CN108846324B - 一种基于图像的道路团雾检测方法 - Google Patents
一种基于图像的道路团雾检测方法 Download PDFInfo
- Publication number
- CN108846324B CN108846324B CN201810521823.7A CN201810521823A CN108846324B CN 108846324 B CN108846324 B CN 108846324B CN 201810521823 A CN201810521823 A CN 201810521823A CN 108846324 B CN108846324 B CN 108846324B
- Authority
- CN
- China
- Prior art keywords
- image
- fog
- value
- pixel point
- histogram
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开一种基于图像的道路团雾检测方法。获取现场图像;将现场图像从RGB空间转换到HSV空间;统计图像S分量的直方图得到P(s);选取P(s)的最大值,记为P(sp1),并将其去除;将余下的P(s)从大到小排列:P(s1),P(s2),…,P(si),…P(sn),搜索一个满足条件的P(si),记为P(sp2);如果未找到满足要求的P(si),则判断为大雾;在区间(sp2,sp1)或(sp1,sp2)内搜索P(s)的最小值,记为P(sv);依据判定条件判定是否有雾。本发明的方法在图像的直方图空间中进行处理,利用了图像的统计特性,对噪声的抗干扰性较强。
Description
技术领域
本发明涉及数字图像处理和道路团雾检测技术领域,具体的说是一种基于图像的道路团雾检测方法。
背景技术
团雾受局部地区微气候环境的影响,区域性强,难以预报。在道路,尤其是在高速公路上,团雾会导致能见度的突然变化,对高速公路交通安全极具危害性,容易酿成重大交通事故。
传统的雾天监测方法主要有两类:气象卫星遥感和能见度观测仪。气象卫星遥感主要用于大范围的雾天监测,对于范围仅有几公里的团雾基本监测不到。能见度观测仪对雾天的检测效果很好,但是价格昂贵,难以在道路上密集布置,团雾检测的实用性大大降低。
发明内容
针对现有技术中存在的上述不足之处,本发明要解决的技术问题是提供一种基于图像的道路团雾检测方法。
本发明为实现上述目的所采用的技术方案是:一种基于图像的道路团雾检测方法,包括以下步骤:
获取现场图像;
将现场图像从RGB空间转换到HSV空间;
统计图像S分量的直方图得到P(s),其中s∈S,S={图像S分量所有可能的取值};
选取P(s)的最大值,记为P(sp1),并将P(sp1)从P(s)中去除;
将去除P(sp1)后余下的P(s)从大到小排列:P(s1),P(s2),…,P(si),…P(sn),搜索一个P(si),如果P(si)满足则停止搜索,记该值为P(sp2);如果未找到满足要求的P(si),则判断为大雾,其中, {si-M,...,si-1}表示直方图中P(si)左边M个S分量,{si+1,...,si+M}表示直方图中 P(si)右边M个S分量,在上述2M个S分量中,如果某个分量不存,则将其P(s) 值设为0;
在区间(sp2,sp1)或(sp1,sp2)内搜索P(s)的最小值,记为P(sv);
所述现场图像通过监控摄像机获得。
所述将现场图像从RGB空间转换到HSV空间,具体为:
Cmax=max(R',G',B')
Cmin=min(R',G',B')
Δ=Cmax-Cmin
V=Cmax
其中,R表示现场图像中某一像素点的红色亮度值,G表示现场图像中某一像素点的绿色亮度值,B表示现场图像中某一像素点的蓝色亮度值,R'、G'、B'、 Cmax、Cmin、Δ均为中间参数,H表示对应像素点的色相值,S表示对应像素点的饱和度值,V表示对应像素点的亮度值。
本发明具有以下优点及有益效果:
1、本发明的方法在图像的直方图空间中进行处理,利用了图像的统计特性,对噪声的抗干扰性较强。
2、本发明在寻找第二波峰、以及最后判断有雾还是没有雾的过程中,均采用的是相对量,而非绝对量,算法鲁棒性好,可以有效的判别大雾、有雾和没有雾。
3、本发明可以利用道路上现有的监控摄像机,实现密集的团雾检测,大大提升了检测的实用性,并且检测的算法相对简单,运行速度快,需要调整的参数少,便于调优。
附图说明
图1为本发明方法流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
本发明基于图像的色度分量的直方图,通过计算峰值的数量以及第二峰值同谷值的相对关系,判断是大雾、有雾还是没有雾。如图1所示,步骤如下:
获取现场图像。利用监控摄像机拍摄现场视频,再从现场视频中提取各帧的现场图像。
将现场图像从RGB空间转换到HSV空间,具体为:
Cmax=max(R',G',B')
Cmin=min(R',G',B')
Δ=Cmax-Cmin
V=Cmax
