【技术实现步骤摘要】
本专利技术涉及图像处理领域，具体涉及一种基于特征提取的视频雾检测方法。
技术介绍
1、在当今视频雾检测已成为计算机视觉中一个重要研究领域，相关技术不断发展完善，研究人员开发相应算法进行图像雾检测、雾等级分类，通常分为基于物理模型与基于数据驱动两类。
2、目前基于物理模型的雾检测方法依赖于对大气光学现象的理解，通过建立数学模型实现图像雾检测。提取图像hsv色彩空间中亮度信息与彩度信息，通过阈值判断方法对图像进行雾检测，该方法分类准确度低，无法精准检测出雾图像；基于数据驱动的雾检测方法利用神经网络，通过多层卷积与池化对输入图像进行特征提取、雾浓度分类，该方法计算量庞大，难以硬件部署，实时性较差。
3、图像时域提取多相关特征进行雾检测是平衡精确度与计算复杂度较优的方法，因此在图像处理领域拥有巨大的研究潜力与应用价值。但在选取出有代表性的特征，能够满足分类精度要求方面研究不足，迫切需要一种能够应用于图像领域，精准识别出摄像系统起雾状态的雾检测方法。
技术实现思路
1、鉴于上述情况，本专利技术的目的在于提出一种基于特征提取的视频雾检测方法，以解决无法精准识别摄像系统镜头前端起雾的技术问题。
2、为了解决上述技术问题，本专利技术采用的技术方案为：
3、s1：对输入的彩色rgb视频数据进行灰度转换处理，所述灰度转换处理为能够将彩色rgb三个颜色通道映射到强度单一分量的变换方法，具体操作为：
4、gr＝0.299*r+0.587*g+0.
5、其中，gr为灰度转换处理后的灰度分量，r、g、b分别为输入彩色视频数据的三色彩通道；
6、s2：使用预设大小的滑动窗口扫描当前帧视频数据，将数据划分为多个重叠数据块，根据当前像素坐标确定获得当前待处理数据块，对当前待处理数据块计算灰度差，获得当前帧视频数据对比度；
7、具体的，所述计算当前待处理数据块灰度差公式为：
8、
9、具体的，所述计算当前帧视频数据对比度公式为：
10、
11、其中，ω为当前待处理数据块窗口，i、j为数据块窗口中相邻灰度像素值，cω为当前待处理数据块灰度差，h、w为当前帧视频数据大小；
12、s3：对当前帧视频数据对比度进行阈值判断，选取当前帧视频数据对比度与设定对比度阈值更大者为视频对比度阈值；
13、s4：对每帧视频数据进行雾检测初判断，所述雾检测初判断具体方式为：
14、s41：依次对后续每帧视频数据进行处理，计算帧间对比度差值，具体的，所述计算帧间对比度差值公式为：
15、diff_frame_con＝c-th_c
16、其中diff_frame_con为帧间对比度差值，c为当前帧视频数据对比度，th_c为视频对比度阈值；
17、s42：帧间对比度差值与设定阈值进行判断，具体的，帧间对比度差值小于设定阈值时初步判定当前帧有雾，进行下一步检测；帧间对比度差值大于设定阈值时判定当前帧无雾，不进行后续计算；
18、s5：对初步判定当前帧有雾的数据，进行雾检测精确判断，所述雾检测精确判断具体方式为：
19、s51：模糊度计算，获取当前帧视频数据模糊度，具体的，所述获取当前帧视频数据模糊度的实现方式为：
20、s511：获取当前帧视频数据g通道分量水平方向梯度与垂直方向梯度，计算水平方向梯度均值与垂直方向梯度均值：
21、fh(x,y)＝f(x,y)*kh，fv(x,y)＝f(x,y)*kv
22、
23、其中(x,y)为像素数据位置，f(x,y)为获取的当前帧视频数据g通道分量，kh、kv分别为当前帧视频数据水平、垂直方向梯度算子，fh、fv分别为当前帧视频数据g通道分量水平、垂直方向梯度矩阵，fh_mean、fv_mean分别为当前帧视频数据g通道分量水平、垂直方向梯度均值；
24、s512：依据水平方向梯度均值与垂直方向梯度均值对当前帧视频数据g通道分量进行阈值处理，获得水平方向第一像素矩阵与垂直方向第一像素矩阵，具体的，保留大于阈值的像素数值，不满足阈值条件的像素点置零；
25、s513：依据阈值处理后水平方向第一像素矩阵与垂直方向第一像素矩阵进行梯度处理、阈值比较，获得第二像素矩阵；
26、
27、e(x,y)＝max(brh(x,y),brv(x,y))
28、其中brv(x,y)为垂直方向梯度衡量因子，brh(x,y)为水平方向梯度衡量因子，e为第二像素矩阵；
