CN117152160A - 一种基于图像处理的机场灯具检测方法及系统 - Google Patents

Abstract

本发明涉及图像的前景背景分割技术领域，具体涉及一种基于图像处理的机场灯具检测方法及系统，包括：获取机场图像中的各个灯光照射区域，确定灯光照射区域中的各个圆弧线；将圆弧线上的像素点划分为第一类像素点和第二类像素点，确定第二类像素点为阴影像素点的概率；根据第二类像素点为阴影像素点的概率以及各个第一类像素点的灰度值，确定第二类像素点的灰度修正程度；根据第二类像素点的灰度修正程度、各个第一类像素点和各个第二类像素点的灰度值，确定灯具异常程度，进而判断各个灯光照射区域的灯具是否异常。本发明通过降低阴影区域对灯光照射亮度的影响，提高了灯具检测的准确性，主要适用于灯具异常检测领域。

Description

一种基于图像处理的机场灯具检测方法及系统

技术领域

本发明涉及图像的前景背景分割技术领域，具体涉及一种基于图像处理的机场灯具检测方法及系统。

背景技术

飞机在夜间或者天气较暗时起降，机场跑道上的灯光对飞行员的起降操作起到指示性作用，能够利用其判断飞机的位置以及状态，跑道灯光能够减少飞行事故的发生，更好的保障飞机的起降安全，跑道灯具可以由跑道入口翼排灯提供照明。在夜间或者天气较暗时，排灯将为飞机机场跑道表面上飞机的起降提供指示照明，使得跑道表面的照度要求不低于50Lux（勒克司，法定符号lx）。在跑道入口翼排灯的实际应用中，当排灯的使用时长接近其使用寿命时，可能会出现灯具损坏，主要表现为灯具不发光或照明效果不佳，从而使得对机场跑道的指示性作用较差，为飞机的起降安全埋下隐患。故需要经常对飞机机场跑道的入口翼排灯的照明效果进行检测。

现有灯具检测方法先构建并训练RetinaXNet网络模型，然后将待检测图像送入RetinaXNet网络中，最后根据网络输出结果判断待检测图像中的灯具是否异常。该方法直接对采集的图像进行异常分析，忽略了灯光造成的阴影区域对异常检测结果的影响，采集的待检测图像无法反应出灯具的真实亮度情况，导致灯具检测准确性较差。

发明内容

为了解决上述现有方法灯具检测准确性较差的技术问题，本发明的目的在于提供一种基于图像处理的机场灯具检测方法及系统，所采用的技术方案具体如下：

本发明一个实施例提供了一种基于图像处理的机场灯具检测方法，该方法包括以下步骤：

获取待检测灯具的机场图像；根据机场图像确定机场图像中的各个灯光照射区域以及各个灯光照射区域的光源点位置；

将任一灯光照射区域作为待分析区域，根据待分析区域的光源点位置确定各个圆弧线；将任一圆弧线作为待分析圆弧线，确定待分析圆弧线的预设半径邻域范围内的各邻域圆弧线；

根据待分析圆弧线及其各邻域圆弧线上每个像素点的灰度值，获得待分析圆弧线及其各邻域圆弧线上各个第一类像素点和各个第二类像素点；

根据待分析圆弧线上各个第一类像素点和各个第二类像素点的灰度值、待分析圆弧线及其各邻域圆弧线上各个第二类像素点的位置以及光源点位置，确定待分析圆弧线上第二类像素点为阴影像素点的概率；

确定待分析圆弧线的各邻域圆弧线上第二类像素点为阴影像素点的概率；根据待分析圆弧线及其各邻域圆弧线上第二类像素点为阴影像素点的概率以及各个第一类像素点的灰度值，确定待分析圆弧线上第二类像素点的灰度修正程度；

根据待分析区域内各个圆弧线上第二类像素点的灰度修正程度、各个第一类像素点和各个第二类像素点的灰度值，确定待分析区域的灯具异常程度；

根据各个灯光照射区域的灯具异常程度，判断各个灯光照射区域的灯具是否异常。

进一步地，根据待分析区域的光源点位置确定各个圆弧线，包括：

以待分析区域的光源点为圆心，以预设数值为初始半径，获得第一个圆，将第一个圆的边界与待分析区域重合的线作为圆弧线；通过预设递增值依次增大初始半径，直至达到预设最大半径阈值，获得各个第一半径；按照初始半径对应的圆弧线的确定方式，获得各个第一半径对应的圆弧线。

进一步地，根据待分析圆弧线及其各邻域圆弧线上每个像素点的灰度值，获得待分析圆弧线及其各邻域圆弧线上各个第一类像素点和各个第二类像素点，包括：

将待分析圆弧线或任一邻域圆弧线作为目标圆弧线，基于目标圆弧线上每个像素点的灰度值，对目标圆弧线上的所有像素点进行聚类处理，获得两个簇；根据两个簇内每个像素点的灰度值，确定两个簇的灰度均值，将灰度均值较大的簇内的像素点作为第一类像素点，将灰度均值较小的簇内的像素点作为第二类像素点。

进一步地，根据待分析圆弧线上各个第一类像素点和各个第二类像素点的灰度值、待分析圆弧线及其各邻域圆弧线上各个第二类像素点的位置以及光源点位置，确定待分析圆弧线上第二类像素点为阴影像素点的概率，包括：

