[发明专利]面向烟雾检测应用的预处理方法

摘要

本发明属于计算机视觉技术领域，提供了一种面向烟雾检测应用过的预处理方法。该方法分为三步，第一步对输入图像进行预分类操作，将输入图像分无雾、轻雾和无雾三类。第二步，对于轻雾图像根据亮度信息进行去雾增强操作。第三步，对于去雾后的图像以及轻雾图像，进行天空分割操作，除去天空区域。经过预处理操作的图片再进行烟雾检测，提高了正确率以及检测效率。

主权项

1.一种面向烟雾检测应用的图像预处理方法，其特征在于，步骤如下：第一步，对输入图像进行分类操作，分成无雾、轻雾和浓雾三类；该步骤中使用的图像分为两类：一类为待分类的输入图像，另一类为用于训练模型的训练图像；step1：对训练图像提取四个特征：S_mean、S_rate、T_mean和T_rate；其中，S_mean和S_rate是根据训练图像的半逆图提取；获取训练图像的半逆图其中，c代表通道值，c∈{r,g,b}；x为像素位置；然后分别求出半逆图和原始训练图像的色调图和I^hue，二者相减，得到I_si‑src：由此得到S_mean：其中N代表总像素数目；第二个特征S_rate定义如下：其中，r(I_si‑src(x))定义如下：其中，τ为根据实际情况确定的阈值；第三个特征从训练图像的透射图中获取；第三个特征T_mean定义如下：其中，为训练图像的透射图；第四个特征T_rate定义如下：其中为：t_l是一个预定义的阈值，小于t_l的像素值具有较高的雾浓度；T_rate表示值小于t_l的像素在整幅图中所占比例，同时也提供具有适宜浓度的区域在全局中所占比例的信息；通过t_l的调整，把T_rate划分在三个有效域内，通过计算训练图像的数据确定t_l；令t_l在[0.2，0.6]范围内以步长为0.05的步幅变化，目的是找到一个t′_l使T_rate值比较清晰的落在三个交叉较小的域内；通过实验确定，当t′_l＝0.35时，T_rate落在[0.01，0.4]，[0.4，0.8]，[0.8，1]三个范围域内，选择t′_l＝0.35；step2：提取训练图像的四个特征，训练图像包括浓雾图、轻雾图和无雾图，对SVM进行训练；step3：对输入待检测图像提取上述四个特征，放到训练好的SVM分类器中进行分类；第二步，经过分类，对类别为“轻雾”的图像进行去雾操作；使用基于暗通道先验原理的去雾算法，提出一种根据输入图像自动计算参数的优化方法，具体步骤如下：step1：估算输入图像的大气光值A；step2：根据输入图像估计参数ω：ω＝0.0017×V²‑0.1217×V+4.6028其中，V为输入图像在HSV空间的V通道平均值；step3：计算透射图其中，c代表通道值，c∈{r,g,b}；I^c为输入图像；step4：恢复图像：其中，t₀为阈值，防止分母为0；J为恢复后的图像，即无雾图像；第三步，对于无雾图像与去雾完成后的图像首先进行烟雾检测，若无烟，则输出，若有烟，则进行天空分割后再进行二次检测；所采用天空分割算法基于暗通道先验原理，具体步骤如下：step1：对图像进行曝光处理，增加整体曝光度，让天空区域变亮，同时降低天空区域对比度；step2：对曝光后图像I_Input求暗通道图I_dark；step3：对暗通道图I_dark进行去噪处理得到I_G；step4：用Sobel边缘算子对I_G求梯度幅值图，并对梯度幅值进行膨胀操作，输出I_grad；step5：设天界线函数b(x)，从上到下、从左到右对梯度幅值图进行扫描，扫描每列时，遇到边界点将此时的y值存入相应的b(x)中；step6：根据天界线函数b(x)对输入图像I_Input进行处理，天界线以上部分三通道均赋值为零，天界线以下不变；step7：输出经过分割的图像I_Segmented。