基于自适应阈值视觉背景提取器的晨昏雾快速检测方法、设备及介质技术

本发明专利技术公开了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、设备及介质，方法：获取晨昏时段的H8/AHI数据和地面站点雾观测标记数据，对其预处理；基于H8/AHI数据构建时序检测数据集；构建基于ViBe模型的自适应阈值视觉背景提取器，记为ST

【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。但晨昏雾检测非常困难，其主要原因为该时刻太阳高度角较低，可见光波段雾与背景反射率差异较小，中远红外波段因雾接地，其光谱特征亦与地表接近，使得基于单幅遥感影像进行晨昏雾检测非常困难。但晨昏时刻雾和地表的双通道亮温差(BTD)受太阳高度角影响随时间变化差异显著。夜间雾由于自身辐射特性BTD远小于0，随着太阳高度角增加，BTD由负值增长为较大的正值；地表虽存在类似的变化过程，但变化幅度远小于雾。黄昏时刻则相反。有学者考虑到雾BTD在夜间和白天的显著差异，采用不同阈值对白天、夜间和晨昏雾分别进行检测，但受算法和数据的限制，无法完整提取出晨昏时刻雾。

技术实现思路

[0004]本专利技术提供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，能准确、高效快速地实现晨昏陆地雾检测。
[0005]为实现上述技术目的，本专利技术采用如下技术方案：
[0006]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，包括：
[0007]步骤1，获取晨昏时段的H8/AHI数据，对其预处理；
[0008]步骤2，基于H8/AHI数据构建晨昏时段的时序检测数据集；
[0009]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；
[0010]步骤4，使用ST
‑
ViBe模型，对时序检测数据集获取初步雾检测结果；
[0011]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”；
[0012]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”。
[0013]进一步地，构建时序检测数据集的具体过程为：
[0014]步骤B1，将H8/AHI数据中的波段7与波段14相减，得到BTD影像；
[0015]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。
[0016]进一步地，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；景样本参数；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。
[0017]进一步地，在像素前景检测参数集建立的步骤包括：
[0018]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：
[0019][0020][0021]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)；
[0022]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BTD和SILTP纹理特以构建场景因子L
c
，计算方式如下：
[0023]L
c
＝I
c
/NUM_SILTP
(x,y)
[0024]步骤C2.3，将中心像素I
(x,y)
的BTD值I
c
、LBSP邻域亮温差均值m
c
与方差SILTP纹理特征NUM_SILTP
(x,y)
、场景因子L
c
组成像素前景检测参数集组成像素前景检测参数集
[0025]进一步地，对最小相关数和距离测度阈值进行自适应调整的方法为：
[0026]步骤C4.1，利用初始化背景模型初步调整参数Min与R：计算背景模型BM(I)2中的样本均值与方差若当前帧像素I
(x,y)
的BTD值I
c
在范围内，表明该像素为背景的概率较大，按下列公式减小最小相交数Min和增加距离测度阈值R：
[0027][0028]步骤C4.2，分早晨与黄昏两个不同时段，根据当前帧像素I
(x,y)
的场景因子L
c
和SILTP纹理特征NUM_SILTP
(x,y)
，对距离测度阈值R进行调整，具体地：
[0029]早晨场本文档来自技高网...

【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：