[发明专利]一种基于特征提取的夜间能见度等级识别方法

权利要求书

1.一种基于特征提取的夜间能见度等级识别方法，其特征在于，包括以下步骤：

获取夜间彩色图像；

提取夜间彩色图像的亮度直方图数据，处理得到夜间彩色图像的亮度特征向量；

提取夜间彩色图像的饱和度图像数据S，将饱和度图像数据S与夜间彩色图像数据一起处理，得到夜间彩色图像的SRGB特征向量；

将夜间彩色图像的亮度特征向量和SRGB特征向量合并连接后，通过判别器进行类别判断，实现夜间能见度等级识别。

2.根据权利要求1所述的基于特征提取的夜间能见度等级识别方法，其特征在于，所述彩色的夜间彩色图像包括夜间无雾图像和夜间有雾图像，其中有雾图像根据能见度距离分为轻雾、中雾和大雾三个等级。

3.根据权利要求2所述的基于特征提取的夜间能见度等级识别方法，其特征在于，所述处理得到夜间彩色图像的亮度特征向量，具体为：

将所述夜间彩色图像的亮度直方图数据输入至多层感知器MLP中，所述多层感知器MLP输出夜间彩色图像的亮度特征向量。

4.根据权利要求3所述的基于特征提取的夜间能见度等级识别方法，其特征在于，所述多层感知器MLP包括输入层、隐藏层和输出层，不同层之间是全连接的，所述多层感知器MLP的训练参数有：dropout为0.5，激活函数是relu，无其它参数，最后得到的是n*1维的亮度特征向量。

5.根据权利要求2所述的基于特征提取的夜间能见度等级识别方法，其特征在于，所述提取夜间彩色图像的饱和度图像数据，具体为：

S＝max(R,G,B)-min(R,G,B)

式中，S为饱和度图像数据，R,G,B分别为夜间彩色图像红、绿、蓝三通道对应的值。

6.根据权利要求5所述的基于特征提取的夜间能见度等级识别方法，其特征在于，所述将饱和度图像数据S与夜间彩色图像数据一起处理前，还分别对饱和度图像数据S与夜间彩色图像数据进行尺寸归一化，将饱和度图像数据与夜间彩色图像的尺寸保持一致，并且符合后续卷积神经网络模型输入图像分辨率的要求。

7.根据权利要求6所述的基于特征提取的夜间能见度等级识别方法，其特征在于，所述将饱和度图像数据与夜间彩色图像一起处理，具体为：

输入数据除了夜间彩色图像的RGB三通道外，增加所述饱和度图像数据S作为第四个通道，将所述输入数据输入至卷积神经网络中，所述卷积神经网络输出所述夜间彩色图像的SRGB特征向量。

8.根据权利要求7所述的基于特征提取的夜间能见度等级识别方法，其特征在于，所述卷积神经网络包括4个卷积层和2个全连接层，所述卷积神经网络输入的是尺寸归一化后的4通道图像数据，经过卷积神经网络特征提取后，得到n*1维的SRGB特征向量。

9.根据权利要求1所述的基于特征提取的夜间能见度等级识别方法，其特征在于，所述将夜间彩色图像的亮度特征向量和SRGB特征向量合并连接，具体为：

利用concat的方式将夜间彩色图像的亮度特征向量和SRGB特征向量合并连接，得到n*2维的特征向量。

10.根据权利要求9所述的基于特征提取的夜间能见度等级识别方法，其特征在于，所述通过判别器进行类别判断，具体为：

采用全局平均池化方法，构建所述判别器，所述判别器包括3个卷积层和1个全局平均池化层，所述判别器的输出再经softmax函数计算出样本对应各个类别的概率，所述类别包括晴天、轻雾、中雾和大雾。