[发明专利]一种雾霾图像的检测方法

说明书

本发明涉及图像处理技术领域，具体是涉及一种雾霾图像的检测方法，包括计算正常图像的平均向量、协方差矩阵和待测图像的平均向量、协方差矩阵，将正常图像的平均向量、协方差矩阵和待测图像的平均向量、协方差矩阵输入到巴氏距离公式中，计算出每个待测图像块的质量分数，根据每个待测图像块的质量分数，计算待测图像的质量分数平均值，即待测图像的图像质量评价分数，若待测图像的图像质量评价分数小于第一阈值，则待测图像为正常图像。将图像质量评价方法和暗原色图像特征结合在一起，泛化能力强，有效地判断出图像是否为雾霾，避免了因图像为墙面、地面等单一场景而导致的误检，降低误报率与漏检率。

技术领域

本发明涉及图像处理技术领域，具体是涉及一种雾霾图像的检测方法。

背景技术

随着视频监控业务的快速增长，其存在的问题也逐渐暴露出来，如何在第一时间发现前端摄像机故障，提高视频监控系统的运维工作效率，是视频监控系统发展不可或缺的一部分。

通过视频质量诊断系统可以对视频流的质量进行自动化检测，自动检出的包括黑屏、清晰度异常等异常情况，而雾霾会造成清晰度异常，由雾霾造成的清晰度异常与天气有关，不是摄像头故障，属于误检，因此将雾霾导致的摄像头清晰度异常检测出来显得尤为重要。

现有的雾霾检测方法，不能针对单一摄像头判断视频图像是否受到雾霾影响。

发明内容

为解决上述技术问题，本发明提供了一种雾霾图像的检测方法，能够针对单一摄像头检测出拍摄的图像受到雾霾影响。

为实现上述目的，本发明采用了以下技术方案：

一种雾霾图像的检测方法，包括如下步骤：

S10，从图像库中选择没有雾霾的正常图像，对正常图像和待测图像进行分块，预处理正常图像的分块图像和待测图像的分块图像，预处理之后的待测图像的分块图像，设为待测图像块；从预处理之后的正常图像的分块图像中选出对比度大于设定值的分块图像，设为标准图像块；

S11，从每个标准图像块和每个待测图像块中提取特征，特征至少包括颜色、亮度、梯度、梯度幅值；

S12，由每个标准图像块的特征生成正常图像的特征集合；由每个待测图像块的特征生成待测图像的特征集合；

S13，对步骤S12中的正常图像的特征集合和待测图像的特征集合分别采用主成分分析方法生成正常图像的多元高斯模型和待测图像的多元高斯模型；

S14，对步骤S13中的多元高斯模型进行最大似然估计，分别得到正常图像的平均向量、协方差矩阵和待测图像的平均向量、协方差矩阵；

S15，将正常图像的平均向量、协方差矩阵和待测图像的平均向量、协方差矩阵输入到巴氏距离公式中，计算出每个待测图像块的质量分数；

S16，根据每个待测图像块的质量分数，计算待测图像的质量分数平均值，即待测图像的图像质量评价分数；

S17，若待测图像的图像质量评价分数小于第一阈值，则待测图像为正常图像；否则，待测图像为异常图像，进行步骤S18；

S18，根据暗原色先验理论计算待测图像的暗原色图像；

S19，若暗原色图像的像素值满足设定的条件，则待测图像为雾霾图像，否则，待测图像为失焦图像。

进一步，步骤S10的具体步骤如下：

S100，分别对正常图像和摄像镜头拍摄到的待测图像采用插值法进行处理，插值法至少包括邻值插值方法、均值插值方法，使得正常图像和待测图像的大小均为m*m′，m为正常图像对应矩阵和待测图像对应矩阵的行数，m′为正常图像对应矩阵和待测图像对应矩阵的列数；