655B (zh) | 2015-11-04 | 2015-11-04 | 一种基于视频图像的能见度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510741206.4A CN105424655B (zh) | 2015-11-04 | 2015-11-04 | 一种基于视频图像的能见度检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105424655A true CN105424655A (zh) | 2016-03-23 |
CN105424655B CN105424655B (zh) | 2018-01-30 |
Family
ID=55503005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510741206.4A Active CN105424655B (zh) | 2015-11-04 | 2015-11-04 | 一种基于视频图像的能见度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105424655B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105931220A (zh) * | 2016-04-13 | 2016-09-07 | 南京邮电大学 | 基于暗通道先验与最小图像熵的交通雾霾能见度检测方法 |
CN106204494A (zh) * | 2016-07-15 | 2016-12-07 | 潍坊学院 | 一种包含大面积天空区域的图像去雾方法及系统 |
CN106248635A (zh) * | 2016-07-22 | 2016-12-21 | 福州大学 | 基于数字摄像的能见度检测方法 |
CN106404720A (zh) * | 2016-08-24 | 2017-02-15 | 中国气象科学研究院 | 一种能见度观测方法 |
CN107025636A (zh) * | 2017-03-09 | 2017-08-08 | 广东欧珀移动通信有限公司 | 结合深度信息的图像去雾方法及装置和电子装置 |
CN107194924A (zh) * | 2017-05-23 | 2017-09-22 | 重庆大学 | 基于暗通道先验和深度学习的高速公路雾天能见度检测方法 |
CN107481277A (zh) * | 2017-07-11 | 2017-12-15 | 河海大学 | 一种成像装置及基于暗信道先验模型的检测方法 |
CN107564014A (zh) * | 2017-08-17 | 2018-01-09 | 南京信息工程大学 | 一种基于数码相机的大气能见度和埃指数的测量方法 |
CN109166081A (zh) * | 2018-08-21 | 2019-01-08 | 安徽超远信息技术有限公司 | 一种视频能见度检测过程中目标亮度调节方法 |
CN109377726A (zh) * | 2018-10-29 | 2019-02-22 | 江苏大学 | 一种基于车联网的高速公路团雾精确警示、诱导系统及方法 |
CN110322431A (zh) * | 2019-05-23 | 2019-10-11 | 深圳大学 | 雾霾图像质量评价方法、系统、存储介质及电子设备 |
CN111192275A (zh) * | 2019-12-30 | 2020-05-22 | 西安金路交通工程科技发展有限责任公司 | 基于暗通道先验理论的高速公路团雾能见度识别方法 |
WO2020232710A1 (zh) * | 2019-05-23 | 2020-11-26 | 深圳大学 | 雾霾图像质量评价方法、系统、存储介质及电子设备 |
CN112288736A (zh) * | 2020-11-09 | 2021-01-29 | 浙江大学 | 一种基于图像的能见度估测方法 |
CN112801195A (zh) * | 2021-02-04 | 2021-05-14 | 四川望村网络科技有限公司 | 一种基于深度学习的雾天能见度预测方法,存储装置及服务器 |
CN113793373A (zh) * | 2021-08-04 | 2021-12-14 | 武汉市公安局交通管理局 | 一种能见度检测方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020176623A1 (en) * | 2001-03-29 | 2002-11-28 | Eran Steinberg | Method and apparatus for the automatic real-time detection and correction of red-eye defects in batches of digital images or in handheld appliances |
CN101930533A (zh) * | 2009-06-19 | 2010-12-29 | 株式会社理光 | 在图像采集设备中进行天空检测的装置和方法 |
CN102162788A (zh) * | 2010-10-19 | 2011-08-24 | 北方工业大学 | 基于高清视频的能见度检测方法 |
CN103077500A (zh) * | 2012-12-30 | 2013-05-01 | 信帧电子技术(北京)有限公司 | 图像数据的去雾方法及装置 |
-
2015
- 2015-11-04 CN CN201510741206.4A patent/CN105424655B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020176623A1 (en) * | 2001-03-29 | 2002-11-28 | Eran Steinberg | Method and apparatus for the automatic real-time detection and correction of red-eye defects in batches of digital images or in handheld appliances |
CN101930533A (zh) * | 2009-06-19 | 2010-12-29 | 株式会社理光 | 在图像采集设备中进行天空检测的装置和方法 |
CN102162788A (zh) * | 2010-10-19 | 2011-08-24 | 北方工业大学 | 基于高清视频的能见度检测方法 |
CN103077500A (zh) * | 2012-12-30 | 2013-05-01 | 信帧电子技术(北京)有限公司 | 图像数据的去雾方法及装置 |
Non-Patent Citations (4)
Title |
---|
孙红光等: "一种自适应基于暗通道先验的去雾方法", 《吉林大学学报(理学版)》 * |
张弘: "《数字图像处理与分析》", 31 May 2007, 机械工业出版社 * |
郭尚书等: "基于暗通道先验的视频能见度测量方法", 《计算机与数字工程》 * |
陈晓婷等: "数字摄像能见度仪的白天能见度算法设计", 《电子测量与仪器学报》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105931220A (zh) * | 2016-04-13 | 2016-09-07 | 南京邮电大学 | 基于暗通道先验与最小图像熵的交通雾霾能见度检测方法 |
CN105931220B (zh) * | 2016-04-13 | 2018-08-21 | 南京邮电大学 | 基于暗通道先验与最小图像熵的交通雾霾能见度检测方法 |