根据待分析圆弧线上各个第一类像素点和各个第二类像素点的灰度值，计算待分析圆弧线上第一类像素点的灰度均值和第二类像素点的灰度均值；计算待分析圆弧线上第一类像素点的灰度均值与第二类像素点的灰度均值之间的差值，将归一化后的灰度均值差值确定为第一概率因子；

确定待分析圆弧线及其各邻域圆弧线上的各个目标区间，所述目标区间为第二类像素点连续分布的区间；根据光源点位置、待分析圆弧线及其各邻域圆弧线对应的各个目标区间上的左端点位置和右端点位置，将各个左端点、各个右端点均与光源点相连获得各个连线，将左端点与光源点的连线确定为左连线，将右端点与光源点的连线确定为右连线；

根据待分析圆弧线及其各邻域圆弧线对应的各个左连线、各个右连线与水平方向之间的夹角角度，确定第二概率因子；将第一概率因子与第二概率因子的比值确定为待分析圆弧线上第二类像素点为阴影像素点的概率。

进一步地，所述第二概率因子的计算公式为：

；式中，/>为第二概率因子，B为待分析圆弧线对应的邻域圆弧线的个数，b为待分析圆弧线对应的邻域圆弧线的序号，/>为待分析圆弧线对应的各个左连线与水平方向之间的夹角角度组成的角度序列，/>为待分析圆弧线对应的第b个邻域圆弧线对应的各个左连线与水平方向之间的夹角角度组成的角度序列，为角度序列/>与角度序列/>之间的DTW距离，/>为待分析圆弧线对应的各个右连线与水平方向之间的夹角角度组成的角度序列，/>为待分析圆弧线对应的第b个邻域圆弧线对应的各个右连线与水平方向之间的夹角角度组成的角度序列，/>为角度序列/>与角度序列/>之间的DTW距离。

进一步地，根据待分析圆弧线及其各邻域圆弧线上第二类像素点为阴影像素点的概率以及各个第一类像素点的灰度值，确定待分析圆弧线上第二类像素点的灰度修正程度，包括：

计算所有的邻域圆弧线上第二类像素点为阴影像素点的概率均值；将概率均值与待分析圆弧线上第二类像素点为阴影像素点的概率之间的差值绝对值，确定为第一灰度修正因子；

将所有的邻域圆弧线上第一类像素点的灰度均值确定为第一灰度均值，将待分析圆弧线上第一类像素点的灰度值均值确定为第二灰度均值，对第一灰度均值和第二灰度均值的差值绝对值进行归一化处理，将归一化处理后的两个灰度均值之间的差值绝对值确定为第二灰度修正因子；

对第一灰度修正因子与第二灰度修正因子进行相乘处理，将相乘处理后的数值确定为第三灰度修正因子；对待分析圆弧线上第二类像素点为阴影像素点的概率和第三灰度修正因子进行相加处理，将相加处理后的数值确定为待分析圆弧线上第二类像素点的灰度修正程度。

进一步地，根据待分析区域内各个圆弧线上第二类像素点的灰度修正程度、各个第一类像素点和各个第二类像素点的灰度值，确定待分析区域的灯具异常程度，包括：

计算待分析区域内各个圆弧线上第一类像素点的灰度均值和第二类像素点的灰度均值；根据待分析区域内各个圆弧线上第二类像素点的灰度修正程度、第一类像素点的灰度均值和第二类像素点的灰度均值，确定待分析区域的综合亮度；

获取参考亮度值，计算待分析区域的综合亮度与参考亮度值之间的差值绝对值，将两个亮度值之间的差值绝对值与参考亮度值的比值确定为待分析区域的灯具异常程度；所述参考亮度值为待分析区域对应的多个历史综合亮度的平均值。

进一步地，所述待分析区域的综合亮度的计算公式为：

；式中，C为待分析区域的综合亮度，n为待分析区域内圆弧线的个数，i为待分析区域内圆弧线的序号，/>为待分析区域内第i个圆弧线上第二类像素点的灰度修正程度，/>为待分析区域内第i个圆弧线上第二类像素点的灰度均值，/>为待分析区域内第i个圆弧线上第一类像素点的灰度均值。

进一步地，根据机场图像确定机场图像中的各个灯光照射区域以及各个灯光照射区域的光源点位置，包括：

对机场图像进行灰度化处理，获得机场的灰度图像；采用语义分割方式，对机场的灰度图像进行分割处理，获得机场图像中的各个灯光照射区域；

对于任一灯光照射区域，将灯光照射区域内距离机场图像边界最近且灰度值最大的像素点作为灯光照射区域的光源点，确定灯光照射区域的光源点位置。

本发明一个实施例还提供了一种基于图像处理的机场灯具检测系统，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令，以实现所述的一种基于图像处理的机场灯具检测方法。

