专利名称：一种基于视频图像的降雨量测量方法
技术领域：
本发明属于机器视觉、视频图像处理领域，特别涉及基于视频图像的降雨量测量方法，主要用于自动化气象测量中，为一种基于视频图像的降雨量测量方法。
背景技术：
降雨量数据一般通过雨量计或气象雷达获得。光学雨量计[1]感知经过雨的激光光束的衰减程度来测定降雨量；微波雨量计[2]测量由雨滴导致的多普勒偏移，利用雨滴终极速度和雨滴尺寸大小的关系估计降雨量；还有一种常用的翻斗式雨量计[3]，当翻斗内积水量达到一定量时，翻斗倾倒并输送一个脉冲信号，从而记录降雨量。气象雷达M测量降雨量，首先建立雷达反射率和降雨量的关系，然后通过反演计算推导降雨量。
不同于以上方法，本发明提出利用视频图像测量降雨量。目前，监控摄像机日益普及，分布密度较大，性能也逐步增强，采用基于视频的方法获得的降雨量数据具有较大的空间分辨率；另一方面，视频图像通常数十帧/秒，因而获得的降雨量数据也具有很高的时间分辨率。采用视频图像进行降雨量测量主要涉及两方面内容一是从视频中检测出雨滴，二是从图像中雨滴占据的像素个数推导出真实的降雨量数值。视频雨滴检测有多种方法。文献M研究了雨的动力学和光学特性并提出利用时空相关性和光度模型检测雨滴，通过拟合同一雨滴中的像素在受雨滴影响前后的亮度差值与背景亮度的线性比值辨别是否雨滴，但雨滴通常面积较小，拟合易受噪声干扰；文献[6][7]对整个视频利用聚类方法辨别雨滴和背景，不能实时处理。已有文献中，进行雨滴检测并用于测量视频降水量的研究甚少。为进行降雨量计算，更为关键的是在检测出的雨滴中区分聚焦雨滴和散焦雨滴，而现有的视频雨滴检测方法很少考虑这方面内容。文献M利用雨滴长宽比约束来区分聚焦和散焦雨滴，但是雨滴宽度通常较小，测量误差较大。参考文献[1]F. V. Brock and S. J. Richardson, Meteorological Measurement Systems. NewYork:Oxford Univ. Press, 2001.[2] T. J. Mansheimj A. Kruger, J. Niemeierj etc. “A Robust Microwave RainGauge,，’ IEEETrans. Instrument and Measurement, vol. 59，no. 8，pp: 2204-2210，2010.[3]E. Habib, W. F. Krajewskij and A. Kruger, “Sampling errors of tippingbucket rain gauge measurements, ”ASCE J.Hydrol. Eng.，vol. 6，no. 2，pp. 159 -166，Mar. /Apr. 2001.[4] R. Teschlj W. L. Randeuj and F. Teschl. ” Weather Radar Estimates ofRainfall Adjusted to Rain Gauge Measurements Using Neural Networks，，，In Proc. ofInt. Joint Conf. on Neural Networks, Vancouver, Canada, 2006, pp:5126-5131.[5]Garg Kj Nayar S K. Detection and removal of rain from videos. InProc. 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition，Washington,2004:I-528-I-535·
[6] Zhang X P, Li H, Qi Y Y, et al. Rain removal in video by combiningtemporal and chromatic properties. In Proceedings og International Conference onMultimedia and Expo,Toronto, Canada, 2006:461-464.[7]刘鹏，徐晶，刘家锋，唐降龙.一种受雨滴污染视频的快速分析方法.自动化学报· 2010，36 (10) : 1371-1378.[8] Garg K, Nayar S K. When does a camera see rain In Proc of the 10thInt.conf. on computer vision.Beijing, China, 2005:1067-1074.[9]郑娇恒，陈宝君.雨滴谱分布函数的选择M_P分布和Gamma分布的对比研究·气象科学.2007, 27 (I) : 17-19.[10]Safaee Rad R, Smith K C，Benhabib B, Tchoukanov I. Application of Moment and Fourier Descriptors to the Accurate Estimation of Elliptical ShapeParameters. Pattern Recognition Letters, 1992, 13(7) :2465-2468.

