专利名称：一种基于图像灰度直方图的雾天检测方法
技术领域：
本发明涉及图像处理和交通视频检测领域，是一种基于图像灰度直方图的雾天检测方法，主要应用于城市交通或高速公路的雾天检测。

背景技术：
现代社会，道路交通的重要性不言而喻，而在交通领域，可以说低能见度的大雾，尤其是局部地区存在或突发的“团雾”现象，是引发“追尾”等大规模交通事故的罪魁祸首。目前在雾的检测方面的技术非常缺乏，很多情况下只有发生了交通事故，相关的路段才会被发现出现了大雾。
当前检测雾天的方法主要如下 在一定季节天气情况下，用人力、车辆巡逻； 专门安装监测站，主要是通过安装先进的光学装置，通过接收并测量散射光束的强度，来准确测量出目前高速公路上的空气能见度，判断是否有大雾发生。但是目前，像这样一套设置可能需要十几万元，要在高速公路上密集的布置观测站，来捕捉四处出没的团雾，显然太过昂贵。
双目检测方法，利用双目视差，将双目拍摄的图像恢复到三维立体效果，直接计算能见距离，从而判断能见度和道路的安全系数。但是这样的方法，需要一开始对于整个双目测量程序进行标定，需要测量出双目摄像设备的安装角度、高度，摄像机的内部参数如焦距，而且标定完成后得到的标定数据，也只能用于对应的设备和场景，若是其他双目摄像获得的图像则需要重新标定，因此安装、标定都比较麻烦，运算也较为复杂，同时成本也偏高。
单目检测方法，主要方法和双目类似，通过为每个固定摄像头现场标定，再通过摄像得到的图像中对比度的关系，计算能见距离。同样，也需要测量出摄像机安装高度、角度等，需要知道摄像机内部参数，而且需要现场测量距离，并标定，安装过程繁琐，获得的标定数据也只能用于对应的设备和场景。
目前，还没有直接利用灰度直方图来判断图像是否为雾天，并检测出雾天等级的方法。


