基于暗通道先验与最小图像熵的交通雾霾能见度检测方法技术

本发明专利技术涉及基于暗通道先验与最小图像熵的交通雾霾能见度检测方法。在图像特征提取模块，对待检测图像I经过暗通道先验处理，得到大气透射率的粗估计值,采用导向滤波边缘平滑算子对透射率粗估计值进行平滑细化处理,获得每个像素点的深度信息；在道路区域提取模块，采用区域增长方法提取I中的道路区域，所述区域增长包括设置初始种子点、设置目标增长区域、计算相邻灰度差的最小值、判断目标像素是否为道路区域、更新种子点等步骤；在能见度估计模块，计算该区域的最小图像熵，得到消光系数最优值，有效估计出雾霾能见度大小。本发明专利技术的优势是在求图像熵过程中加入目标兴趣区域提取步骤，减少了算法的计算量,提高了运算速度和鲁棒性。

【技术实现步骤摘要】

本专利技术涉及图像的增强与复原技术，具体涉及一种基于暗通道先验与最小图像熵的交通雾霾能见度检测方法以及检测系统。
技术介绍
大气能见度反映了一个地区的空气污染程度，也会影响人类健康和交通安全。特别是雾霾的出现会使能见度变得很差，并会导致很多问题：人们日常出行将会变得非常不方便，驾驶员需要更高注意力和更快反应能力，以免造成交通事故。总而言之，能见度检测变得及其必要且很有意义。求图像拐点方法是基于视频图像的雾霾能见度检测的经典技术，根据人眼视觉特性，能见度对应的位置刚好是人眼观察某物体看得见与看不见的分界点，故我们可以通过寻找图像亮度特征的拐点的位置来求得能见度值。对于求图像拐点方法的经典雾霾能见度检测技术，其对采集图像的摄像机进行精确的标定，需要知道摄像机的焦距、倾斜角和垂直高度等参数，故适用不同场景受到限制；且能见度检测的结果受到是否精确标定的影响，标定过程对噪声比较敏感。相对于求图像拐点方法，暗通道先验理论是一项新的基于视频图像的雾霾能见度检测技术。由于大部分图像特征基本符合这一特征：在图像的绝大多数非天空的局部区域里，某一些像素总会有至少一个颜色通道具有很低的值；所以暗通道先验理论可以适用于任何场景的道路，仅对天空区域失效。由于道路区域为目标区域，故该理论不受场景条件限制，适用范围广，目前已经广泛运用于智能交通、图像去雾、图像增强等领域，并且展示出很好的应用前景。但无数实践证明仅依赖该技术在去雾等图像处理领域存在诸多缺陷。如公开号为CN104063853A、名称为\一种基于暗通道技术的提高交通视频图像清晰度方法\的专利技术专利是利用暗通道先验理论对交通视频图像进行去雾处理，它是一种图像增强方法，但存在的问题是通过暗通道先验理论得到的图像透射率图存在明显的光晕效应和方块效应，透射率图还不够精确，只能作为一个粗值，与期待的精度仍有较大的距离。
技术实现思路
本专利技术要解决的技术问题是提供一种道路视频图像交通雾霾能见度检测方法，准确估计大气消光系数，有效解决白天雾霾条件下精确估计大气能见度的困难。为解决上述技术问题，本专利技术提出一种基于暗通道先验与最小图像熵的交通雾霾能见度检测方法，技术方案包括以下步骤：1)在白天雾霾条件下，采集道路监控的视频序列，选择其中一帧将其作为待检测图像I(x)；2)计算大气透射率J(x)是由上述待检测图像I(x)得到的恢复图像，A是天空亮度，t(x)是图像透射率，则有雾图像形成模型为：I(x)＝J(x)t(x)+A(1-t(x))然后对上式求两次最小值运算，得到下式： min c ∈ ( r , g , b ) ( min y ∈ ω ( x ) ( I c ( y ) ) ) = t ( x ) min c ∈ ( r , g , b ) ( min y ∈ ω ( x ) ( J c ( y ) ) ) + ( 1 - t ( x ) ) A c ]]>其中Jc和Ic表示图像的每个通道，ω(x)表示以像素x为中心的一个窗口，对于任意的输入图像J(x)，图像中至少一个颜色通道具有很低的值，即： J d a r k ( x ) = m i n y ∈ ω ( x ) ( m i n c ∈ { r , g , b本文档来自技高网...