本发明具有如下有益效果：

本发明提供了一种基于图像处理的机场灯具检测方法及系统，首先，为了减少不必要的计算量，利用前景背景分割技术，从待检测灯具的机场图像中分割出各个灯光照射区域，以便于后续基于各个灯光照射区域的图像特征，分析灯具异常程度；其次，确定待分析区域的圆弧线是为了结合灯光照射造成的阴影区域的特征，量化阴影区域对待分区域的灯光亮度的影响程度，即确定待分析圆弧线上第二类像素点为阴影像素点的概率；然后，为了提高待分析区域灯具灯光亮度状态分析的准确性，通过第二类像素点为阴影像素点的概率，量化需要对第二类像素点灰度进行修正的程度，即确定第二类像素点的灰度修正程度；同时，在计算第二类像素点的灰度修正程度时，不仅考虑到第二类像素点为阴影像素点的概率，还考虑到第一类像素点的灰度值对第二类像素点的灰度修正的影响，其有效提高了第二类像素点的灰度修正程度的数值精准性；接着，利用第二类像素点的灰度修正程度、第一类像素点和第二类像素点的灰度值，衡量待分析区域的灯具异常程度，该灯具异常程度一定程度上避免阴影区域的影响，得到灯具异常程度的参考价值更高；最后，利用灯具异常程度，可以实现灯光照射区域的灯具是否异常的判断检测，其有效提升了机场灯具检测结果的准确性。相比现有的直接对采集图像进行灯具异常分析，本发明考虑到阴影区域对灯光照射区域的影响，反映出灯光照射区域的真实亮度情况，可以有效避免灯具质量检测误判的情况，提高灯具检测准确性，主要适用于灯具异常检测领域。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一种基于图像处理的机场灯具检测方法的流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

本发明针对的应用场景为：机场跑道的跑道入口翼排灯为飞机的起降提供指示照明条件，但是跑道入口翼排灯长期使用后可能出现灯珠损坏，主要表现为灯珠不发光或照明效果不佳，故需要对跑道入口翼排灯照射区域图像进行分析，以检测跑道入口翼排灯的质量状态。

本实施例提供了一种基于图像处理的机场灯具检测方法，如图1所示，包括以下步骤：

S1，获取待检测灯具的机场图像；根据机场图像确定机场图像中的各个灯光照射区域以及各个灯光照射区域的光源点位置。

第一步，获取待检测灯具的机场图像。

在本实施例中，当夜间环境下机场没有停放飞机时，利用无人机对待检测灯具的机场进行图像拍摄，可以获得待检测灯具的机场图像，机场图像中包含飞机跑道上的所有待检测灯具，机场图像为RGB图像。

需要说明的是，待检测灯具是指机场上的跑道入口翼排灯。在机场上利用无人机拍摄图像，以确保相机的取景范围可以包括机场上的所有跑道入口翼排灯；跑道在机场图像中为横向水平分布；在拍摄图像时可以使所有跑道入口翼排灯尽可能位于图像边界位置处，以减少机场中其他灯光的干扰。由于无人机高度过低时，采集得到的机场图像中跑道入口翼排灯的光线可能产生光晕，为了避免机场图像中出现光晕，无人机的飞行高度不能过低。

第二步，根据机场图像确定机场图像中的各个灯光照射区域。

对机场图像进行灰度化处理，获得机场的灰度图像；采用语义分割方式，对机场的灰度图像进行分割处理，获得机场图像中的各个灯光照射区域。

在本实施例中，为了便于后续分析机场图像上各个跑道入口翼排灯的照射亮度情况，需要将机场图像中各个跑道入口翼排灯的照射区域分割出来进行分析。具体为：首先，对机场图像进行灰度化处理，获得机场的灰度图像，灰度化处理的实现方法包括但不限于：加权平均值法、平均值法、最大值法以及最小值法等，灰度化处理的实现过程为现有技术，此处不再进行详细阐述；其次，采用语义分割的方式，对机场的灰度图像进行分割，从而获得跑道入口翼排灯的各个灯光照射区域。跑道入口翼排灯的灯光照射区域的形状类似于三角形。

需要说明的是，关于语义分割网络，语义分割网络为深度神经网络(Deep NeuralNetworks，DNN)，DNN网络结构为Encoder-Decoder的结构；数据集与跑道入口翼排灯照射区域关键点检测网络所用数据图像一致，为待检测灯具的机场图像；标签分为两类，跑道入口翼排灯照射区域和背景区域，对图像中所有的像素点标注上对应的标签，将属于跑道入口翼排灯照射区域的像素点的像素值标注为1，将属于背景区域的像素点的像素值标注为0；DNN网络的loss损失函数为交叉熵损失函数。语义分割网络的具体实现过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。

第三步，确定各个灯光照射区域的光源点位置。

对于任一灯光照射区域，将灯光照射区域内距离机场图像边界最近且灰度值最大的像素点作为灯光照射区域的光源点，确定灯光照射区域的光源点位置。

在本实施例中，分析跑道入口翼排灯的灯光照射区域的综合亮度情况时，需要结合光源的位置。跑道入口翼排灯照射朝向跑道中心线方向，光照强度由光源处逐渐递减；为了获取较多的灯具进行光源检测，跑道在机场图像可以为横向水平方向。基于上述对跑道入口翼排灯照射情况的分析可知，对于任意一个灯光照射区域，计算灯光照射区域内各个像素点与图像上边界和下边界之间的欧氏距离，将最小欧氏距离且灰度值最大对应的像素点作为该灯光照射区域的光源点，从而获得各个灯光照射区域的光源点位置。

至此，本实施例获得了机场图像中的各个灯光照射区域以及各个灯光照射区域的光源点位置。

S2，将任一灯光照射区域作为待分析区域，根据待分析区域的光源点位置确定各个圆弧线；将任一圆弧线作为待分析圆弧线，确定待分析圆弧线的预设半径邻域范围内的各邻域圆弧线。

需要说明的是，跑道入口翼排灯安装在机场地表面，向机场跑道中心线照射，由于机场地表面并不完全是平整的，导致跑道入口翼排灯的灯光照射区域可能存在部分阴影。在对灯光照射区域的综合亮度进行分析时，阴影的存在可能导致亮度分析结果存在偏差，进而影响机场跑道入口翼排灯异常检测结果的准确性。