CN106204494A (zh) * | 2016-07-15 | 2016-12-07 | 潍坊学院 | 一种包含大面积天空区域的图像去雾方法及系统 |
CN106204494B (zh) * | 2016-07-15 | 2019-11-22 | 潍坊学院 | 一种包含大面积天空区域的图像去雾方法及系统 |
CN106248635A (zh) * | 2016-07-22 | 2016-12-21 | 福州大学 | 基于数字摄像的能见度检测方法 |
CN106248635B (zh) * | 2016-07-22 | 2019-01-22 | 福州大学 | 一种基于数字摄像的能见度检测方法 |
CN106404720B (zh) * | 2016-08-24 | 2019-02-26 | 中国气象科学研究院 | 一种能见度观测方法 |
CN106404720A (zh) * | 2016-08-24 | 2017-02-15 | 中国气象科学研究院 | 一种能见度观测方法 |
CN107025636A (zh) * | 2017-03-09 | 2017-08-08 | 广东欧珀移动通信有限公司 | 结合深度信息的图像去雾方法及装置和电子装置 |
CN107025636B (zh) * | 2017-03-09 | 2020-03-17 | Oppo广东移动通信有限公司 | 结合深度信息的图像去雾方法及装置和电子装置 |
CN107194924A (zh) * | 2017-05-23 | 2017-09-22 | 重庆大学 | 基于暗通道先验和深度学习的高速公路雾天能见度检测方法 |
CN107481277A (zh) * | 2017-07-11 | 2017-12-15 | 河海大学 | 一种成像装置及基于暗信道先验模型的检测方法 |
CN107564014A (zh) * | 2017-08-17 | 2018-01-09 | 南京信息工程大学 | 一种基于数码相机的大气能见度和埃指数的测量方法 |
CN109166081B (zh) * | 2018-08-21 | 2020-09-04 | 安徽超远信息技术有限公司 | 一种视频能见度检测过程中目标亮度调节方法 |
CN109166081A (zh) * | 2018-08-21 | 2019-01-08 | 安徽超远信息技术有限公司 | 一种视频能见度检测过程中目标亮度调节方法 |
CN109377726B (zh) * | 2018-10-29 | 2020-07-31 | 江苏大学 | 一种基于车联网的高速公路团雾精确警示、诱导系统及方法 |
CN109377726A (zh) * | 2018-10-29 | 2019-02-22 | 江苏大学 | 一种基于车联网的高速公路团雾精确警示、诱导系统及方法 |
CN110322431A (zh) * | 2019-05-23 | 2019-10-11 | 深圳大学 | 雾霾图像质量评价方法、系统、存储介质及电子设备 |
WO2020232710A1 (zh) * | 2019-05-23 | 2020-11-26 | 深圳大学 | 雾霾图像质量评价方法、系统、存储介质及电子设备 |
CN110322431B (zh) * | 2019-05-23 | 2021-04-13 | 深圳大学 | 雾霾图像质量评价方法、系统、存储介质及电子设备 |
CN111192275A (zh) * | 2019-12-30 | 2020-05-22 | 西安金路交通工程科技发展有限责任公司 | 基于暗通道先验理论的高速公路团雾能见度识别方法 |
CN112288736A (zh) * | 2020-11-09 | 2021-01-29 | 浙江大学 | 一种基于图像的能见度估测方法 |
CN112288736B (zh) * | 2020-11-09 | 2022-11-15 | 浙江大学 | 一种基于图像的能见度估测方法 |
CN112801195A (zh) * | 2021-02-04 | 2021-05-14 | 四川望村网络科技有限公司 | 一种基于深度学习的雾天能见度预测方法,存储装置及服务器 |
CN113793373A (zh) * | 2021-08-04 | 2021-12-14 | 武汉市公安局交通管理局 | 一种能见度检测方法、装置、设备及介质 |
CN113793373B (zh) * | 2021-08-04 | 2024-05-24 | 武汉市公安局交通管理局 | 一种能见度检测方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105424655B (zh) | 2018-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105424655A (zh) | 一种基于视频图像的能见度检测方法 | |
CN106910203B (zh) | 一种视频监测中运动目标的快速检测方法 | |
CN101430195B (zh) | 一种利用视频图像处理技术计算输电线路覆冰厚度的方法 | |
CN107506798B (zh) | 一种基于图像识别的水位监测方法 | |
CN104011737B (zh) | 用于探测雾的方法 | |
CN101957309B (zh) | 一种能见度的全天候视频测量方法 | |
CN102252623B (zh) | 基于视频差异分析的输电线路导/地线覆冰厚度测量方法 | |
US20160260306A1 (en) | Method and device for automated early detection of forest fires by means of optical detection of smoke clouds | |
CN103440484B (zh) | 一种适应室外大空间的火焰检测方法 | |
CN107194924A (zh) | 基于暗通道先验和深度学习的高速公路雾天能见度检测方法 | |
CN101936900A (zh) | 一种基于视频的能见度检测系统 | |
CN103630496B (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 | |
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 | |
CN105931220A (zh) | 基于暗通道先验与最小图像熵的交通雾霾能见度检测方法 | |
CN104634784B (zh) | 大气能见度监测方法和装置 | |
CN102175613A (zh) | 基于图像亮度特征的ptz视频能见度检测方法 | |
JP2007232652A (ja) | 路面状態判定装置および路面状態判定方法 | |
CN108830880B (zh) | 一种适用于高速公路的视频能见度检测预警方法及其系统 | |
CN102509102A (zh) | 基于图像学习的能见度测量方法 | |
CN110020642A (zh) | 一种基于车辆检测的能见度识别方法 | |
CN103149603B (zh) | 一种基于视频的道路气象检测方法 | |
CN114882410B (zh) | 基于改进定位损失函数的隧道顶灯故障检测方法及系统 | |
CN112419745A (zh) | 一种基于深度融合网络的高速公路团雾预警系统 | |
CN103134800A (zh) | 一种基于视频的道路气象检测系统 | |
CN201740736U (zh) | 一种基于视频的能见度检测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |