CN111192275A - 基于暗通道先验理论的高速公路团雾能见度识别方法 - Google Patents

基于暗通道先验理论的高速公路团雾能见度识别方法 Download PDF

Info

Publication number
CN111192275A
CN111192275A CN201911393198.3A CN201911393198A CN111192275A CN 111192275 A CN111192275 A CN 111192275A CN 201911393198 A CN201911393198 A CN 201911393198A CN 111192275 A CN111192275 A CN 111192275A
Authority
CN
China
Prior art keywords
dark channel
image
visibility
dark
extinction coefficient
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.)
Pending
Application number
CN201911393198.3A
Other languages
English (en)
Inventor
李得俊
杨晓东
李国强
李威
张羽西
方涛
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.)
Xi'an Goldenroad Traffic Engineering Technology Development Co ltd
Original Assignee
Xi'an Goldenroad Traffic Engineering Technology Development 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 Xi'an Goldenroad Traffic Engineering Technology Development Co ltd filed Critical Xi'an Goldenroad Traffic Engineering Technology Development Co ltd
Priority to CN201911393198.3A priority Critical patent/CN111192275A/zh
Publication of CN111192275A publication Critical patent/CN111192275A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于暗通道先验理论的高速公路团雾能见度识别方法，该方法为：对原始图像进行暗通道转化获得暗通道图像，根据大气光学模型和暗通道先验求得该暗通道图像的图像透射率，根据所述图像透射率确定消光系数，根据所述消光系数确定能见度。本发明能够保证识别结果的准确性，算法简单、实时性高。

