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 PDF

Info

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
Application number
CN201810521823.7A
Other languages
English (en)
Other versions
CN108846324A (zh
Inventor
胡增
江大白
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Applied Technology Co Ltd
Original Assignee
China Applied Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Applied Technology Co Ltd filed Critical China Applied Technology Co Ltd
Priority to CN201810521823.7A priority Critical patent/CN108846324B/zh
Publication of CN108846324A publication Critical patent/CN108846324A/zh
Application granted granted Critical
Publication of CN108846324B publication Critical patent/CN108846324B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

一种基于图像的道路团雾检测方法
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
Figure BDA0001674982330000011
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)；
令
Figure BDA0001674982330000021
如果R<T，则判定为有雾；反之，则判定为没有雾，其中T为判定阈值。
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：
Figure BDA0001674982330000022
Figure BDA0001674982330000023
Figure BDA0001674982330000024
Cmax＝max(R',G',B')
Cmin＝min(R',G',B')
Δ＝Cmax-Cmin
Figure BDA0001674982330000025
Figure BDA0001674982330000026
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：
Figure BDA0001674982330000031
Figure BDA0001674982330000032
Figure BDA0001674982330000033
Cmax＝max(R',G',B')
Cmin＝min(R',G',B')
Δ＝Cmax-Cmin
Figure BDA0001674982330000041
Figure BDA0001674982330000042
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
Figure BDA0001674982330000043
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)；
令
Figure BDA0001674982330000044
如果R<T，则判定为有雾；反之，则判定为没有雾，其中T为判定阈值。

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
Figure FDA0002472982120000015
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)；
令
Figure FDA0002472982120000011
如果R<T，则判定为有雾；反之，则判定为没有雾，其中T为判定阈值。
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。
3.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，所述将现场图像从RGB空间转换到HSV空间，具体为：
Figure FDA0002472982120000012
Figure FDA0002472982120000013
Figure FDA0002472982120000014
Cmax＝max(R',G',B')
Cmin＝min(R',G',B')
Δ＝Cmax-Cmin
Figure FDA0002472982120000021
Figure FDA0002472982120000022
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。
CN201810521823.7A 2018-05-28 2018-05-28 一种基于图像的道路团雾检测方法 Active CN108846324B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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