主权项: |
一种能见度的全天候视频测量方法,其特征在于按以下步骤进行:一、能见度测量模型建立1.1设置靶标,所述靶标为自带光源的黑色和白色条纹相间图像;1.2建立能见度模型数据库;通过摄像头获取在九个能见度条件下的靶标视频图像信息,利用图像处理方法提取靶标的视频图像特征,靶标的视频图像特征有:靶标图像灰度均值g1,靶标图像图形的边缘总长度b,靶标图像的对比度c,图像的亮度分布峰值距离h;以靶标的视频图像特征与能见度数据,建立能见度模型数据库;1.3建立能见度测量模型;对九个能见度条件下的靶标视频图像特征:靶标图像灰度均值g1、靶标图像图形的边缘总长度b、靶标图像的对比度c、图像的亮度分布峰值距离h进行数据融合,生成九个能见度条件下的能见度测量值X,并将九个能见度条件下的能见度测量值X输入神经网络训练,得到从图像特征数据到能见度值的神经网络映射模型;1.4能见度测量模型的数据整合;反复获取九个能见度条件下的靶标视频图像特征,并不断生成新的当前能见度下的能见度测量值X’,并运用机器学习理论,将该新的当前能见度下的能见度测量值X’输入神经网络模型训练,获得最优能见度估计模型;二、能见度测量2.1靶标图像的摄取和识别在现场安装靶标和用于视频数据获取的摄像头,利用PC机读取摄像头获得的视频图像,采用形态学和行扫描的办法识别靶标位置,并生成当前靶标的视频图像信息;2.2靶标图像的特征提取利用图像处理方法提取靶标的视频图像特征,靶标的视频图像特征有:靶标图像灰度均值g1,靶标图像图形的边缘总长度b,靶标图像的对比度c,图像的亮度分布峰值距离h;生成路段当前条件下的能见度测量值X1;2.3能见度计算将路段当前条件下的能见度测量值X1送入所述能见度测量神经网络模型中,经计算,获得环境能见度等级。 |