第一步，将任一灯光照射区域作为待分析区域，根据待分析区域的光源点位置确定各个圆弧线。

在本实施例中，跑道入口翼排灯的光线由光源发出，由光源点向外扩散，故可以根据待分析区域的光源点位置确定各个圆弧线。确定圆弧线是为了便于后续基于圆弧线上各个像素点的灰度分布情况，分析灯光照射区域内阴影区域的图像特征，确定各个圆弧线的具体实现步骤可以包括：

以待分析区域的光源点为圆心，以预设数值为初始半径，获得第一个圆，将第一个圆的边界与待分析区域重合的线作为圆弧线；通过预设递增值依次增大初始半径，直至达到预设最大半径阈值，获得各个第一半径；按照初始半径对应的圆弧线的确定方式，获得各个第一半径对应的圆弧线。

其中，初始半径的预设数值可以设置为1，预设递增值可以设置为1，预设最大半径阈值可以为光源点到待分析区域边界的最大距离值。初始半径的预设数值、预设递增值以及预设最大半径阈值可以由实施者根据具体实际情况设置，这里不作具体限定。

第二步，将任一圆弧线作为待分析圆弧线，确定待分析圆弧线的预设半径邻域范围内的各邻域圆弧线。

在本实施例中，待分析区域内各个圆弧线的处理步骤保持一致，为了便于描述从待分析区域内各个圆弧线中任意选取一个圆弧线，将任意选取的圆弧线称为待分析圆弧线。

阴影区域呈现区域性特征，即具有连续性特征，也就是阴影区域可能分布在多个相邻的圆弧线上，为了便于对单个圆弧线的阴影区域特征进行分析，需要获取与待分析圆弧线相邻的多个圆弧线。待分析圆弧线的预设半径邻域范围可以设置为[a-2，a+2]，a为待分析圆弧线对应的半径数值，将位于预设半径邻域范围内除待分析圆弧线以外的其他圆弧线，确定为待分析圆弧线对应的各邻域圆弧线。预设半径邻域范围可以由实施者根据具体实际情况设置，这里不作具体限定。

至此，本实施例获得了待分析圆弧线及其各邻域圆弧线。

S3，根据待分析圆弧线及其各邻域圆弧线上每个像素点的灰度值，获得待分析圆弧线及其各邻域圆弧线上各个第一类像素点和各个第二类像素点。

需要说明的是，正常情况下，灯光照射区域内单个圆弧线上的像素灰度差异较小，且分布相对均匀，但是当圆弧线上出现阴影区域时，该圆弧线上阴影区域内的像素点的灰度值较小，且阴影区域内的像素点呈区域性分布。因此，可以根据圆弧线上每个像素点的灰度值，将圆弧线上的所有像素点分为两类，即灰度值较大的一类像素点和灰度值较小的一类像素点。

将待分析圆弧线或任一邻域圆弧线作为目标圆弧线，基于目标圆弧线上每个像素点的灰度值，对目标圆弧线上的所有像素点进行聚类处理，获得两个簇；根据两个簇内每个像素点的灰度值，确定两个簇的灰度均值，将灰度均值较大的簇内的像素点作为第一类像素点，将灰度均值较小的簇内的像素点作为第二类像素点。

在本实施例中，利用K-means聚类算法，对目标圆弧线上的所有像素点进行聚类处理，在进行聚类处理时将簇的个数K设置为2，可以获得目标圆弧线对应的两个簇，K-means聚类算法的实现过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述；基于阴影区域的特征可知，第一类像素点为正常灯光照射下的像素点，而第二类像素点可能为阴影区域内的像素点；参考目标圆弧线上各个第一类像素点和各个第二类像素点的确定过程，可以获得待分析圆弧线及其各邻域圆弧线上各个第一类像素点和各个第二类像素点。

至此，本实施例获得了待分析圆弧线及其各邻域圆弧线上各个第一类像素点和各个第二类像素点。

S4，根据待分析圆弧线上各个第一类像素点和各个第二类像素点的灰度值、待分析圆弧线及其各邻域圆弧线上各个第二类像素点的位置以及光源点位置，确定待分析圆弧线上第二类像素点为阴影像素点的概率。

需要说明的是，阴影像素点是指阴影区域内的像素点，由于阴影像素点呈区域性分布，圆弧线上所有像素点对应的聚类结果位置具有相似性；灯光照射区域内的阴影像素点与其他正常像素点之间的灰度差异较大。基于上述阴影像素点的图像特征，根据待分析圆弧线上第一类像素点和第二类像素点的灰度和位置，分析第二类像素点为阴影像素点的可能性。

第一步，根据待分析圆弧线上各个第一类像素点和各个第二类像素点的灰度值，确定待分析圆弧线上第二类像素点为阴影像素点的第一概率因子。

根据待分析圆弧线上各个第一类像素点和各个第二类像素点的灰度值，计算待分析圆弧线上第一类像素点的灰度均值和第二类像素点的灰度均值；计算待分析圆弧线上第一类像素点的灰度均值与第二类像素点的灰度均值之间的差值，将归一化后的灰度均值差值确定为第一概率因子。其中，第一类像素点的灰度值大于第二类像素点的灰度值。