【技术保护点】
基于暗通道先验与最小图像熵的交通雾霾能见度检测方法，其特征在于包括以下步骤：1)在白天雾霾条件下，采集道路监控的视频序列，选择其中一帧将其作为待检测图像I(x)；2)计算大气透射率J(x)是由上述待检测图像I(x)得到的恢复图像，A是天空亮度，t(x)是图像透射率，则有雾图像形成模型为：I(x)＝J(x)t(x)+A(1‑t(x))然后对上式求两次最小值运算，得到下式：minc∈(r,g,b)(miny∈ω(x)(Ic(y)))=t(x)minc∈(r,g,b)(miny∈ω(x)(Jc(y)))+(1-t(x))Ac]]>其中Jc和Ic表示图像的每个通道，ω(x)表示以像素x为中心的一个窗口，对于任意的输入图像J(x)，图像中至少一个颜色通道具有很低的值，即：Jdark(x)=miny∈ω(x)(minc∈{r,g,b}Jc(y))≈0]]>大气透射率估计如下:minc∈(r,g,b)(miny∈ω(x)(Ic(y)))=(1-t(x))Ac]]>t(x)=1-minc∈{r,g,b}(miny∈ω(x)(Ic(y)Ac))]]>其中，天空亮度A是暗通道图中0.1％最亮像素点的均值大小；3)透射率优化调整对于像数k为中心的矩形窗wk，设t(x)经导向滤波后为导向图像采用待检测图像I(x)，滤波输出图像与导向图像I(x)满足以下关系式：t^(i)=akI(i)+bk,∀i∈wk]]>其中，(ak,bk)是矩形窗wk恒定不变的线性系数，采用如下费用函数来衡量t(x)与的差异，即：E(ak,bk)=Σi∈wk((t(i)-t^(i))2+ϵak2)=Σi∈wk((t(i)-akI(i)-bk)2+ϵak2)]]>其中，ε是正则化参数，也是一个控制平滑程度的参数，然后利用线性回归求出像数k为中心的矩形窗wk对应的线性系数(ak,bk)，即：ak=covk(I,t)σk2+ϵ]]>bk=t‾k-akμk]]>其中，和μk分别表示图像I中矩形窗wk的方差和均值，表示t在矩形窗wk中的均值，covk(I,t)表示导向图像I与透射率图t在矩形窗wk中的互相关函数，由于像素i会被多个矩形窗包含在内，不同的矩形窗会得到不同的然后取其所有可能值的均值：t^(i)=1|w|Σk:i∈wk(akI(i)+bk)=a‾iI(i)+b‾i]]>其中，|w|表示矩形窗里像素的个数，且4)计算深度信息针对道路图像，对于待检测图像I(x)中任意一车道线R(i)(i＝1，2……n)，可以得到对应的消光系数β(i)：β(i)=|ln(t1/t2)|L]]>其中，L为车道线的国家标准长度大小，t1、t2分别为车道线两端在待检测图像对应位置优化后的透射率，设N表示待检测图像中车道线的个数，然后对消光系数取均值：β‾=1NΣi=1Nβ(i)]]>对于待检测图像中的任意一个像数x，其对应位置的深度信息由以下公式计算得到，即：d(x)=lnt^(x)β‾,∀x∈I;]]>5)道路区域提取采用区域增长方法提取待检测图像I(x)中的道路区域，取I(x)中道路区域最底端一行像素为增长的初始种子点，设种子的上一行像素点为目标区域，逐行处理像数点，用区域增长方法提取道路区域的步骤如下：(5.1)设置初始种子点为ps，当前种子点p＝ps；(5.2)在目标区域选择与像素种子点上方相邻的三个像素，计算种子点与此三个像素的灰度差(α取‑1，0，1分别表示与种子点相邻左上方、正上方和右上方像素)；(5.3)计算相邻3个像素灰度差的最小值(5.4)判断目标区域像数点p(u,v)与种子点均值mean(p)是否满足如下关系，即：p(u,v)-mean(p)≤ρnrmin Gmaxα]]>其中，ρ＜1，nr是目标区域像数点p(u,v)与初始种子点ps相隔的行数，若满足，则将该像数点加入道路区域，遍历目标区域所有像素；若该行所有的像素均不满足该条件，区域增长终止；(5.5)更新当前种子点和目标区域，将新加入道路区域的像数点作为新的种子点，将新加入道路区域像数的上一行像素作为新的目标区域，更新结束后返回步骤5.2；6)能见度估计基于步...

【技术特征摘要】
1.基于暗通道先验与最小图像熵的交通雾霾能见度检测方法，其特征在于包括以下步骤：1)在白天雾霾条件下，采集道路监控的视频序列，选择其中一帧将其作为待检测图像I(x)；2)计算大气透射率J(x)是由上述待检测图像I(x)得到的恢复图像，A是天空亮度，t(x)是图像透射率，则有雾图像形成模型为：I(x)＝J(x)t(x)+A(1-t(x))然后对上式求两次最小值运算，得到下式： m i n c ∈ ( r , g , b ) ( m i n y ∈ ω ( x ) ( I c ( y ) ) ) = t ( x ) m i n c ∈ ( r , g , b ) ...

【专利技术属性】
技术研发人员：周凯，成孝刚，李海波，谢世朋，熊健，谈苗苗，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32