[发明专利]一种基于单幅户外彩色图像的天气晴阴分类方法

说明书

本发明公开了一种基于单幅户外彩色图像的天气晴阴分类方法，针对户外彩色图像，首先提取户外彩色图像的天空频率直方图特征、阴影能量特征以及透射率特征，将此三种特征与已有天气特征共同组合构成候选天气特征集；根据Fisher‑Random Forest特征重要性计算方法计算候选天气特征集中的特征重要性并进行特征选择；将特征选择后的天气特征以向量形式输入到训练好的随机森林分类器中，最终实现对户外彩色图像的天气晴阴分类。本发明所用的户外彩色图像无需特定的图像采集设备采集，且适用于不同场景下的户外彩色图像，并具有训练速度快、可处理高维数据、噪声容忍度高等优点。

技术领域

本发明涉及计算机视觉领域，尤其涉及一种基于单幅户外彩色图像的天气晴阴分类方法。

背景技术

天气分类一直是天气预测、灾害预警、视频监控、自动驾驶、场景理解以及图像复原等领域重要且困难的课题之一，受到了学者们的广泛关注。

已有天气分类算法主要基于以下三类信息实现：历史天气数据、户外视频和单幅户外彩色图像。近些年天气分类研究通常都基于单幅户外彩色图像，主要原因在于基于历史天气数据的天气分类涉及到对过往历史数据采集与处理，局限性太大，而基于户外视频的天气分类其本质为对每一帧图像进行判断。基于单幅户外彩色图像的天气晴阴分类方法的研究成果如下：Roser M和Moosmann F在文章“Classification of weather situationson single color images.Intelligent Vehicles Symposium.Eindhoven:IEEE ComputerSociety Press,2008:798-803”所提方法中主要是判断由车载设备采集的与道路场景相关图像，故不具普遍性。Yan X和Luo Y在文章“Weather Recognition Based on ImagesCaptured by Vision System in Vehicle.International Symposium on NeuralNetworks:Advances in Neural Networks.Springer-Verlag,2009:390-398”中所提天气特征对于场景结构复杂的户外彩色图像分类效果不明显。Lu C和Lin D在文章“Two-ClassWeather Classification.Computer Vision and Pattern Recognition.IEEE,2014:3718-3725”所提方法在阴影和雾霾方面的检测性能略低，并且在提取天气特征时，该方法在阴影特征和对比度特征下会对分类结果产生一定的负作用。Zhang Z和Ma H在文章“Multi-class weather classification on single images.International Conferenceon Image Processing.IEEE,2015:4396-4400”中所提方法整体的分类效果相对较低。

发明内容

本发明目的在于提供一种利用天空频率直方图特征、阴影能量特征、透射率特征与现有天气特征相结合构造候选天气特征集、并采用Fisher-Random Forest特征重要性计算方法来计算候选天气特征集中各特征Fisher-Random Forest特征重要性并进行特征选择的基于单幅户外彩色图像的天气晴阴分类方法。

为实现上述目的，采用了以下技术方案：本发明所述方法包含以下步骤：

步骤1，针对户外彩色图像，提取天空频率直方图特征、阴影能量特征以及引入透射率特征，将此三种特征与已有特征共同组合构成候选天气特征集W；

步骤2，根据Fisher-Random Forest特征重要性计算方法计算候选天气特征集W中的各天气特征重要性并进行特征选择，构成天气特征向量V_w；

步骤3，将天气特征向量V_w输入到训练好的随机森林分类器中实现对户外彩色图像的晴阴分类。