Description

基于暗通道先验理论的高速公路团雾能见度识别方法
技术领域
本发明属于能见度检测方法技术领域，具体涉及一种基于暗通道先验理论的高速公路团雾能见度识别方法。
背景技术
高速公路在实际运行中，容易受恶劣天气的影响。其中，雾天是一种典型的恶劣天气，大雾使得高速公路能见度大幅下降，这一方面使得道路整体车速降低，道路通行能力随之下降；另一方面低能见度影响驾驶员视野，极易造成交通事故。因此，如何利用高速公路视频实现雾天能见度检测，及时发现低能见度的大雾天气并对其进行告警，是提升高速公路行车安全的有力措施。
发明内容
有鉴于此，本发明的主要目的在于提供一种基于暗通道先验理论的高速公路团雾能见度识别方法。
为达到上述目的，本发明的技术方案是这样实现的：
本发明实施例提供一种基于暗通道先验理论的高速公路团雾能见度识别方法，该方法为：对原始图像进行暗通道转化获得暗通道图像，根据大气光学模型和暗通道先验求得该暗通道图像的图像透射率，根据所述图像透射率确定消光系数，根据所述消光系数确定能见度。
上述方案，所述对原始图像进行暗通道转化获得暗通道图像，具体为：对原始图像进行分割，分割出部分区域，之后通过对分割出的部分区域进行遍历，选出最小部分赋值到暗通道，并且根据kerne l膨胀获得暗通道图像。
上述方案，所述根据大气光学模型和暗通道先验求得该暗通道图像的图像透射率，具体为：根据公式
Figure BDA0002345551720000011
分别确定红绿蓝三通道在晴朗天气下的暗通道值，再根据三个晴朗天气下的暗通道值中最小的晴朗天气下的暗通道值获得暗通道值，根据所述暗通道值获得定义常数T(x)；其中，Jdark(x)为暗通道值，
Figure BDA0002345551720000021
-晴朗天气下的暗通道值，T(x)为定义常数。
上述方案，所述根据所述暗通道值获得定义常数T(x)，具体为；根据公式
Figure BDA0002345551720000022
确定定义常数T(x)。
上述方案，所述根据所述图像透射率确定消光系数，具体为：根据公式
Figure BDA0002345551720000023
确定消光系数，其中，β为消光系数，R(x)为图中分割出的一部分，i-R(x)为包含的像素，PR-R(x)为包含的像素总数，d为距被观测物的距离。
上述方案，所述根据所述消光系数确定能见度，具体为：根据公式
Figure BDA0002345551720000024
确定能见度。
与现有技术相比，本发明能够保证识别结果的准确性，算法简单、实时性高。
附图说明
图1为本发明实施例提供一种基于暗通道先验理论的高速公路团雾能见度识别方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种基于暗通道先验理论的高速公路团雾能见度识别方法，如图1所示，该方法通过以下步骤实现：
步骤101：对原始图像进行暗通道转化获得暗通道图像；
具体地，对原始图像进行分割，分割出部分区域，之后通过对分割出的部分区域进行遍历，选出最小部分赋值到暗通道，并且根据kerne l膨胀获得暗通道图像。
步骤102：根据大气光学模型和暗通道先验求得该暗通道图像的图像透射率；
具体地，根据公式
Figure BDA0002345551720000031
分别确定红绿蓝三通道在晴朗天气下的暗通道值，再根据三个晴朗天气下的暗通道值中最小的晴朗天气下的暗通道值获得暗通道值，根据所述暗通道值获得定义常数T(x)；其中，Jdark(x)为暗通道值，
Figure BDA0002345551720000032
-晴朗天气下的暗通道值，T(x)为定义常数。
Figure BDA0002345551720000033
取原图中的Ω范围，并且取最小像素值的点，并且在三通道的最小像素值中在选最小值,
Figure BDA0002345551720000034
-为RGB三通道中彩色图像的最小值。
根据公式
Figure BDA0002345551720000035
确定定义常数T(x)。
所述大气光学模型可以表达为：I(x)＝J(x)t(x)+A(1-t(x))，I(x)-原始图像、J(x)-清晰图像、t(x)-大气透射率、A-大气光强。
将所述大气光学模型变形为
Figure BDA0002345551720000036
I(R/G/B)-原图中红绿蓝三通道、J(R/G/B)-晴朗天气图中的红绿蓝三通道、A(R/G/B)-大气光强在图中表红绿蓝三通道示的红绿蓝三通道、t(x)-大气透射率，将t(x)设为一个常数定义为T(x)，A值之前已经给定，为当前图最亮像素像素值的0.1％。
再变形为公式1
Figure BDA0002345551720000041
Figure BDA0002345551720000042
分别求得三通道中三个值，然后再比较三个值的出最小值，并且通过之前的暗通道先验何以得出，晴朗天气下的图片中暗通道值趋近于0，可以知道Jc(y)是没有雾霾的图像，所以说可以通过暗通道先验的到下面的结果，得到公式2
Figure BDA0002345551720000043
Jdark(x)-暗通道值
Figure BDA0002345551720000044
-晴朗天气下的暗通道值
通过公式2可以推导出
Figure BDA0002345551720000045
上式代入1可以得到公式3
Figure BDA0002345551720000046
根据公式3得大概的大气透射率t，如下表所示。
Figure BDA0002345551720000047
Figure BDA0002345551720000051
步骤103：根据所述图像透射率确定消光系数；
具体地，根据公式
Figure BDA0002345551720000052
确定消光系数，其中，β为消光系数，R(x)为图中分割出的一部分，i-R(x)为包含的像素，PR-R(x)为包含的像素总数，d为距被观测物的距离。
步骤104：根据所述消光系数确定能见度。
具体地，根据公式
Figure BDA0002345551720000053
确定能见度。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (6)

