[发明专利]雾天下基于双光谱消光的城市建筑物相对距离估计方法

说明书

本发明公开了一种雾天下基于双光谱消光的城市建筑物相对距离估计方法，采用同一近红外单色相机获取相同城市建筑物场景的905nm图像和980nm图像，分别确定905nm图像和980nm图像的全局大气光值、消光系数；根据所述905nm图像、980nm图像及对应的全局大气光值、消光系数确定原始距离图像；通过高斯滤波平滑原始距离图像获得滤波后的原始距离图像；通过掩模图像乘以滤波后的原始距离图像获得估计的城市建筑物相对距离。本发明仅需一台近红外单色相机，成像系统构造简单，且成本大幅度降低；在进行距离估计时，利用消光系数与波长的关系建立所述原始距离估计模型，直接代入905nm与980nm两个窄波段的成像数据即可得到原始的距离估计信息，降低了距离反演过程中的大量计算，具有很好的实时性。

技术领域

本发明属于光谱成像及图像处理领域，具体涉及一种雾天下基于双光谱消光的城市建筑物相对距离估计方法。

背景技术

距离感知是在计算机视觉、机器人、3D重建和计算成像等领域中一项十分重要的技术，尤其是在恶劣天气下的距离感知，对于自动驾驶、自主感知等方面有着很大的影响，一个特定的距离感知算法被称作飞行时间(TOF)，它是用来衡量光脉冲达到物体表面并反射回发射源所经历的时间，飞行时间可以直接用于编码物体表面到光源的距离；但是，准确测量飞行时间需要特殊的硬件，给定由近红外单色相机获取的图像，诸如双目，多视角立体和来自运动的结构等方法利用基本的几何关系来估计距离，这些方法依赖于在物体表面上找到并匹配独特的纹理特征，因而它们容易受到噪声的影响，阴影形状和立体光度学通过对表面亮度的变化进行建模来推断距离，但是，它们的性能仅限于具有纹理和复杂反射的对象。

Srinivasa等人在他们的研究工作中提出了根据色分解模型对衰减进行深度估计的方法；所提出的方法需要在不同天气条件下的两个RGB图像(例如，薄雾和浓雾)，从相同的角度来看，它们具有不同的衰减系数，从而可以推算深度，但这种方法需要不同天气下完全相同的场景图像才可以估计深度，其应用范围受到了很大的限制；另外，他们通过假设大气光在散射效应中起着主导作用，也可以在单个图像上估算深度，但是，这种估计会变差，甚至在更好的天气条件下也会失败；此外，其假设每个波长的消光系数相同与现实差距较大；例如瑞利散射，它就是依赖于波长的散射，因而天空看起来是蓝色的，可见其假设与实际不符，此后，在从单个图像进行深度感知方面已经取得了一些进展；例如，Tan等人发现没有雾度的图像总是具有较高的对比度，于是他们最大化了处理图像的局部对比度，用以估计深度。

何凯明等人还建立了雾度的视觉效果模型，使用暗通道先验将雾度从单个图像中去除，并获得了图像的深度图，暗通道先验是对无雾度户外图像的一种统计，他们发现大多数局部色块包含一些像素，这些像素在至少一个颜色通道中具有非常低的强度，这种方法虽然基于一些先验而在距离感知上取得了进展，但是通常忽略了实际的气象参数，因而其对于不同天气的适用性存在一定的限制。

在给定大量训练数据集的情况下，距离感知也可以看作是监督回归问题，这些方法尝试使用训练好的模型直接预测每个像素的距离；例如，Saxena等人引入了基于称为Make3D的补丁的模型来估计3D局部平面的位置和方向，平面参数的预测是通过利用MRF后处理之前训练的线性模型获得的。

刘等人通过卷积神经网络学习了距离感知。Ladicky等人试图将语义纳入模型以改善每个像素对距离的感知，这些方法尽管取得了很大的成功，但它们受到大量训练数据集需求的限制，因此，Flynnetal提出了一种无监督的距离感知方法。他们引入了一种名为Deep-Stereo的新型图像合成网络，该网络可以通过从附近的几张相邻位置图像中选择像素来生成新视图；但是，所有这些方法仅在晴天适用。

综上所述，结合目前国内外距离感知技术的发展现状，针对恶劣天气下的场景距离感知，研究一种能够在恶劣天气下通过近红外单色相机准确感知距离的方法，增加距离感知方法的适用性，是当前亟需解决的问题，且具有重大的研究意义和实用价值。

发明内容