[发明专利]一种基于像素密度K均值聚类团雾识别算法

权利要求书

1.一种基于像素密度K均值聚类团雾识别算法，其特征在于，包括以下步骤：

S1.通过高速摄像机捕捉区域图像，输入图像集，进行图像网格分割，计算每个网格内团雾的像素密度，判定团雾区域；

判定团雾区域的具体步骤包括，

S11.将图像统一尺寸，对图像网格进行分割，并逐一计算每个网格内团雾像素密度，

式(1)中，A_i表示第i个网格内团雾像素密度；n_i表示第i个网格内团雾像素个数，N_i表示第i个网格内全部像素个数；

S12.判断每个图像分割网格内的雾像素密度，保留A_i≥0.3的有效网格，剔除A_i＜0.3的无效网格；将有效网格进行连接，构成图像内的团雾区域；

S2.计算团雾区域内团雾像素密度；

S3.计算团雾像素密度均值与方差，将均值与方差组成代表团雾图像的二维数据点，并将所有图像数据点组成数据集合；

S4.根据团雾等级划分指标，在数据集合中随机选择五个二维数据点，作为初始聚类中心；

S5.遍历所有数据，逐一计算与聚类中心的距离，根据距离大小，将所有数据分为五类；

S6.迭代计算准则函数，直至满足阈值要求，算法收敛，输出团雾识别等级结果。

2.根据权利要求1所述的一种基于像素密度K均值聚类团雾识别算法，其特征在于，将有效网格内团雾像素密度进行汇总，计算团雾区域内团雾像素密度；

式(2)中，S表示团雾区域内团雾像素密度，D表示有效网格数量，A_j表示第j个有效网格的团雾像素密度。

3.根据权利要求1所述的一种基于像素密度K均值聚类团雾识别算法，其特征在于，步骤S3中，计算图像集内所有图像的团雾区域内团雾像素密度均值和方差；

式(3)中，M表示团雾区域内团雾像素密度均值，Q表示图像数量，S_k表示第k张图像的团雾区域内团雾像素密度；P表示团雾区域内团雾像素密度方差。

4.根据权利要求1所述的一种基于像素密度K均值聚类团雾识别算法，其特征在于，步骤S3中，将团雾区域内团雾像素密度均值M与方差P组成代表团雾图像的二维数据点(M,P)，将图像集内所有代表团雾图像的二维数据点(M,P)构成一个数据集I。

5.根据权利要求1所述的一种基于像素密度K均值聚类团雾识别算法，其特征在于，步骤S4中，从数据集I中随机选取5个二维数据点b₁、b₂、b₃、b₄、b₅作为初始聚类中心。

6.根据权利要求5所述的一种基于像素密度K均值聚类团雾识别算法，其特征在于，步骤S5中，遍历数据集I内所有二维数据点，逐一计算与初始聚类中心b₁、b₂、b₃、b₄、b₅的马氏距离，

d(x，b_r)＝[(x-b_r)^TH^-1(x-b_r)]^1/2 (r＝1，2，3，4，5)     (5)

式(5)中，d(x,b_r)表示逐一数据与初始聚类中心的马氏距离，x表示数据集I内的任一数据点，(x-b_r)^T表示转置矩阵，H表示数据集I中所有数据点的协方差矩阵，r表示五类。