[发明专利]用于检测场景中的雾的方法和图像捕获设备

说明书

公开了用于检测使用图像捕获设备(110)成像的场景中的雾的方法和图像捕获设备(110)。图像捕获设备(110)不用IR辐射照射场景捕获(A010)场景的第一图像。图像捕获设备(110)确定(A020)与第一图像的对比度相关的度量的第一值。当第一值指示第一图像的第一对比度小于第一阈值时，图像捕获设备(110)在用IR辐射照射场景的同时捕获(A030)场景的第二图像。图像捕获设备(110)确定(A040)与第二图像的对比度有关的度量的第二值。当第一对比度和由第二值指示的第二对比度之间的差异大于第二阈值时，图像捕获设备(110)确定(A050)场景中存在雾。还公开了计算机程序和计算机程序载体。

技术领域

本文的实施例涉及图像处理，诸如自动检测、自动分类、图像增强等。特别地，公开了用于检测场景中的雾的方法和图像捕获设备。还公开了相应的计算机程序和计算机程序载体。

背景技术

图像处理是指应用于图像的任何处理。该处理可以包括向图像应用各种效果、掩模、滤波器等。通过这种方式，图像可以在对比度方面增强，转换为灰度级或以某种方式改变。图像通常由摄像机、静态图像相机等捕获。

通常情况下，天气条件既对可见度也对捕获图像的设备有很大影响。由于散射，霾和雾会特别造成不需要的杂散光。已经开发了本文称为“对比度增强处理”的成像算法，其试图增强由于例如雾、霾等造成的散射而可能丢失的对比度。

参考对比度增强处理，当不知道要捕获的场景是否包括雾时，会出现一些挑战。如果假设存在雾并且始终应用对比度增强处理，则这可能导致描绘不包括雾的场景的图像的严重质量劣化。因此，当不知道天气是否在图像中引起雾时，对比度增强处理的使用受到限制。因此，例如视频监控系统的操作者在他/她观察到由视频监控系统捕获的图像中的雾时手动打开对比度增强处理。不利的是，因此存在操作者或其他值班操作者在不再需要时(例如当雾消失或几乎消失时)忘记关闭对比度增强处理的风险。

因此，问题可能涉及如何自动检测由设备成像的场景是否包括雾。

根据已知的措施，可以使用场景的图像的直方图以便获得场景中是否存在雾的线索。简而言之，直方图是示出像素的数量相对于图像的可用像素值的范围的曲线图。因此，当直方图被称为平坦时，即相对多的可用像素值由相似数量的像素表示时，可以假设场景中存在雾。然而，具有没有雾的平坦动态的场景也将由类似的直方图表示，因此将导致已知的措施错误地假设该场景包括雾。因此，任何随后应用的对比度增强处理都会降低图像的质量。

CN102539385公开了一种多波长雾霾识别方法和可见度的测量方法。利用该方法，颜色滤波器安装在散射能见度计中的光学接收器的前面。此外，通过能见度计中的光学接收器另外安装一系列红色、绿色和蓝色的颜色滤波器。通过这种方式，可以辨别是雾还是霾。此外，可以根据雾和霾的差异分别计算吸光度指数。

US20090046894公开了一种用于从车辆检测可见度干涉现象的过程。发射光束以照射车辆的后部，光束被发射到安装在车辆中的相机的视野中。然后，基于由相机捕获的至少一个图像来确定可见度干涉现象的存在和性质。

文章“车辆中基于图像的雾检测(Image based fog detection in vehicles)”，PAVLIC M等人，公开于智能车辆研讨会(INTELLIGENTVEHICLES SYMPOSIUM)(IV)，2012IEEE，IEEE，2012年6月3日(2012-06-03)，第1132-1137页，XP032453047，DOI：10.1109/1VS.2012.6232256，ISBN：978-1-4673-2119-8，公开了基于对比度检测图像中的雾的系统。建议了使用图像描述符和分类程序来区分有雾的图像和没有雾的图像。这些图像描述符是全局性的，并使用不同频率、尺度和方位的Gabor滤波器来描述整个图像。