[发明专利]基于图像学习的能见度测量方法

摘要

本发明公开了一种基于图像学习的能见度测量方法。本发明利用现有摄像头拍摄的场景图像，预处理并提取图像中符合人眼视觉特征的局部对比度作为图像特征，进行机器学习，并验证训练数据，去除训练数据中误差较大的值，重新建立模型。通过单幅场景图像自动计算当前能见度值。本发明考虑了因图像中传输通道噪声等引起的误差，和训练学习数据中存在的偏差，提高了能见度测量结果的准确度，所述的能见度测量方法适用于任何天气条件下(雾、雨、雪、扬沙等)气象能见度的实时测量，适用于公路、气象观测站等任何需要监测能见度的场所。

主权项

一种基于图像学习的能见度测量方法，其特征在于，利用现有摄像头拍摄得到的场景图像，无需专门设置目标物与架设摄像头，主要步骤包括图像训练过程和测试过程：图像训练过程包括读入图像及相应能见度(2)，灰度化图像并提取感兴趣区域(3)，图像配准和滤波(4)，计算局部对比度(5)，所有训练图像全部读取完毕后，将局部对比度作为输入、能见度值作为输出、训练模型(7)，保存训练好的模型(8)，使用训练好的模型测试训练数据(9)，计算结果的相对误差，若有大于50％的结果(10)，去除结果中相对误差大于50％的训练数据(11)，重新训练模型(7)，若训练数据的测试结果相对误差均小于50％，保存训练好的模型(12)作为最终模型；图像测试过程包括读入图像(15)，灰度化图像并提取感兴趣区域(16)，图像配准和滤波(17)，计算局部对比度(18)作为特征，输入训练好的模型(19)，输出能见度(20)。