一種圖像解析大氣能見(jiàn)度方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種圖像解析大氣能見(jiàn)度方法。
【背景技術(shù)】
[0002] Steffens C[1]最早提出了一種利用照相法來(lái)測(cè)量能見(jiàn)度的思路，這種方法的獨(dú)特 之處在于它借助照相機(jī)拍攝黑色物體，再對(duì)比照片中目標(biāo)物與背景物的相對(duì)亮度，從而推 算得出能見(jiàn)度，由于這個(gè)過(guò)程中從拍照、沖洗照片、選定目標(biāo)物與背景物的亮度對(duì)比，都是 手工完成，所以該方法不僅繁瑣、耗費(fèi)時(shí)間，準(zhǔn)確度也難以得到保證。隨著計(jì)算機(jī)技術(shù)、數(shù)字 攝影技術(shù)的迅速發(fā)展與廣泛應(yīng)用。Thomas Legal等人[2]于1994年，用數(shù)字化相機(jī)實(shí)時(shí)測(cè)量 能見(jiàn)度的簡(jiǎn)單實(shí)驗(yàn)結(jié)果，但未對(duì)所獲結(jié)果的可靠性及測(cè)量過(guò)程中所采用計(jì)算公式的適用條 件做出嚴(yán)格說(shuō)明，從能見(jiàn)度測(cè)量角的基本理論，闡明了數(shù)字?jǐn)z影技術(shù)測(cè)量氣象能見(jiàn)度的原 理，并用該方法與已有的可靠方法對(duì)比試驗(yàn)檢驗(yàn)該方法的可行性，但是在研究從取圖到目 標(biāo)的定位和相對(duì)亮度計(jì)算全部自動(dòng)化方面仍需努力。1999年，我國(guó)中國(guó)科學(xué)院院士周秀驥 等人[3]提出數(shù)字?jǐn)z影法測(cè)量氣象能見(jiàn)度的構(gòu)想，其原理是通過(guò)數(shù)字?jǐn)z影設(shè)備攝取既定目標(biāo) 及背景圖像，然后由計(jì)算機(jī)對(duì)獲取的信息進(jìn)行分析處理，但這種方法對(duì)目標(biāo)物的要求較高， 在能見(jiàn)度較差的情況下計(jì)算誤差較大。此后，陶善昌等人[4]在此基礎(chǔ)上，利用雙亮度方差算 法推算能見(jiàn)度。2009年，陳文兵等人[5]對(duì)圖像邊緣進(jìn)行處理，利用圖像邊緣梯度、對(duì)比度、 亮度等圖像內(nèi)部特征定量判定地面預(yù)設(shè)目標(biāo)的可見(jiàn)性，從而獲得能見(jiàn)度。同年，陳啟美等人 提出結(jié)合人眼模擬和曲線擬合的基于路況視頻的能見(jiàn)度監(jiān)測(cè)算法。該方法誤差較小，具有 良好的魯棒性，監(jiān)測(cè)精度高[6]。之后陳啟美等人又提出一種無(wú)需人工標(biāo)記的視頻對(duì)比道路 能見(jiàn)度檢測(cè)算法，該方法通過(guò)比對(duì)分析車道分割線提取興趣區(qū)域確保所選擇的像素保持高 度一致，將像素與其四鄰的對(duì)比度進(jìn)行對(duì)比，當(dāng)取得最大值大于給定閾值時(shí)，認(rèn)定該數(shù)值為 人眼可分辨相熟，采用攝像機(jī)標(biāo)定的方式來(lái)計(jì)算距離攝像設(shè)備最遠(yuǎn)的可視像素 m。2011年， 張瀟等人M又對(duì)該方法進(jìn)行改進(jìn)，利用基于Nagao濾波的區(qū)域增長(zhǎng)算法得到路面區(qū)域，提 取反應(yīng)路面亮度變化的對(duì)比度曲線，并分析曲線特征點(diǎn)，通過(guò)消光系數(shù)計(jì)算圖像中人眼可 分辨的最遠(yuǎn)像素，結(jié)合攝影設(shè)備標(biāo)定來(lái)?yè)Q算能見(jiàn)度。
[0003] 上述方法中對(duì)于興趣區(qū)域的選擇為人工選擇，并未對(duì)興趣區(qū)域的優(yōu)化給出合適的 解決方案。在研究從取圖到目標(biāo)的定位和相對(duì)亮度計(jì)算全部自動(dòng)化方面仍需努力。且存在 對(duì)設(shè)備要求高、解算方法復(fù)雜、需要人工操作等問(wèn)題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種圖像解析大氣能見(jiàn)度方法，解決了現(xiàn)有的方法對(duì)于興 趣區(qū)域的選擇為人工選擇，并對(duì)興趣區(qū)域的優(yōu)化給出合適解決方案的問(wèn)題。
[0005] 本發(fā)明所采用的技術(shù)方案是：
[0006] 步驟1 :對(duì)同一時(shí)間段的原始視頻轉(zhuǎn)成圖像，每五分鐘截取一張圖片，圖像轉(zhuǎn)成灰 度值圖像，進(jìn)而按像素分窗，每個(gè)窗格中有13*13個(gè)像素；
