[发明专利]一种基于图像清晰度的能见度识别的方法及设备

说明书

本申请的目的是提供一种基于图像清晰度的能见度识别的方法及设备，本申请通过获取多个条件下的建筑物图像信息，对获取到的建筑物图像信息进行处理为训练数据；根据所述训练数据训练图像清晰度比对模型；对获取到的目标建筑物图像信息进行处理为待输入数据，将所述待输入数据输入至所述图像清晰度比对模型中，得到能见度与建筑物距离的比例；根据所述目标建筑物的实际距离以及所述能见度与建筑物距离的比例确定所述目标建筑物的能见度。从而得到鲁棒性很好的图像清晰度比对模型，通过该模型可以使得在不同光照和天气状况下准确识别建筑物能见度。

技术领域

本申请涉及计算机领域，尤其涉及一种基于图像清晰度的能见度识别的方法及设备。

背景技术

在航空气象领域，能见度是一个非常重要的指标，关系到飞机航班的能否正常航行；目前的能见度主要靠人工观测和光学仪器检测；人工观测需要专业观测人员每隔一段时间观察观测站周围预先设定好的标志性建筑，通过判断建筑物的清晰程度得到当前的能见度，人工观测需要大量人力，受限于此获取数据的频率不能太高；光学仪器探测一段空间内的透射和散射系数，通过光学公式计算得到该区间内的能见度，光学仪器探测范围较小，且受限于当地的空气质量；近年出现了使用机器学习技术，通过相机画面判断当地能见度的方法；部分该类技术使用图像分类网络，分类得到标志性建筑在画面中的清晰程度，从而估算该画面中所能达到的能见度数值，综合多个相机画面可以得到当地的大致能见度。由于不同光照和天气状况下的相机画面变化较大，目前基于机器学习技术判断相机画面的能见度估计技术在遇到新的光照、天气条件的状况下往往无法获得准确的信息，鲁棒性较差。

发明内容

本申请的一个目的是提供一种基于图像清晰度的能见度识别的方法及设备，解决现有技术中目前基于机器学习技术判断相机画面的能见度估计技术在遇到新的光照、天气条件的状况下往往无法获得准确的信息，图像清晰度比对模型学习鲁棒性差的问题。

根据本申请的一个方面，提供了一种基于图像清晰度的能见度识别的方法，该方法包括：

获取多个条件下的建筑物图像信息，对获取到的建筑物图像信息进行处理为训练数据；

根据所述训练数据训练图像清晰度比对模型；

对获取到的目标建筑物图像信息进行处理为待输入数据，将所述待输入数据输入至所述图像清晰度比对模型中，得到能见度与建筑物距离的比例；

根据所述目标建筑物的实际距离以及所述能见度与建筑物距离的比例确定所述目标建筑物的能见度。

进一步地，对获取到的建筑物图像信息进行处理为训练数据，包括：

对获取到的建筑物图像信息中每一张建筑物图像进行多次的平滑处理及增强通道操作，得到每一建筑物对应的改组图像；

对所述每一建筑物对应的改组图像中的每一图像进行建筑物清晰度标签标记；

将所述每一建筑物对应的改组图像以及对应的建筑物清晰度标签作为训练数据。

进一步地，根据所述训练数据训练图像清晰度比对模型，包括：

通过卷积层、batchnorm层、scale层、relu层、eltwise层、池化层、concat层及全连接层搭建孪生网络结构；

对所述训练数据中的每一建筑物对应的改组图像的每个像素点的RGB通道数据分别减去第一像素值、第二像素值及第三像素值，得到调整像素分布后的图像；

将所述调整像素分布后的图像的尺寸缩放到预设像素，得到预设图像；

将所述预设图像与所述对应的建筑物清晰度标签同时输入到所述孪生网络结构中，以训练为图像清晰度比对模型。

进一步地，将所述预设图像与所述对应的建筑物清晰度标签同时输入到所述孪生网络结构中之后，包括：