1.一种基于暗通道先验理论的高速公路团雾能见度识别方法，其特征在于，该方法为：对原始图像进行暗通道转化获得暗通道图像，根据大气光学模型和暗通道先验求得该暗通道图像的图像透射率，根据所述图像透射率确定消光系数，根据所述消光系数确定能见度。
2.根据权利要求1所述的基于暗通道先验理论的高速公路团雾能见度识别方法，其特征在于，所述对原始图像进行暗通道转化获得暗通道图像，具体为：对原始图像进行分割，分割出部分区域，之后通过对分割出的部分区域进行遍历，选出最小部分赋值到暗通道，并且根据kernel膨胀获得暗通道图像。
3.根据权利要求1或2所述的基于暗通道先验理论的高速公路团雾能见度识别方法，其特征在于，所述根据大气光学模型和暗通道先验求得该暗通道图像的图像透射率，具体为：根据公式
Figure FDA0002345551710000011
分别确定红绿蓝三通道在晴朗天气下的暗通道值，再根据三个晴朗天气下的暗通道值中最小的晴朗天气下的暗通道值获得暗通道值，根据所述暗通道值获得定义常数T(x)；其中，Idark(x)为暗通道值，
Figure FDA0002345551710000012
-晴朗天气下的暗通道值，T(x)为定义常数。
4.根据权利要求3所述的基于暗通道先验理论的高速公路团雾能见度识别方法，其特征在于，所述根据所述暗通道值获得定义常数T(x)，具体为；根据公式
Figure FDA0002345551710000013
确定定义常数T(x)。
5.根据权利要求4所述的基于暗通道先验理论的高速公路团雾能见度识别方法，其特征在于，所述根据所述图像透射率确定消光系数，具体为：根据公式
Figure FDA0002345551710000014
确定消光系数，其中，β为消光系数，R(x)为图中分割出的一部分，i-R(x)为包含的像素，PR-R(x)为包含的像素总数，d为距被观测物的距离。
6.根据权利要求5所述的基于暗通道先验理论的高速公路团雾能见度识别方法，其特征在于，所述根据所述消光系数确定能见度，具体为：根据公式
Figure FDA0002345551710000021
确定能见度。
CN201911393198.3A 2019-12-30 2019-12-30 基于暗通道先验理论的高速公路团雾能见度识别方法 Pending CN111192275A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911393198.3A CN111192275A (zh) 2019-12-30 2019-12-30 基于暗通道先验理论的高速公路团雾能见度识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911393198.3A CN111192275A (zh) 2019-12-30 2019-12-30 基于暗通道先验理论的高速公路团雾能见度识别方法

Publications (1)

Publication Number Publication Date
CN111192275A true CN111192275A (zh) 2020-05-22

Family

ID=70707994

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911393198.3A Pending CN111192275A (zh) 2019-12-30 2019-12-30 基于暗通道先验理论的高速公路团雾能见度识别方法

Country Status (1)

Country Link
CN (1) CN111192275A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113850768A (zh) * 2021-09-15 2021-12-28 上海眼控科技股份有限公司 基于图像的能见度计算方法与设备

