[发明专利]基于图像学习的能见度测量方法

说明书

技术领域

本发明涉及一种气象能见度测量方法，特别是一种基于图像学习的自动能见度测量方法。

背景技术

能见度是气象观测的主要项目之一，它的准确测量对航空、航海及高速公路等交通运输十分重要。近年来，随着国家总体经济实力的不断增强，机动车保有量急剧增加，交通运输发展迅速，交通事故及伤亡人数急剧增长。由于在雾雪阴霾等天气条件下，高速公路上能见度普遍较低，较容易发生追尾、连环相撞等大型交通事故。我国已基本构建了一个较为完备的高速公路网，2010年底，中国高速公路通车里程达到7.4万公里，居世界第二位。高速公路加快了我国的现代化进程，改善国家的产业布局并拉动了国民经济的增长，但是，事故发生率逐年增长，引起了广泛的关注。因此，快速、准确、方便地测量能见度，对交通部门或气象行业都是非常重要的。

能见度的主要测量方法分为三种，第一种是人工测量，第二种为直接利用设备进行测量；第三种为通过图像方式，根据目标物进行测量。在《地面气象观测规范》中，人工观测的能见度(目测)，是指台站四周视野中二分之一以上范围所能见到的目标物的最大水平距离，规范性、客观性较差。当前主要利用透射仪和前向散射仪来测量能见度；仪器测量不能处理非均匀大气消光影响，同时设备贵、调试复杂，大规模应用的工作量和成本巨大。散射仪通过一个小空气块内测量大气对入射光的散射情况确定散射系数，不考虑大气及其中杂质的吸收作用。局部性较强。

明尼苏达大学运输系Taek Mu Kwon博士等人使用的基于图像边缘信息分析的白天能见度测量，利用了沿光线图像在视觉上的衰减程度，这些图像与其到观测点的真实距离相对应，利用像素点所对应的边缘信息来计算局部对比度，比用亮度对比更符合人眼的视觉感知。该方法适合于公路上的能见度测量，需要沿着道路的树或围栏形成一条光线连续衰减的模型或另外设置人工目标物。这种方法对于目标物体的类型和特性不是很敏感，但是只能针对公路上的连续目标物，无法广泛的应用于尘活中其他方面。

国内南京大学通信技术研究所陈启美等人在江苏省宁常高速公路上建立的基于监控视频的能见度检测系统在低能见度下测试准确、性能良好。针对普通尘活中常见的场景，如楼宇、草坪、广场等等，利用图像信息计算能见度，国内外未有成熟实用的气象能见度测量方法方面的报道。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于图像学习的能见度测量方法，该方法通过分析场景图像中轮廓清晰、对比明显的目标物，采用相关局部对比度计算方法，得出符合人眼视觉感知的图像特征，利用机器学习方法，建立模型，解决了能见度测量与生活类场景图像融合的难题，适用于任何天气条件下，无需专门架设人工标志物和摄像头等仪器设备。

本发明的发明目的技术特征在于：

1)与摄像头拍摄存储系统兼容：在现有的摄像头拍摄存储系统之上，不需要改变摄像头的方向与焦距，利用已训练好的模型，可以实时快捷的计算出当前能见度值，便于结果的发布。

2)图像预处理：无需专门设置黑白分明或带有距离信息的人工目标物，在摄像头采集到的场景图像中，选取轮廓清晰、对比明显的目标物作为感兴趣区域，计算其局部对比度作为图像特征。

3)机器学习建立模型：将机器学习与图像结合，从图像中得到数值形式的图像特征，通过学习，建立图像特征与能见度之间的关系，从而确定图像与能见度的关系。

4)能见度结果实时计算：只需将实时拍摄的图像输入已训练完成的模型，无需人工操作，即可方便、快捷的输出计算能见度值。

本发明的改进包括图像预处理中，采用图像配准技术，使用关键点匹配，并通过匹配点之间的位移差值，平移图像，以消除图像中的平移误差；对图像进行滤波，消除摄像头与传输通道中产生的图像噪声。

本发明的改进包括对图像中目标物进行分窗处理，以一个多维的对比度代替一个单独的对比度值，更能体现图像中目标物的清晰明暗变化，也更符合人眼的视觉特征，机器学习的效果也更好。

本发明的改进还包括使用训练好的模型对训练数据进行验证，并去除误差较大的训练数据，重新建立模型，以确保训练数据和模型的准确性。

本发明适用于不同天气条件下，例如雨、雪、雾、阴霾、扬沙等等，进行能见度测量；可在各气象观测站或需要观测地点联网分析与发布，结合历史数据得到能见度可能的变化与分布情况。