第二步，根据待分析圆弧线及其各邻域圆弧线上各个第二类像素点的位置以及光源点位置，确定待分析圆弧线及其各邻域圆弧线对应的各个左连线和各个右连线。

在本实施例中，阴影区域呈现的区域性特征，可以占领相邻多个圆弧线，因此若存在阴影区域，待分析圆弧线与其邻域范围内的邻域圆弧线的聚类结果存在较强的相似性，即相同属性的像素点连续区域上的端点光源点连线与水平方向的夹角相似，即夹角角度相差较小。为了衡量待分析圆弧线与其邻域范围内的邻域圆弧线的聚类结果相似性，需要确定待分析圆弧线及其各邻域圆弧线对应的各个左连线和各个右连线，具体实现步骤可以包括：

确定待分析圆弧线及其各邻域圆弧线上的各个目标区间，目标区间为第二类像素点连续分布的区间；根据光源点位置、待分析圆弧线及其各邻域圆弧线对应的各个目标区间上的左端点位置和右端点位置，将各个左端点、各个右端点均与光源点相连获得各个连线，将左端点与光源点的连线确定为左连线，将右端点与光源点的连线确定为右连线。

需要说明的是，目标区间可以为第二类像素点连续分布的区间，也可以为第一类像素点连续分布的区间，确定目标区间的主要目的是分析圆弧线上第一类像素点或第二类像素点的分布情况；将确定的左端点、右端点均与光源点相连，是为了便于后续衡量各个连线与水平方向的夹角，以量化待分析圆弧线与其各个邻域圆弧线上相同属性的像素点分布的相似程度。

第三步，根据待分析圆弧线及其各邻域圆弧线对应的各个左连线、各个右连线与水平方向之间的夹角角度，确定第二概率因子。

作为示例，第二概率因子的计算公式可以为：

；式中，/>为第二概率因子，B为待分析圆弧线对应的邻域圆弧线的个数，b为待分析圆弧线对应的邻域圆弧线的序号，/>为待分析圆弧线对应的各个左连线与水平方向之间的夹角角度组成的角度序列，/>为待分析圆弧线对应的第b个邻域圆弧线对应的各个左连线与水平方向之间的夹角角度组成的角度序列，为角度序列/>与角度序列/>之间的DTW距离，/>为待分析圆弧线对应的各个右连线与水平方向之间的夹角角度组成的角度序列，/>为待分析圆弧线对应的第b个邻域圆弧线对应的各个右连线与水平方向之间的夹角角度组成的角度序列，/>为角度序列/>与角度序列/>之间的DTW距离。

需要说明的是，DTW可以衡量两个不相等的数据序列之间的相似性，两个数据序列之间的DTW（Dynamic Distace Warpping，动态时间弯曲距离）距离的实现过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。

第四步，将第一概率因子与第二概率因子的比值确定为待分析圆弧线上第二类像素点为阴影像素点的概率。

作为示例，第二类像素点为阴影像素点的概率的计算公式可以为：

；式中，/>为待分析圆弧线上第二类像素点为阴影像素点的概率，norm为归一化函数，/>为待分析圆弧线上第一类像素点的灰度均值，/>为待分析圆弧线上第二类像素点的灰度均值，/>为第一概率因子，/>为第二概率因子。

在第二类像素点为阴影像素点的概率的计算公式中，越大，待分析圆弧线上第二类像素点越有可能为阴影区域内的像素点；第一概率因子/>可以表征第一类像素点与第二类像素点之间的灰度差异程度，第一概率因子/>与第二类像素点为阴影像素点的概率/>为正相关关系，灰度差异程度越大，待分析圆弧线上第二类像素点越有可能为阴影像素点；第二概率因子/>可以表征待分析圆弧线与邻域圆弧线在聚类结果上的相似性，即可以表征相同属性的像素点分布的相似性，第二概率因子/>与第二类像素点为阴影像素点的概率/>为负相关关系，第二概率因子/>越大，相似性越小，待分析圆弧线上第二类像素点越不可能为阴影像素点。

至此，本实施例确定了待分析圆弧线上第二类像素点为阴影像素点的概率。

S5，确定待分析圆弧线的各邻域圆弧线上第二类像素点为阴影像素点的概率；根据待分析圆弧线及其各邻域圆弧线上第二类像素点为阴影像素点的概率以及各个第一类像素点的灰度值，确定待分析圆弧线上第二类像素点的灰度修正程度。

需要说明的是，由于阴影的存在，相较于正常像素点，第二类像素点的灰度值将会发生突变，即第二类像素点的灰度值比正常灯具照射下的像素点灰度值小，需要对第二类像素点的灰度值进行修正处理，以减少阴影区域下灯光亮度对跑道入口翼排灯异常检测的影响。

第一步，确定待分析圆弧线的各邻域圆弧线上第二类像素点为阴影像素点的概率。

在本实施例中，参考步骤S2至S3待分析圆弧线上第二类像素点为阴影像素点的概率的确定步骤，可以获得各邻域圆弧线上第二类像素点为阴影像素点的概率。

第二步，根据待分析圆弧线及其各邻域圆弧线上第二类像素点为阴影像素点的概率以及各个第一类像素点的灰度值，确定待分析圆弧线上第二类像素点的灰度修正程度。

在本实施例中，通过待分析圆弧线预设半径邻域范围内各邻域圆弧线上第一像素点与待分析圆弧线上第一类像素点之间的灰度差异程度，可以量化待分析圆弧线上第二类像素点的修正程度；结合各邻域圆弧线上的第二类像素点与待分析圆弧线上的第二类像素点之间的为阴影像素点的概率差异，可以量化待分析圆弧线上第二类像素点为阴影像素点的概率的修正值，以便于后续对待分析圆弧线上第二类像素点的灰度进行修正。