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105261018A (zh) * 2015-10-14 2016-01-20 山东交通学院 基于光学模型和暗原色先验理论的能见度检测方法
CN105424655A (zh) * 2015-11-04 2016-03-23 北京交通大学 一种基于视频图像的能见度检测方法
CN105512623A (zh) * 2015-12-02 2016-04-20 吉林大学 基于多传感器雾天行车视觉增强与能见度预警系统及方法
CN105973850A (zh) * 2016-03-14 2016-09-28 中国科学院合肥物质科学研究院 基于单帧彩色图像的可见光波段大气透过率测量方法
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
CN106408526A (zh) * 2016-08-25 2017-02-15 南京邮电大学 一种基于多层矢量图的能见度检测方法
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
CN108830880A (zh) * 2018-04-25 2018-11-16 安徽超远信息技术有限公司 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
CN109255759A (zh) * 2018-08-02 2019-01-22 辽宁师范大学 基于天空分割和透射率自适应修正的图像去雾方法
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
CN110378865A (zh) * 2019-04-28 2019-10-25 湖南师范大学 一种复杂背景下的雾天能见度智能分级识别方法及系统
KR102040562B1 (ko) * 2019-09-16 2019-11-06 주식회사 아라종합기술 영상정보를 활용한 시정거리 추정 방법
CN110503634A (zh) * 2019-07-29 2019-11-26 西安理工大学 基于图像自动识别的能见度测量方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105261018A (zh) * 2015-10-14 2016-01-20 山东交通学院 基于光学模型和暗原色先验理论的能见度检测方法
CN105424655A (zh) * 2015-11-04 2016-03-23 北京交通大学 一种基于视频图像的能见度检测方法
CN105512623A (zh) * 2015-12-02 2016-04-20 吉林大学 基于多传感器雾天行车视觉增强与能见度预警系统及方法
CN105973850A (zh) * 2016-03-14 2016-09-28 中国科学院合肥物质科学研究院 基于单帧彩色图像的可见光波段大气透过率测量方法
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
CN106408526A (zh) * 2016-08-25 2017-02-15 南京邮电大学 一种基于多层矢量图的能见度检测方法
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
CN108830880A (zh) * 2018-04-25 2018-11-16 安徽超远信息技术有限公司 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
CN109255759A (zh) * 2018-08-02 2019-01-22 辽宁师范大学 基于天空分割和透射率自适应修正的图像去雾方法
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
CN110378865A (zh) * 2019-04-28 2019-10-25 湖南师范大学 一种复杂背景下的雾天能见度智能分级识别方法及系统
CN110503634A (zh) * 2019-07-29 2019-11-26 西安理工大学 基于图像自动识别的能见度测量方法
KR102040562B1 (ko) * 2019-09-16 2019-11-06 주식회사 아라종합기술 영상정보를 활용한 시정거리 추정 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵瑞;胡辽林;赵江涛;: "基于暗原色先验理论的大气能见度测量", 激光与光电子学进展, no. 06, pages 78 - 85 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113850768A (zh) * 2021-09-15 2021-12-28 上海眼控科技股份有限公司 基于图像的能见度计算方法与设备

Similar Documents

Publication Publication Date Title
CN107301623B (zh) 一种基于暗通道和图像分割的交通图像去雾方法及系统
CN109886896B (zh) 一种蓝色车牌分割与矫正方法
WO2022027931A1 (zh) 基于视频图像的运动车辆前景检测方法
CN109753913B (zh) 计算高效的多模式视频语义分割方法
CN104732227B (zh) 一种基于清晰度和亮度评估的车牌快速定位方法
CN105631831B (zh) 一种雾霾条件下视频图像增强方法
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
CN111008608B (zh) 一种基于深度学习的夜间车辆检测方法
CN111723805B (zh) 一种信号灯的前景区域识别方法及相关装置
US20240013453A1 (en) Image generation method and apparatus, and storage medium
CN112863194B (zh) 一种图像处理方法、装置、终端及介质
Zhang et al. Application research of YOLO v2 combined with color identification
CN104778833A (zh) 识别交通信号灯的方法
CN107507140B (zh) 基于特征融合的高速公路露天场景车辆阴影干扰抑制方法
CN106815602B (zh) 一种基于多层次特征描述的跑道fod图像探测方法及装置
CN111008967A (zh) 一种绝缘子rtv涂层缺陷识别方法
CN105678272A (zh) 一种复杂环境下基于图像处理的目标检测方法
CN107066929B (zh) 一种融合多种特征的高速公路隧道停车事件分级识别方法
CN104463812A (zh) 修复在拍摄时受到雨滴干扰的视频图像的方法
WO2015154526A1 (zh) 视频监控低照度图像色彩还原方法和装置
CN108846324A (zh) 一种基于图像的道路团雾检测方法
CN109993714B (zh) 一种有色眩光的去除方法
CN109948543B (zh) 一种田间近景图像的导航线提取方法
CN113343742A (zh) 一种车道线检测方法、一种车道线检测系统
CN108229317B (zh) 一种基于显著性计算的交通信号灯识别方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200522