[发明专利]一种雾霾图像的雾浓度识别方法

权利要求书

1.一种雾霾图像的雾浓度识别方法，其特征是，包括如下步骤：

将目标雾霾图像输入预先训练好的有向无环图支持向量机，获取目标雾霾图像的雾浓度；

所述雾浓度基于预构建的多特征模型进行表征，所述多特征模型中的特征向量包括颜色特征、暗通道特征、信息量特征、对比度特征中的至少任一项；

所述有向无环图支持向量机的训练方法，包括：

获取不同雾浓度的雾霾图像构建训练集，所述雾霾图像的雾浓度基于预构建的多特征模型进行表征；

将训练集输入有向无环图支持向量机，采用基于可分度优化DAG图的S-DAGSVM多分类算法对多特征模型中的特征向量进行监督学习；

采用基于可分度优化DAG图的S-DAGSVM多分类算法对多特征模型中的特征向量进行监督学习的方法，包括：

首先定义训练集中任意两类样本间的可分度，设训练集中任意两类样本集为{x₁,x₂,…,x_n}和{y₁,y₂,…,y_m}，定义两类样本集在映射后的特征空间Q中的类间距离类内散度和分别是两类样本集在特征空间Q中的类中心，综合类间距离和类内散度定义类别i和类别j之间的可分度式中，β为权重系数；

将训练集输入有向无环图支持向量机，将训练集中的各类样本两两组合训练二分类SVM，对于一个k类问题，将有k(k-1)/2个二分类SVM，所述类对应不同的雾浓度；

根据类别i和类别j之间的可分度计算每两类之间的可分度，获取可分度集合S＝{s_ij},i≠j,i,j∈D，且s_ij＝s_ji，D为训练集中的类别集合，对应不同的雾浓度的集合；

从可分度集合中提取最大可分度max{s_ij}，将其所对应的二分类SVM作为DAG图的根结点；

设当前结点的二分类SVM为c_ij，根据该分类器的分类结果决定下一层使用哪个二分类SVM。

2.根据权利要求1所述的雾霾图像的雾浓度识别方法，其特征是，所述颜色特征，其表达式如下：

A(x)＝I^v(x)-α·I^s(x)，其中，

式中，A(x)为图像I(x)的颜色特征矩阵，I^v(x)为图像I(x)的亮度，I^s(x)为图像I(x)的饱和度，α为权重系数，I^C(x)为图像I(x)的某一个R,G,B颜色通道。

3.根据权利要求1所述的雾霾图像的雾浓度识别方法，其特征是，所述暗通道特征，其表达式如下：

式中，J^dark(x)为图像J(x)的暗通道特征矩阵，N_r(x)代表以像素点x为中心、以r为半径的邻域，J(y)为像素点x的邻域N_r(x)中的某个像素点y的像素值，J^C(y)为J(y)的某一个R,G,B颜色通道像素值。

4.根据权利要求1所述的雾霾图像的雾浓度识别方法，其特征是，所述信息量特征包括全局熵或/和局部熵；

所述全局熵，其表达式如下：

式中，H_g为图像的全局熵，p_t表示整幅图像中灰度值为t的像素所占的比例；

所述局部熵，其表达式如下：

式中，H(x)为图像的局部熵矩阵，p_t(x)表示在以像素点x为中心、窗口边长为2r+1的正方形局部区域中灰度值为t的像素占局部区域像素总数的比例。