第一子步骤，根据待分析圆弧线及其各邻域圆弧线上第二类像素点为阴影像素点的概率，确定第一灰度修正因子。

计算所有的邻域圆弧线上第二类像素点为阴影像素点的概率均值；将概率均值与待分析圆弧线上第二类像素点为阴影像素点的概率之间的差值绝对值，确定为第一灰度修正因子。

第二子步骤，根据待分析圆弧线及其各邻域圆弧线上各个第一类像素点的灰度值，确定第二灰度修正因子。

将所有的邻域圆弧线上第一类像素点的灰度均值确定为第一灰度均值，将待分析圆弧线上第一类像素点的灰度值均值确定为第二灰度均值，对第一灰度均值和第二灰度均值的差值绝对值进行归一化处理，将归一化处理后的两个灰度均值之间的差值绝对值确定为第二灰度修正因子。

第三子步骤，确定待分析圆弧线上第二类像素点的灰度修正程度。

对第一灰度修正因子与第二灰度修正因子进行相乘处理，将相乘处理后的数值确定为第三灰度修正因子；对待分析圆弧线上第二类像素点为阴影像素点的概率和第三灰度修正因子进行相加处理，将相加处理后的数值确定为待分析圆弧线上第二类像素点的灰度修正程度。

作为示例，待分析圆弧线上第二类像素点的灰度修正程度的计算公式可以为：

；式中，/>为待分析圆弧线上第二类像素点的灰度修正程度，/>为待分析圆弧线上第二类像素点为阴影像素点的概率，norm为归一化函数，/>为待分析圆弧线对应的第一灰度均值，/>为待分析圆弧线对应的第二灰度均值，/>为待分析圆弧线对应的所有的邻域圆弧线上第二类像素点为阴影像素点的概率均值，/>为求绝对值函数。

在灰度修正程度的计算公式中，待分析圆弧线上第二类像素点为阴影像素点的概率可以表示待分析圆弧线上第二类像素点为阴影区域内像素点的可能性，/>越大，越有可能为阴影像素点，那么对待分析圆弧线上第二类像素点进行灰度修正的程度就会越大；/>可以表示待分析圆弧线上的灰度均值与其所有邻域圆弧线上的灰度均值的差异，其可以描述正常照射状态下像素点的灰度变化程度，若正常照射状态下像素点的灰度变化较大，则越需要对第二像素点灰度进行修正，也就是其可以用于对第二类像素点受阴影影响造成的灰度变化进行修改；/>可以表示待分析圆弧线上第二类像素点为阴影像素点的概率与其所有邻域圆弧线上第二类像素点为阴影像素点的概率之间的差异，两者差异越大，说明越需要对待分析圆弧线上第二类像素点进行灰度修正。

至此，本实施例获得了待分析圆弧线上第二类像素点的灰度修正程度。

S6，根据待分析区域内各个圆弧线上第二类像素点的灰度修正程度、各个第一类像素点和各个第二类像素点的灰度值，确定待分析区域的灯具异常程度。

第一步，根据待分析区域内各个圆弧线上第二类像素点的灰度修正程度、各个第一类像素点和各个第二类像素点的灰度值，确定待分析区域的综合亮度。

在本实施例中，获得待分析区域内各个圆弧线上第二类像素点的灰度修正程度后，需要对待分析区域的跑道入口翼排灯的照射情况进行分析。通过单个圆弧线上第二类像素点的灰度修正程度以及两类像素点的灰度均值，可以量化待分析区域的综合亮度情况。

首先，参考步骤S2至S5对应的待分析圆弧线上第二类像素点的灰度修正程度的确定过程，可以获得待分析区域内各个圆弧线上第二类像素点的灰度修正程度；其次，计算待分析区域内各个圆弧线上第一类像素点的灰度均值和第二类像素点的灰度均值；然后，根据待分析区域内各个圆弧线上第二类像素点的灰度修正程度、第一类像素点的灰度均值和第二类像素点的灰度均值，确定待分析区域的综合亮度。

作为示例，待分析区域的综合亮度的计算公式可以为：

；式中，C为待分析区域的综合亮度，n为待分析区域内圆弧线的个数，i为待分析区域内圆弧线的序号，/>为待分析区域内第i个圆弧线上第二类像素点的灰度修正程度，/>为待分析区域内第i个圆弧线上第二类像素点的灰度均值，/>为待分析区域内第i个圆弧线上第一类像素点的灰度均值，其也为待分析圆弧线对应的第二灰度均值。

在综合亮度的计算公式中，通过圆弧线上第二类像素点的灰度修正程度结合对应的像素平均灰度，以及第一类像素点的灰度均值，可以计算得到待分析区域的综合亮度；待分析区域的综合亮度C可以表示待分析区域对应的跑道入口翼排灯照射情况，综合亮度C越大，说明跑道入口翼排灯照明效果越好；也就是/>，其在第二类像素点本身灰度值的基础上，一定程度上增加了灰度值，有效提高了第二类像素点的灰度值，即增强了第二类像素点对应的照明程度，有助于待分析区域获得更准确的综合亮度；可以被用于描述第一类像素点的照明状态，/>越大，第一类像素点的照明效果越好。

第二步，根据待分析区域的综合亮度和参考亮度值，确定待分析区域的灯具异常程度。

本实施例在计算得出当前待分析区域的综合亮度后，可以通过待分析区域的历史综合亮度和当前待分析区域的综合亮度之间的差异，量化当前待分析区域对应的跑道入口翼排灯异常程度，差异越小，跑道入口翼排灯异常程度越小，具体实现步骤可以包括：

