基于拐点线大雾能见度检测算法.docVIP

基于拐点线大雾能见度检测算法 　　摘要：针对基于区域增长算法的能见度检测方法精度低和计算复杂度高的问题，提出一种基于拐点线（IPL）检测滤波器的能见度检测算法。首先，分析了拐点线所具有的各向异性、连续性和水平性等特征；然后，根据这些特征构建了一个拐点线检测滤波器，以提高拐点检测的精度和速度；最后，结合能见度计算模型和拐点线检测滤波器的检测结果计算大雾天气下的能见度值。与基于区域增长算法的能见度检测方法相比，该算法的运行时间和检测误差分别降低了80%和12.2%。实验结果表明，基于拐点线检测滤波器的能见度检测算法能够有效提高雾天能见度的检测精度，降低拐点定位的计算复杂度。 　　关键词：能见度；拐点；各向异性；区域增长算法；滤波器 　　中图分类号： TP391.41 文献标志码：A 　　Abstract： Concerning that the existing visibility estimation methods based on region growing method has shortcomings of low precision and high computational complexity， a new algorithm was proposed to measure the visibility based on Inflection Point Line （IPL）. Firstly， the three characteristics including anisotropy， continuity and level of inflection point line were analyzed. Secondly， a new 2D filter to detect the IPL based on the three characteristics was proposed to improve the accuracy and speed of the inflection point detection. Finally， the visibility of fog weather could be calculated through combing the visibility model and detection results of the proposed filter. Compared with the visibility estimation algorithm based on region growing， the proposed algorithm decreased the time cost by 80% and detection error by 12.2%， respectively. The experimental results demonstrate that the proposed algorithm can effectively improve the detection accuracy， meanwhile reducing the computational complexity of positioning inflection points. 　　Key words： visibility； inflection point； anisotropy； region growing algorithm； filter 　　0 引言 　　雾天能见度的正确测量可以使驾驶员有效地控制车速，从而避免交通事故的发生。随着计算机视觉技术的发展，基于视频解析的能见度检测方法得到了国内外学者的广泛关注[1-5]。目前，基于视频解析的能见度检测方法主要分为两类：基于同一场景下多幅图像的检测方法[6-7]和基于单幅图像的检测方法[8-11]。由于基于多幅图像的检测方法不具有实时性，使得基于单幅图像的团雾检测方法成为了研究热点。 　　文献[10]和[11]分别基于视频图像中四邻域的对比度和路面像素的亮度特征定义了可视像素模型，并采用摄像机标定技术计算可视像素到摄像机的最远距离，实现了无需人工标记的能见度测量；文献[12]利用视频图像中路面标志对比度的衰减和距离的关系建立了可视度计算模型。这三种方法的不足之处在于需要提取路面标志的特征（如车道线、路标等）。然而，在复杂场景中或有遮挡的情况下这些特征并不能有效地被提取，从而影响了能见度测量的效率和精度。为了解决上述问题，文献[13]将雾天图像成像模型和大气对比度的衰减模型相结合提出一种新的能见度检测方法。该方法首先对雾天成像模型求二阶导数获取图像灰度值变化的拐点位置和大气消光系数的关系；