其中,R表示现场图像中某一像素点的红色亮度值,G表示现场图像中某一像素点的绿色亮度值,B表示现场图像中某一像素点的蓝色亮度值,R'、G'、 B'、Cmax、Cmin、Δ均为中间参数,H表示对应像素点的色相值,S表示对应像素点的饱和度值,V表示对应像素点的亮度值。
统计图像S分量的直方图得到P(s),其中s∈S,S={图像S分量所有可能的取值};
选取P(s)的最大值,记为P(sp1),并将P(sp1)从P(s)中去除;
将去除P(sp1)后余下的P(s)从大到小排列:P(s1),P(s2),…,P(si),…P(sn),搜索一个P(si),如果P(si)满足则停止搜索,记该值为P(sp2);如果未找到满足要求的P(si),则判断为大雾。其中, {si-M,...,si-1}表示直方图中P(si)左边M个S分量,{si+1,...,si+M}表示直方图中 P(si)右边M个S分量,在上述2M个S分量中,如果某个分量不存,则将其P(s) 值设为0;
在区间(sp2,sp1)或(sp1,sp2)内搜索P(s)的最小值,记为P(sv);
Claims (3)
1.一种基于图像的道路团雾检测方法,其特征在于,包括以下步骤:
获取现场图像;
将现场图像从RGB空间转换到HSV空间;
统计图像饱和度分量的直方图得到P(s),其中s∈S,S={图像饱和度分量所有可能的取值};
选取P(s)的最大值,记为P(sp1),并将P(sp1)从P(s)中去除;
将去除P(sp1)后余下的P(s)从大到小排列:P(s1),P(s2),…,P(si),…P(sn),搜索一个P(si),如果P(si)满足则停止搜索,记该值为P(sp2);如果未找到满足要求的P(si),则判断为大雾,其中,{si-M,...,si-1}表示直方图中P(si)左边M个饱和度分量,{si+1,...,si+M}表示未经排列的直方图中P(si)右边M个饱和度分量,在上述2M个饱和度分量中,如果某个分量不存,则将其P(s)值设为0;
在区间(sp2,sp1)或(sp1,sp2)内搜索P(s)的最小值,记为P(sv);
2.根据权利要求1所述的一种基于图像的道路团雾检测方法,其特征在于,所述现场图像通过监控摄像机获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810521823.7A CN108846324B (zh) | 2018-05-28 | 2018-05-28 | 一种基于图像的道路团雾检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810521823.7A CN108846324B (zh) | 2018-05-28 | 2018-05-28 | 一种基于图像的道路团雾检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108846324A CN108846324A (zh) | 2018-11-20 |
CN108846324B true CN108846324B (zh) | 2020-06-30 |
Family
ID=64207805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810521823.7A Active CN108846324B (zh) | 2018-05-28 | 2018-05-28 | 一种基于图像的道路团雾检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108846324B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783732A (zh) * | 2020-07-17 | 2020-10-16 | 上海商汤智能科技有限公司 | 团雾识别方法、装置、电子设备及存储介质 |
CN112419745A (zh) * | 2020-10-20 | 2021-02-26 | 中电鸿信信息科技有限公司 | 一种基于深度融合网络的高速公路团雾预警系统 |
Citations (3)
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 |
CN102779349A (zh) * | 2012-06-30 | 2012-11-14 | 东南大学 | 一种基于图像颜色空间特征的雾天检测方法 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101568971B1 (ko) * | 2011-08-03 | 2015-11-13 | 인디안 인스티튜트 오브 테크놀로지, 카라그푸르 | 화상 및 동영상에서 안개를 제거하는 방법 및 시스템 |
-
2018
- 2018-05-28 CN CN201810521823.7A patent/CN108846324B/zh active Active
Patent Citations (3)
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 |