获取参考亮度值，计算待分析区域的综合亮度与参考亮度值之间的差值绝对值，将两个亮度值之间的差值绝对值与参考亮度值的比值确定为待分析区域的灯具异常程度；参考亮度值为待分析区域对应的多个历史综合亮度的平均值。

作为示例，待分析区域的灯具异常程度的计算公式可以为：

；式中，D为待分析区域的灯具异常程度，C为待分析区域的综合亮度，/>为参考亮度值，/>为求绝对值函数。

在灯具异常程度的计算公式中，当前跑道入口翼排灯照射区域的综合亮度与临近多天的跑道入口翼排灯照射区域的综合亮度的平均值差异越大，则跑道入口翼排灯的异常程度越大；待分析区域的综合亮度C可以表示当前待分析区域的跑道入口翼排灯的照明状态；参考亮度值可以表示与当前临近f天的待分析区域的综合亮度的平均值，其可以用于描述待分析区域的跑道入口翼排灯正常状态下的照明情况，也就是不存在阴影区域时的照明情况，参考亮度值可以由实施者根据具体实际情况设置，不做具体限定；待分析区域的灯具异常程度D可以表示当前待分析区域的跑道入口翼排灯照明的异常程度，其值越大，说明当前跑道入口翼排灯相较于历史临近多天的跑道入口翼排灯较为异常；/>可以实现对灯具异常程度的归一化处理，以便于后续进行灯具异常判断。

至此，本实施例确定了待分析区域的灯具异常程度。

S7，根据各个灯光照射区域的灯具异常程度，判断各个灯光照射区域的灯具是否异常。

需要说明的是，参考步骤S2至S6对应的待分析区域的灯具异常程度的确定过程，可以获得各个灯光照射区域的灯具异常程度。在获得当前的各个灯光照射区域的灯具异常程度后，根据异常程度预设值，判断各个灯光照射区域的灯具是否异常，具体实现步骤可以包括：

在本实施例中，异常程度预设值可以设置为0.2，实施者可以根据具体实际场景进行调整，不做具体限定。对于各个灯光照射区域，当某个灯光照射区域的灯具异常程度小于异常程度预设值0.2时，判定该灯光照射区域的灯具照明正常；当某个灯光照射区域的灯具异常程度不小于异常程度预设值0.2时，判定该灯光照射区域的灯具照明异常，应及时对该灯光照射区域的灯具进行维修或更换。

至此，本实施例实现了对机场的灯具检测。

本发明还提供了一种基于图像处理的机场灯具检测系统，包括处理器和存储器，处理器用于处理存储在所述存储器中的指令，以实现一种基于图像处理的机场灯具检测方法。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于图像处理的机场灯具检测方法，其特征在于，包括以下步骤：

获取待检测灯具的机场图像；根据机场图像确定机场图像中的各个灯光照射区域以及各个灯光照射区域的光源点位置；

将任一灯光照射区域作为待分析区域，根据待分析区域的光源点位置确定各个圆弧线；将任一圆弧线作为待分析圆弧线，确定待分析圆弧线的预设半径邻域范围内的各邻域圆弧线；

根据待分析圆弧线及其各邻域圆弧线上每个像素点的灰度值，获得待分析圆弧线及其各邻域圆弧线上各个第一类像素点和各个第二类像素点；

根据待分析圆弧线上各个第一类像素点和各个第二类像素点的灰度值、待分析圆弧线及其各邻域圆弧线上各个第二类像素点的位置以及光源点位置，确定待分析圆弧线上第二类像素点为阴影像素点的概率；

确定待分析圆弧线的各邻域圆弧线上第二类像素点为阴影像素点的概率；根据待分析圆弧线及其各邻域圆弧线上第二类像素点为阴影像素点的概率以及各个第一类像素点的灰度值，确定待分析圆弧线上第二类像素点的灰度修正程度；

根据待分析区域内各个圆弧线上第二类像素点的灰度修正程度、各个第一类像素点和各个第二类像素点的灰度值，确定待分析区域的灯具异常程度；

根据各个灯光照射区域的灯具异常程度，判断各个灯光照射区域的灯具是否异常。

2.根据权利要求1所述的一种基于图像处理的机场灯具检测方法，其特征在于，根据待分析区域的光源点位置确定各个圆弧线，包括：

以待分析区域的光源点为圆心，以预设数值为初始半径，获得第一个圆，将第一个圆的边界与待分析区域重合的线作为圆弧线；通过预设递增值依次增大初始半径，直至达到预设最大半径阈值，获得各个第一半径；按照初始半径对应的圆弧线的确定方式，获得各个第一半径对应的圆弧线。

3.根据权利要求1所述的一种基于图像处理的机场灯具检测方法，其特征在于，根据待分析圆弧线及其各邻域圆弧线上每个像素点的灰度值，获得待分析圆弧线及其各邻域圆弧线上各个第一类像素点和各个第二类像素点，包括：

将待分析圆弧线或任一邻域圆弧线作为目标圆弧线，基于目标圆弧线上每个像素点的灰度值，对目标圆弧线上的所有像素点进行聚类处理，获得两个簇；根据两个簇内每个像素点的灰度值，确定两个簇的灰度均值，将灰度均值较大的簇内的像素点作为第一类像素点，将灰度均值较小的簇内的像素点作为第二类像素点。

