【技术实现步骤摘要】
基于自适应阈值视觉背景提取器的晨昏雾快速检测方法、设备及介质
[0001]本专利技术涉及环境监测与气象预报领域,特别涉及一种基于自适应阈值视觉背景提取器(ST
‑
ViBe)的晨昏雾快速检测方法、设备及介质。
技术介绍
[0002]雾是一种常见的天气现象,易出现于出行高峰的晨昏时刻,可对呼吸道健康与交通安全产生显著不良影响,成为气象与环境部门监测的重要对象。传统雾检测主要通过布设观测站点完成,难以反映区域大范围雾形成与演化的时空格局与趋势。随着气象卫星遥感技术的快速发展,遥感以其观测范围大、时间分辨率高、耗费成本低等优点,成为大范围雾检测研究的主要数据之一。
[0003]传统遥感雾检测多基于雾与地表等背景信息在可见光波段、红外波段的反射辐射和纹理特征差异,多集中于白天和夜间雾检测。白天雾检测主要借助雾的光谱和纹理特征,如雾在白天的反射率小于中高云,大于水体与地面;如雾顶纹理较为光滑均一,而中高云纹理较为粗糙,白天雾独特光谱与纹理特征差异为白天雾检测提供了物理基础。夜间雾遥感检测主要基于其发射特征差异,雾在3.5μm
‑
3.8μm中红外波段(MIR:middle infrared)的发射率小于其在8.5μm
‑
13μm热红外波段(TIR:thermal infrared)的发射率,基于该特征建立双通道亮温差(BTD:Brightness temperature difference between MIR and TIR)进行夜间雾检测是一个非常有效的方法。但 ...
【技术保护点】
【技术特征摘要】
1.一种基于自适应阈值视觉背景提取器的晨昏雾快速检测方法,其特征在于,包括:步骤1,获取晨昏时段的H8/AHI数据,对其预处理;步骤2,基于H8/AHI数据构建晨昏时段的时序检测数据集;步骤3,基于ViBe模型构建自适应阈值视觉背景提取器,记为ST
‑
ViBe模型;其中,在背景模型初始化阶段引入LBSP纹理特征描述算子,在像素前景检测参数集建立阶段引入SILTP纹理特征;且ST
‑
ViBe模型的参数,包括最小相关数和距离测度阈值,根据输入的时序检测数据集进行自适应调整;步骤4,使用ST
‑
ViBe模型,根据时序检测数据集获取初步雾检测结果;步骤5,利用传统去云方法对ST
‑
ViBe模型的检测结果进行优化,去除雾检测结果中的“残留云”;步骤6:利用后处理方法对传统去云后的雾检测结果进行再优化,去除雾检测结果中的“残影”。2.根据权利要求1所述的基于自适应阈值视觉背景提取器的晨昏雾快速检测方法,其特征在于,构建时序检测数据集的具体过程为:步骤B1,将H8/AHI数据中的波段7与波段14相减,得到BTD影像;步骤B2,将H8/AHI数据中波段分别为8.7μm、10.8μm、11.2μm的数据与BTD影像共四个通道数据进行融合,构建时序检测数据集。3.根据权利要求1所述的基于自适应阈值视觉背景提取器的晨昏雾快速检测方法,其特征在于,在背景模型初始化阶段,选取预设大小窗口的LBSP算子作为邻域均值和方差的计算窗口,建立基于BTD的背景模型BM(I)1和基于LBSP邻域亮温度均值与方差的背景模型BM(I)2,其中:BM(I)1={I1,I2,
……
I
n
},I
t
为第t个背景像素样本的BTD值,n为背景样本参数;数;为第t个背景像素的LBSP算子亮温差的均值与方差,n为背景样本参数。4.根据权利要求1所述的基于自适应阈值视觉背景提取器的晨昏雾快速检测方法,其特征在于,在像素前景检测参数集建立的步骤包括:步骤C2.1,计算像素I
(x,y)
的SILTP纹理特征编码,计算方式如下:的SILTP纹理特征编码,计算方式如下:式中:I
c
为像素I
(x,y)
的BTD值,I
k
是像素I
(x,y)
八邻域内像素k的BTD值,τ为允许波动参数;s
τ
(I
c
,I
k
)为邻域像素k与中心像素I
(x,y)
的灰度差异编码因子;表示按顺序编码,像素I
(x,y)
的所有邻域像素的灰度差异编码因子s
τ
(I
c
,I
k
)按顺序形成十六位二进制编码SILTP(x,y);步骤C2.2,统计二进制编码SILTP(x,y)中1出现的次数NUM_SILTP
(x,y)
,定义为SILTP纹理特征,耦合像素亮温差BT...
【专利技术属性】
技术研发人员:江坤,马慧云,刘增伟,冯徽徽,邹滨,
申请(专利权)人:中南大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。