CN102779349A (zh) * | 2012-06-30 | 2012-11-14 | 东南大学 | 一种基于图像颜色空间特征的雾天检测方法 |
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 |
Non-Patent Citations (1)
Title |
---|
《A Fog Level Detection Method Based on Image HSV Color Histogram》;Chunxue Liu等;《2014 IEEE International Conference on Progress in Informatics and Computing》;20140531;373-377 * |
Also Published As
Publication number | Publication date |
---|---|
CN108846324A (zh) | 2018-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10592754B2 (en) | Shadow removing method for color image and application | |
CN102881160B (zh) | 一种低照度场景下的户外交通标志识别方法 | |
TW201351301A (zh) | 自適應障礙物影像偵測方法 | |
CN108280409B (zh) | 一种基于多特征融合的大空间视频烟雾检测方法 | |
CN108846324B (zh) | 一种基于图像的道路团雾检测方法 | |
CN108154492B (zh) | 一种基于非局部均值滤波的图像去雾霾方法 | |
CN102314601A (zh) | 使用非线性光照恒定核去除由基于车辆的相机捕获的图像中的阴影 | |
CN103458156A (zh) | 一种恶劣天气条件下交通事件检测视频信号预处理方法 | |
CA2611676A1 (en) | Terrain map summary elements | |
CN115797775B (zh) | 基于近地视频图像的违章建筑智能识别方法及系统 | |
CN105704454B (zh) | 一种改善抓拍取证图像roi清晰度的方法 | |
CN103440628B (zh) | 一种去除视频运动目标阴影干扰的方法 | |
CN110223253B (zh) | 一种基于图像增强的去雾方法 | |
WO2021026855A1 (zh) | 基于机器视觉的图像处理方法和设备 | |
Jin et al. | Image Enhancement Based on Selective-Retinex Fusion Algorithm. | |
CN109800693B (zh) | 一种基于颜色通道混合特征的夜间车辆检测方法 | |
US10417518B2 (en) | Vehicle camera system | |
CN109389132A (zh) | 一种基于图像的雾浓度检测预警方法及系统 | |
CN111192275A (zh) | 基于暗通道先验理论的高速公路团雾能见度识别方法 | |
Zong et al. | Traffic light detection based on multi-feature segmentation and online selecting scheme | |
Lin et al. | Airborne moving vehicle detection for urban traffic surveillance | |
CN111985436A (zh) | 一种基于lsd的车间地标线识别拟合方法 | |
JP2016110373A (ja) | カーブミラー検出装置 | |
JP2007264838A (ja) | 物体識別装置 | |
CN110197465A (zh) | 一种有雾图像增强算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder |
Address after: 230601 floor 12, building e, intelligent equipment science and Technology Park, 3963 Susong Road, Hefei Economic and Technological Development Zone, Anhui Province Patentee after: CHINA APPLIED TECHNOLOGY Co.,Ltd. Address before: 230088 Anhui city of Hefei province high tech Zone Innovation Industrial Park Road Wenqu room B1-1102 Patentee before: CHINA APPLIED TECHNOLOGY Co.,Ltd. |
|
CP02 | Change in the address of a patent holder |