发明内容
本发明要解决的问题是现有的降雨量测量方法时间和空间分辨率较低，现有的雨滴检测方法易受噪声干扰、实时性不足，现有的聚焦散焦雨滴区分方法误差较大。本发明的技术方案为一种基于视频图像的降雨量测量方法，对视频摄像机采集的降雨视频，采用对数图像处理LIP方法，用灰色调替代亮度值，建立灰色调约束条件提取候选雨滴；利用主成分分析法PCA构建候选雨滴的倾斜方向的概率密度分布函数，并推导求取该分布函数峰值的Mean-shift方法,通过约束候选雨滴的倾斜方向去除干扰；通过场景背景和雨滴前景的色彩向量夹角约束去除散焦雨滴；利用摄像机参数标定计算每个聚焦雨滴的尺寸，构建雨滴密度分布函数，利用Ga_a雨滴谱分布模型拟合推导降雨量，具体如下I)检测候选雨滴利用视频中连续三帧图像第η — I帧，第η帧和第η + I帧，在LIP框架下建立灰色调约束，提取得到第η帧图像的候选雨滴；2)构建雨滴倾斜方向概率分布密度函数利用PCA方法，提取第η帧图像每个候选雨滴的倾斜方向Gi以及长a”宽bi;i = {1，2，…，Pn}，Pn为第η帧图像中检测出的候选雨滴总个数，然后构建雨滴倾斜方向概率密度分布函数f( Θ )；3)确定降雨方向，去除噪声干扰针对步骤2)中获得的f ( Θ ),用Mean-shift算法提取它的峰值，所述峰值即为降雨方向，对候选雨滴实施方向约束，不符合降雨方向的判定为噪声；4)去除散焦雨滴计算候选雨滴中每个像素的场景背景和雨滴前景的色彩向量夹角Y (x，y)，对每个候选雨滴，检查它所包含像素的平均Y值是否小于设定的阈值，若是则判定为散焦雨滴，否则为聚焦雨滴；5)构建雨滴密度分布函数利用视频摄像机参数计算每个聚焦雨滴的尺寸，构建雨滴密度分布函数N(d)；6)利用步骤5)中的雨滴密度分布函数N(d)，以及Gamma雨滴谱分布模型拟合推导降雨量R。步骤I)中的灰色调约束是
fn(x, y) <fn_! (x, y) &fn (x, y) <fn+1 (x, y) (I)I fn(x, y) Θ (x, y) | E > th & | fn(x, y) Θ fn+1 (x, y) | E > th (2)其中UbyhfnO^yhflrt(Ly)是n_l、n、n+l连续三帧图像的灰色调函数，th为灰色调阈值，同时满足式(I)、(2)的像素则判定为候选雨滴；灰色调函数f (X，y)与入射光强度即输入图像F(x，y)的关系为
权利要求
1.一种基于视频图像的降雨量测量方法，其特征是对视频摄像机采集的降雨视频，采用对数图像处理LIP方法，用灰色调替代亮度值，建立灰色调约束条件提取候选雨滴；利用主成分分析法PCA构建候选雨滴的倾斜方向的概率密度分布函数，并推导求取该分布函数峰值的Mean-shift方法,通过约束候选雨滴的倾斜方向去除干扰；通过场景背景和雨滴前景的色彩向量夹角约束去除散焦雨滴；利用摄像机参数标定计算每个聚焦雨滴的尺寸，构建雨滴密度分布函数，利用Ga_a雨滴谱分布模型拟合推导降雨量，具体如下 1)检测候选雨滴利用视频中连续三巾贞图像第η— I巾贞,第η巾贞和第η + I巾贞,在LIP框架下建立灰色调约束，提取得到第η帧图像的候选雨滴； 2)构建雨滴倾斜方向概率分布密度函数利用PCA方法，提取第η帧图像每个候选雨滴的倾斜方向Θ i以及长a”宽bi;i = {I, 2,…，Pn}，Pn为第η帧图像中检测出的候选雨滴总个数，然后构建雨滴倾斜方向概率密度分布函数f( Θ )； 3)确定降雨方向，去除噪声干扰针对步骤2)中获得的f( Θ ),用Mean-shift算法提取它的峰值，所述峰值即为降雨方向，对候选雨滴实施方向约束，不符合降雨方向的判定为噪声； 4)去除散焦雨滴计算候选雨滴中每个像素的场景背景和雨滴前景的色彩向量夹角Y(x，y)，对每个候选雨滴，检查它所包含像素的平均Y值是否小于设定的阈值，若是则判定为散焦雨滴，否则为聚焦雨滴； 5)构建雨滴密度分布函数利用视频摄像机参数计算每个聚焦雨滴的尺寸，构建雨滴密度分布函数N(d)； 6)利用步骤5)中的雨滴密度分布函数N(d)，以及Ga_a雨滴谱分布模型拟合推导降雨量R。
2.根据权利要求I所述的一种基于视频图像的降雨量测量方法，其特征是步骤I)中的灰色调约束是 fn(x, y) <fn_! (x, y) &fn(x, y) <fn+1 (x, y) (I)|fn(x，y) Ux，y) |E > th & fn(x, y) fn+1(x, y) |E > th (2) 其中Kx, y)、fn(x, y)、fn+1 (x, y)是n_l、n、n+1连续三巾贞图像的灰色调函数，th为灰色调阈值，同时满足式(I)、(2)的像素则判定为候选雨滴； 灰色调函数f(x，y)与入射光强度即输入图像F(x，y)的关系为
3.根据权利要求I所述的一种基于视频图像的降雨量测量方法，其特征是步骤2)中提取候选雨滴的倾斜方向Θ i以及长&”宽匕的方法是 令Ni表示第i个雨滴占有的像素个数，Xi为队*2的矩阵
4.根据权利要求I所述的一种基于视频图像的降雨量测量方法，其特征是步骤3)中求取f( Θ )峰值的Mean-shift方法为 步骤I:设定迭代初始值Θ 0=0;步骤 2:令 θ = m( Θ 0) + Θ 0; 步骤3:若I Q1-QtlKe，令降雨方向0main=01;否则令Qtl= Q1并回到步骤2进行循环判断； 其中，
5.根据权利要求I所述的一种基于视频图像的降雨量测量方法，其特征是步骤4)中色彩向量夹角Y (x, y)计算方法为
6.根据权利要求I所述的一种基于视频图像的降雨量测量方法，其特征是摄像机参数满足Ztl ≤ fdmin，f为摄像机焦距，Z0为焦平面距离，dmin为期望捕获的最小雨滴的直径，取为O. 3mm ； 根据雨滴的终极速度V和其直径d的关系v = IQO^dJl ,步骤5)中雨滴密度分布函数N(d)构建为 对于落在焦平面上的雨滴，即聚焦雨滴，其直径Cli为
7.根据权利要求I所述的一种基于视频图像的降雨量测量方法，其特征是步骤6)中降雨量计算方法为根据雨滴密度分布函数N (d)，利用Ga_a雨滴谱分布模型拟合推导降雨量R
全文摘要
一种基于视频图像的降雨量测量方法，对视频摄像机采集的降雨视频，采用对数图像处理LIP方法，用灰色调替代亮度值，建立灰色调约束条件提取候选雨滴；利用主成分分析法PCA构建候选雨滴的倾斜方向的概率密度分布函数，并推导求取该分布函数峰值的Mean-shift方法，通过约束候选雨滴的倾斜方向去除干扰；通过场景背景和雨滴前景的色彩向量夹角约束去除散焦雨滴；利用摄像机参数标定计算每个聚焦雨滴的尺寸，构建雨滴谱，利用Gamma雨滴谱分布模型拟合推导降雨量。本发明打破传统的降雨量测量方法，创新的提出基于视频的测量方法，获得的降雨量数据具有很高的时间分辨率、空间分辨率，经济快捷。
文档编号G01W1/14GK102707340SQ20121018455
公开日2012年10月3日 申请日期2012年6月6日 优先权日2012年6月6日
发明者史德飞, 吴炜, 宋林川, 廖娟, 李勃, 江登表, 董蓉, 阮雅端, 陈启美 申请人:南京大学