4.根据权利要求1所述的一种基于图像处理的机场灯具检测方法，其特征在于，根据待分析圆弧线上各个第一类像素点和各个第二类像素点的灰度值、待分析圆弧线及其各邻域圆弧线上各个第二类像素点的位置以及光源点位置，确定待分析圆弧线上第二类像素点为阴影像素点的概率，包括：

根据待分析圆弧线上各个第一类像素点和各个第二类像素点的灰度值，计算待分析圆弧线上第一类像素点的灰度均值和第二类像素点的灰度均值；计算待分析圆弧线上第一类像素点的灰度均值与第二类像素点的灰度均值之间的差值，将归一化后的灰度均值差值确定为第一概率因子；

确定待分析圆弧线及其各邻域圆弧线上的各个目标区间，所述目标区间为第二类像素点连续分布的区间；根据光源点位置、待分析圆弧线及其各邻域圆弧线对应的各个目标区间上的左端点位置和右端点位置，将各个左端点、各个右端点均与光源点相连获得各个连线，将左端点与光源点的连线确定为左连线，将右端点与光源点的连线确定为右连线；

根据待分析圆弧线及其各邻域圆弧线对应的各个左连线、各个右连线与水平方向之间的夹角角度，确定第二概率因子；将第一概率因子与第二概率因子的比值确定为待分析圆弧线上第二类像素点为阴影像素点的概率。

5.根据权利要求4所述的一种基于图像处理的机场灯具检测方法，其特征在于，所述第二概率因子的计算公式为：

；式中，/>为第二概率因子，B为待分析圆弧线对应的邻域圆弧线的个数，b为待分析圆弧线对应的邻域圆弧线的序号，/>为待分析圆弧线对应的各个左连线与水平方向之间的夹角角度组成的角度序列，/>为待分析圆弧线对应的第b个邻域圆弧线对应的各个左连线与水平方向之间的夹角角度组成的角度序列，为角度序列/>与角度序列/>之间的DTW距离，/>为待分析圆弧线对应的各个右连线与水平方向之间的夹角角度组成的角度序列，/>为待分析圆弧线对应的第b个邻域圆弧线对应的各个右连线与水平方向之间的夹角角度组成的角度序列，/>为角度序列/>与角度序列/>之间的DTW距离。

6.根据权利要求1所述的一种基于图像处理的机场灯具检测方法，其特征在于，根据待分析圆弧线及其各邻域圆弧线上第二类像素点为阴影像素点的概率以及各个第一类像素点的灰度值，确定待分析圆弧线上第二类像素点的灰度修正程度，包括：

计算所有的邻域圆弧线上第二类像素点为阴影像素点的概率均值；将概率均值与待分析圆弧线上第二类像素点为阴影像素点的概率之间的差值绝对值，确定为第一灰度修正因子；

将所有的邻域圆弧线上第一类像素点的灰度均值确定为第一灰度均值，将待分析圆弧线上第一类像素点的灰度值均值确定为第二灰度均值，对第一灰度均值和第二灰度均值的差值绝对值进行归一化处理，将归一化处理后的两个灰度均值之间的差值绝对值确定为第二灰度修正因子；

对第一灰度修正因子与第二灰度修正因子进行相乘处理，将相乘处理后的数值确定为第三灰度修正因子；对待分析圆弧线上第二类像素点为阴影像素点的概率和第三灰度修正因子进行相加处理，将相加处理后的数值确定为待分析圆弧线上第二类像素点的灰度修正程度。

7.根据权利要求1所述的一种基于图像处理的机场灯具检测方法，其特征在于，根据待分析区域内各个圆弧线上第二类像素点的灰度修正程度、各个第一类像素点和各个第二类像素点的灰度值，确定待分析区域的灯具异常程度，包括：

计算待分析区域内各个圆弧线上第一类像素点的灰度均值和第二类像素点的灰度均值；根据待分析区域内各个圆弧线上第二类像素点的灰度修正程度、第一类像素点的灰度均值和第二类像素点的灰度均值，确定待分析区域的综合亮度；

获取参考亮度值，计算待分析区域的综合亮度与参考亮度值之间的差值绝对值，将两个亮度值之间的差值绝对值与参考亮度值的比值确定为待分析区域的灯具异常程度；所述参考亮度值为待分析区域对应的多个历史综合亮度的平均值。

8.根据权利要求7所述的一种基于图像处理的机场灯具检测方法，其特征在于，所述待分析区域的综合亮度的计算公式为：

；式中，C为待分析区域的综合亮度，n为待分析区域内圆弧线的个数，i为待分析区域内圆弧线的序号，/>为待分析区域内第i个圆弧线上第二类像素点的灰度修正程度，/>为待分析区域内第i个圆弧线上第二类像素点的灰度均值，/>为待分析区域内第i个圆弧线上第一类像素点的灰度均值。

9.根据权利要求1所述的一种基于图像处理的机场灯具检测方法，其特征在于，根据机场图像确定机场图像中的各个灯光照射区域以及各个灯光照射区域的光源点位置，包括：

对机场图像进行灰度化处理，获得机场的灰度图像；采用语义分割方式，对机场的灰度图像进行分割处理，获得机场图像中的各个灯光照射区域；

对于任一灯光照射区域，将灯光照射区域内距离机场图像边界最近且灰度值最大的像素点作为灯光照射区域的光源点，确定灯光照射区域的光源点位置。

10.一种基于图像处理的机场灯具检测系统，其特征在于，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令，以实现如权利要求1-9中任一项所述的一种基于图像处理的机场灯具检测方法。