[0007] 步驟2:選擇興趣區(qū)域，計(jì)算每個(gè)窗格灰度值的籠平均值，σ均方差，
四個(gè)因子，其中最大平均值^與最大均方差σ_采用能見(jiàn)度最佳的圖像對(duì)應(yīng)該值，對(duì)每 個(gè)窗格時(shí)間序列上的因子分別與觀測(cè)能見(jiàn)度值做相關(guān)分析，求出相關(guān)系數(shù)，選取相關(guān)系數(shù) 大于〇. 9的窗格做為興趣區(qū)域，如果相關(guān)性均小于0. 9或大于0. 9的窗格較多則選取相關(guān) 系數(shù)前5個(gè)窗格做為興趣窗格，分別用3窗、4窗、5窗這三種窗格數(shù)對(duì)應(yīng)的四個(gè)因子分別與 能見(jiàn)度觀測(cè)值建立多元線性模型計(jì)算出12個(gè)線性回歸模型，再將四個(gè)因子分別代入12個(gè) 線性回歸模型中計(jì)算出模擬能見(jiàn)度的結(jié)果；
[0008] 步驟3 :選擇最優(yōu)因子與最優(yōu)興趣區(qū)域；通過(guò)這12個(gè)線性回歸模型計(jì)算能見(jiàn)度后， 與觀測(cè)值進(jìn)行比較驗(yàn)證，計(jì)算模擬值與觀測(cè)值的平均誤差，選取誤差最小的窗格數(shù)時(shí)對(duì)應(yīng) 窗格做為最優(yōu)興趣區(qū)域，選取誤差最小的因子做為最優(yōu)建模因子進(jìn)行建模，通過(guò)模型得到 大氣能見(jiàn)度結(jié)果。
[0009] 本發(fā)明的有益效果是通過(guò)監(jiān)控探頭或手機(jī)攝像頭拍攝的視頻或圖像測(cè)算大氣能 見(jiàn)度。通過(guò)固定監(jiān)控設(shè)備以及移動(dòng)攝影設(shè)備的視頻與圖像測(cè)算能見(jiàn)度。并實(shí)現(xiàn)對(duì)于興趣區(qū) 域的選擇自動(dòng)化，簡(jiǎn)易化，精確化。
【附圖說(shuō)明】
[0010] 圖1為本發(fā)明一種圖像解析大氣能見(jiàn)度方法流程示意圖；
[0011] 圖2是本發(fā)明解析效果示意圖；
[0012] 圖3是實(shí)驗(yàn)中1至IOkm能見(jiàn)度水平的模擬（2014-7-15:45--2014-7-110:00) 時(shí)間段示意圖。
【具體實(shí)施方式】
[0013] 下面結(jié)合附圖對(duì)本發(fā)明進(jìn)行說(shuō)明。
[0014] 本發(fā)明方法如圖1所示，包括以下步驟：
[0015] 步驟1 :數(shù)據(jù)預(yù)處理；對(duì)同一時(shí)間段的原始視頻轉(zhuǎn)成圖像，每五分鐘截取一張圖 片；圖像轉(zhuǎn)成灰度值圖像，進(jìn)而按像素分窗，每個(gè)窗格中有13*13個(gè)像素，通過(guò)MATLAB程序 實(shí)現(xiàn)；
[0016] 步驟2:選擇興趣區(qū)域，計(jì)算每個(gè)窗格灰度值的i (平均值），σ (均方差），
，即四個(gè)因子。其中最大平均值與最大均方差σ_采用能見(jiàn)度最佳的圖 像對(duì)應(yīng)該值。對(duì)每個(gè)窗格時(shí)間序列上的因子分別與觀測(cè)能見(jiàn)度值做相關(guān)分析，求出相關(guān)系 數(shù)，選取相關(guān)系數(shù)大于〇. 9的窗格做為興趣區(qū)域，如果相關(guān)性均小于0. 9或大于0. 9的窗格 較多則選取相關(guān)系數(shù)前5個(gè)窗格做為興趣窗格。分別用3、4、5三種窗格數(shù)（3窗與4窗均 是采用相關(guān)系數(shù)較大的窗格）對(duì)應(yīng)的四個(gè)因子分別與能見(jiàn)度觀測(cè)值建立多元線性模型計(jì) 算出12個(gè)線性回歸模型（利用SPSS建立線性回歸模型），再將四個(gè)因子分別代入回歸模型 中計(jì)算出模擬能見(jiàn)度的結(jié)果。見(jiàn)表1。
[0017] 表1.窗格數(shù)與因子組合建模
[0018]
[0019] 步驟3:選擇最優(yōu)因子與最優(yōu)興趣區(qū)域。依照步驟2,通過(guò)這12個(gè)線性回歸模型 計(jì)算能見(jiàn)度后，與觀測(cè)值進(jìn)行比較驗(yàn)證，計(jì)算模擬值與觀測(cè)值的平均誤差，選取誤差最小的 窗格數(shù)時(shí)對(duì)應(yīng)窗格做為最優(yōu)興趣區(qū)域，選取誤差最小的因子做為最優(yōu)建模因子。則對(duì)應(yīng)的 模型則作為自主開(kāi)發(fā)的模型測(cè)算方法。得到大