[发明专利]一种基于暗通道先验直方图的图像污染检测方法及系统

说明书

本发明涉及一种基于暗通道先验直方图的图像污染检测方法及系统，其中，基于暗通道先验直方图的图像污染检测方法，包括：获取待检测图像中最低像素值形成第一暗通道图像；根据第一暗通道图像的灰度值生成第一灰度直方图；根据已污染图像和未污染图像生成分类模型；根据分类模型对第一灰度直方图进行分类，并生成分类结果；根据分类结果判断待检测图像是否被污染。在本发明的技术方案中，能够检测并剔除雾霾、降雨、灰尘等引起的污染图像，以提高作物图像视觉特征识别和图像处理结果的准确性和可用性。

技术领域

本发明涉及农业气象观测领域，主要涉及一种基于暗通道先验直方图的图像污染检测方法和一种基于暗通道先验直方图的图像污染检测系统。

背景技术

为了适应现代农业气象观测的需求，由于各种条件的限制，如在任何测量都不可避免的含有误差，包含粗大误差、系统性误差、随机误差和反演导入误差等。为获取高质量的农业气象自动观测资料和充分合理地使用这些观测资料，必须对观测资料进行质量检查和处理，这样才能揭示真实农田环境和农作物生长特征与规律，同时为多源信息的农作物群体长势定量监测研究提供准确可信的基础数据。

农业气象自动观测资料不同于普通的常规自动站观测数据，其观测数据源丰富，包括传统气象要素值、可视图像、模型估算值三大类十余种要素信息，且观测环境复杂、数据采集和传输自动化程度高，资料实时性强，这些特点增加了使用上述资料的难度。

发明内容

本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。

为此，本发明的一个目的在于提供一种基于暗通道先验直方图的图像污染检测方法，其能够检测并剔除雾霾、降雨、灰尘等引起的污染图像，以提高作物图像视觉特征识别和图像处理结果的准确性和可用性。

本发明的另一个目的在于提供一种基于暗通道先验直方图的图像污染检测系统，其能够检测并剔除雾霾、降雨、灰尘等引起的污染图像，以提高作物图像视觉特征识别和图像处理结果的准确性和可用性。

为实现上述目的，本发明第一方面的技术方案提供了一种基于暗通道先验直方图的图像污染检测方法，包括：获取待检测图像中最低像素值形成第一暗通道图像；根据第一暗通道图像的灰度值生成第一灰度直方图；根据已污染图像和未污染图像生成分类模型；根据分类模型对第一灰度直方图进行分类，并生成分类结果；根据分类结果判断待检测图像是否被污染。

在该技术方案中，通过对传统气象要素、土壤要素和作物图像及模型估算值等多种传感器多种类型数据以及利用它们之间潜在规律与关联自动进行图像的分析处理，初步建立农作物实景观测中图像质量控制方法，确保以高质量农业气象信息数据进行实时现代农业生产和决策服务和未来卫星遥感准确性校验，研究具有良好的基础应用价值。

在上述技术方案中，优选地，根据已污染图像和未污染图像生成分类模型，包括：选取已污染图像和未污染图像作为训练样本集；获取训练样本集种最低像素值形成第二暗通道图像；根据第二暗通道图像的灰度值生成第二灰度直方图；根据预设的训练集和第二灰度直方图生成分类模型。

在上述任一技术方案中，优选地，分类模型为分割超平面和/或核函数。

在上述任一技术方案中，优选地，第一暗通道图像和第二暗通道图像的公式为：

其中，J_c表示图像的R，G，B颜色通道，Ω(x，y)表示以像素(x，y)为中心的图像块，(x，y)表示图像像素的坐标值；

第一灰度直方图和第二灰度直方图的公式为：

其中，h(x_i)为第x_i阶灰度出现的概率，S(x_i)为灰度值为x_i的所有像素数量，为图像总的像素数。