[发明专利]一种基于实景图像的低能见度识别算法

权利要求书

1.一种基于实景图像的低能见度识别算法，包括可视化管理系统，所述可视化管理系统包括视频摄像设备和图像数据处理单元，所述可视化管理系统还包括基于视频摄像设备采集实景图，并通过实景图像中提取能见度信息进行识别的算法，其特征在于，包含以下步骤：

S1、开始：剔除实景图像的文字等干扰信息，对实景图像进行梯度转化，获取图像梯度图；

S2、分块：从上往下对图像进行水平分块，每块大小一样，优选分块，分块的行数根据图像大小来确定，优选分块的行数数字为n；

S3、数值统计：对每个块中的像素点的数值进行统计，分别统计0～255个数值的个数；

S4、生成灰度图：生成一个张256×n分辨率大小的灰度图，每一行代表一水平块数据，每一列代表梯度图对应像素位置为0～255数值的个数；即对于灰度图中每一行，最左边为对应水平块中梯度值为0的像素点的个数，最右边为梯度值为255的像素点的个数；

S5、灰度图标识：对每一张生成的灰度图进行标识，建立学习样本库；

S6、建立简单卷积神经网络：通过处理之后的学习样本，建立一个简单卷积神经网络进行学习即可，学习训练之后的模型进行保存，用于实景图像能见度的识别检测。

2.根据权利要求1所述的一种基于实景图像的低能见度识别算法，其特征在于，所述步骤S2中，分块的行数数字n为可调整的数字。

3.根据权利要求1所述的一种基于实景图像的低能见度识别算法，其特征在于，所述步骤S3中的像素点的数值为梯度值。

4.根据权利要求1所述的一种基于实景图像的低能见度识别算法，其特征在于，所述步骤S4中，当梯度值像素点的个数大于255时，则灰度图中该像素位置的数值即为255。

5.根据权利要求1所述的一种基于实景图像的低能见度识别算法，其特征在于，所述步骤S5中，所述灰度图的标识包括标记是否出现低能见度的情形或者按照气象中雾的分类或者按照污染等级进行分类标识两种标识中的一种。

6.根据权利要求1所述的一种基于实景图像的低能见度识别算法，其特征在于，所述步骤S6中，简单卷积神经网络包括：建立一个三层的卷积神经网络，一层输入层，二层隐藏层，一层输出层，激活函数采用relu函数和softmax函数。