29、s514：获取第二像素矩阵，进行二值化处理，计算第三像素矩阵：
30、
31、
32、其中b为第三像素矩阵，thb为二值化阈值；
33、s515：获取第二像素矩阵与二值化处理的第三像素矩阵，统计第二像素矩阵总值与第三像素矩阵总值，计算当前帧视频数据模糊度：
34、
35、其中blurmean为当前帧视频数据模糊度，se为第二像素矩阵总值，sb为第三像素矩阵总值；
36、s52：对初步判定当前帧有雾的数据，进行直方图阈值分割判定，获取当前帧视频数据前后背景差异，具体的，所述获取当前帧视频数据前后背景差异的实现方式为：
37、s521：获取当前帧视频数据g通道分量，采用类间方差阈值分割法将当前帧视频数据g通道分量分为前景与背景：
38、
39、
40、其中mi表示当前帧视频数据g通道分量强度为i的像素数，pi为各强度值出现的概率，l为当前帧视频数据g通道分量强度最大值，σ2为前景与背景间总方差，t为使总方差最大的分割阈值，将[0，t-1]设为当前帧视频数据背景，[t-1，l-1]设为当前帧视频数据前景；
41、s522：计算当前帧视频数据g通道分量前景与背景间直方图强度均值之差，获得当前帧视频数据前后背景差异：
42、
43、s53：对初步判定当前帧有雾的视频数据进行精确雾判断：
44、具体的，获取当前帧有雾视频数据的对比度、模糊度与前后背景差异，计算三个特征与设定有雾阈值的欧氏距离distancefog以及无雾阈值的欧氏距离distancedefog，若与有雾阈值的欧氏距离小于无雾阈值的欧氏距离，判定当前帧视频有雾，若与有雾阈值的欧氏距离大于无雾阈值的欧氏距离，判定当前帧视频无雾：
45、
46、
47、
48、式中cfog、blurfog、difffog分别表示设定有雾视频数据对比度阈值、模糊度阈值以及前后背景差异阈值；cdefog、blurdefog、diffdefog分别表示设定无雾视频数据对比度阈值、模糊度阈值以及前后背景差异阈值；
49、s6：更新视频对比度阈值，重复步骤s1到s5，具体的，每本文档来自技高网...
【技术保护点】
1.一种基于特征提取的视频雾检测方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的基于特征提取的视频雾检测方法，其特征在于，步骤S3选取当前帧视频数据对比度与设定对比度阈值更大者为视频对比度阈值。
3.根据权利要求1所述的基于特征提取的视频雾检测方法，其特征在于，步骤S4对当前帧视频数据进行雾检测初判断，包括以下步骤：
4.根据权利要求1所述的基于特征提取的视频雾检测方法，其特征在于，步骤S5对初步判定当前帧有雾数据，进行雾检测精确判断，包括以下步骤：
5.根据权利要求4所述的基于特征提取的视频雾检测方法，其特征在于，步骤S51对初步判定当前帧有雾视频数据，获取当前帧视频数据模糊度，包括以下步骤：
6.根据权利要求4所述的基于特征提取的视频雾检测方法，其特征在于，步骤S52对初步判定当前帧有雾的视频数据，进行直方图阈值分割判定，获取当前帧视频数据前后背景差异，包括以下步骤：
7.根据权利要求4所述的基于特征提取的视频雾检测方法，其特征在于，步骤S53对初步判定当前帧有雾的视频数据进行精确雾判断，获取当
...【技术特征摘要】
1.一种基于特征提取的视频雾检测方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的基于特征提取的视频雾检测方法，其特征在于，步骤s3选取当前帧视频数据对比度与设定对比度阈值更大者为视频对比度阈值。
3.根据权利要求1所述的基于特征提取的视频雾检测方法，其特征在于，步骤s4对当前帧视频数据进行雾检测初判断，包括以下步骤：
4.根据权利要求1所述的基于特征提取的视频雾检测方法，其特征在于，步骤s5对初步判定当前帧有雾数据，进行雾检测精确判断，包括以下步骤：
5.根据权利要求4所述的基于特征提取的视频雾检测方法，其特征在于，步骤s51对初步判定当前帧有雾视频数据，...
【专利技术属性】
技术研发人员：王郭欣，辜长明，聂林川，周俊，李显龙，
申请(专利权)人：青岛海泰新光科技股份有限公司，
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。