发明内容
本发明是一种基于图像灰度直方图的雾天检测方法，首次利用了图像的灰度直方图进行雾天检测，区分出非雾天、小雾天和大雾天三个天气等级，解决了现代交通领域，道路交通，尤其是高速公路上雾天检测难的问题。
本发明采用如下技术方案 步骤1、初始化，读入道路交通图像或者视频，获取图像信息，利用图像处理技术，统一转化为灰度图像，并求出图像素点总数num，接着获取图像的灰度直方图； 步骤2、根据灰度直方图中各个灰度与像素点数目的对应关系，对获取的直方图进行初步分析判断，将图像分为雾天、非雾天，并加以标记 2.1)由获取的灰度直方图，计算像素点数目小于num*a1的灰度值的数目bm，其中a1为百分比系数，a1取0.01％～0.06％， 2.2)比较bm与阈值T1，若bm＞T1，标记为雾天，否则标记为非雾天，其中T1取值范围50～120； 步骤3、对初步标记为非雾天的图像进一步分析 3.1)若图像被标记为非雾天，分析其灰度直方图，求出像素点数目大于num*a2的最大灰度值d1，其中num为步骤1中求出的图像像素点总数，a2取值范围0.006％～0.03％， 3.2)若d1＞50，求出对应灰度值在d1-e1到d1-e2内的像素点总数c1，其中e1范围30～50，e2范围0～10， 3.3)求出像素点数目大于num*a3的最大灰度值d2，其中a3范围0.01％～0.05％， 3.4)若d2＞60，在灰度值d2-e3到d2-e4上，求出像素点数目大于num*a4的灰度值的数目b1，其中e3范围30～60，e4范围0～10，a4为百分比系数，a4范围0.1％～0.4％， 3.5)若同时满足c1/num＞T2且b1＞T3，标记为雾天，否则仍标记为非雾天，其中T2、T3为阈值，T2范围0.1～0.3，T3范围15～30； 步骤4、对标记为雾天的图像，再次分析 4.1)若图像被标记为雾天，寻找灰度直方图中像素点数目大于num*a5的最小灰度值d3和最大灰度值d4，其中a5范围0.5％～2％， 4.2)寻找灰度直方图中像素点数目大于num*a6的灰度值的数目b2，a6取值范围0.5％～2％， 4.3)寻找灰度直方图中像素点数目小于num*a7的灰度值的数目b3，a7取值范围0.1％～0.4％， 4.4)若以上数据同时满足d4-d3＞T4、b2＞T5且b3＞T6这三个条件，则标记图像为非雾天，否则仍标记为雾天，其中T4、T5、T6为阈值，且T4范围为50～150，T5、T6范围均为10～40； 步骤5、对标记为雾天的图像，检测区分出小雾、大雾天气 5.1)前4步完成后，若图像被标记为雾天，在灰度直方图中，寻找像素点数目大于num*aw1的最大灰度值dw1，其中num为步骤1中求出的原图像素点总数，aw1取值范围为0.005％～0.02％， 5.2)求出对应灰度值在dw1-ew1到dw2-ew2内的像素点总数cw1，其中ew1范围30～50，ew2范围0～10， 5.3)求出像素点数目大于num*aw2的最大灰度值dw2，其中aw2范围0.005％～0.02％， 5.4)在灰度直方图灰度值dw2-ew3到dw2-ew4上，求出像素点数目大于num*aw3的灰度值的数目bw1，其中ew3范围30～50，ew4范围0～10，aw3取值范围0.1％～0.8％， 5.5)求出像素点数目大于num*aw4的最小灰度值dw3和最大灰度值dw4，取bw2＝dw3-dw4，其中aw4取值范围0.1％～0.8％， 5.6)若同时满足cw1＞Tw1、bw1＞Tw2且bw2＜Tw3，该标记图像为大雾天，否则标记为小雾天，其中Tw1、Tw2、Tw3为阈值，Tw1范围0.1～0.3，Tw2范围10～30，Tw3范围160～220； 本发明的优点在于 1、适用范围广，由于无需摄像机本身参数、安装角度等其他信息，所以可以直接检测图像，而且不论对于高速公路上的图像，甚至城市内复杂的道路交通图像也有较好的检测效果； 2、运行速度快，可以进行实时检测； 3、成本低廉，无需现场标测或者其他辅助手段，而且可以直接利用现有摄像设备，利于高速公路推广； 4、检测结果分为非雾天、小雾天、大雾天，能够满足交通雾天检测的实际需求； 5、检测结果准确度高，误检率低，而且对于具体场景，还可以通过对阈值的调节实现准确度更高的检测。
图像的灰度直方图，是以图像的灰度值(0～255)为横坐标，在原图上对应的像素点数目为纵坐标，每一条垂线就是一个灰度值与像素点数目的对应关系，垂线越高，像素点数目越多。各种天气条件下，图像灰度各有特色，反映到直方图上就是垂线高度以及分布的变化。本发明主要原理就是利用灰度直方图中，像素点数目与灰度值之间的对应关系，求出所需的信息，在通过一系列阈值加以比较判断，进而得出检测结果。
下面是雾的定义以及划分雾是大量小水滴悬浮在近地表大气层中，使水平能见度小于1000米的天气现象。根据雾天能见度大小划分雾的等级①重雾水平能见距离小于50米；②中雾水平能见距离50～200米；③轻雾水平能见距离200～1000米。本专利将能见度大于1000米时为非雾天，上述轻雾的情况归为小雾天，中雾和重雾的情况归为大雾天。
实例中使用了64幅图像，一共有28幅非雾天图像，9幅小雾天图像和27幅大雾天图像，结果非雾天检测率达到92.86％，小雾天检测率达到88.89％，大雾天检测率达到96.30％，效果理想。



图1是整个检测程序的流程图； 图2是雾天、非雾天检测的具体流程图； 图3是小雾、大雾天气检测的具体流程图； 具体实施方案 本发明是一种基于图像灰度直方图的雾天检测方法，具体步骤如下 步骤1、初始化，读入道路交通图像或者视频，获取图像信息，利用图像处理技术，统一转化为灰度图像，并求出图像素点总数num，接着获取图像的灰度直方图。例如在matlab中具体步骤为，[m，n，r]＝size(f)；if(r＝＝1)g＝f；elseg＝rgb2gray(f)；end；num＝m*n；hist＝imhist(g)；其中f为读入的图像，g为原图经过转换得到的灰度图像，num为求出的图像像素点总数，hist表示的是图像的灰度直方图，即图像灰度值和像素点数目的对应关系； 步骤2、根据灰度直方图中各个灰度与像素点数目的对应关系，对获取的直方图进行初步分析判断，将图像分为雾天、非雾天，并加以标记 2.1)由获取的灰度直方图，计算像素点数目小于num*a1的灰度值的数目bm，其中a1为百分比系数，a1取0.01％～0.06％，如可取a1为0.01％、0.02％、0.04％或0.06％， 2.2)比较bm与阈值T1，若bm＞T1，标记为雾天，否则标记为非雾天，其中T1取值范围50～120，如可取T1为50、80、100或120； 步骤3、对初步标记为非雾天的图像进一步分析 3.1)若图像被标记为非雾天，分析其灰度直方图，求出像素点数目大于num*a2的最大灰度值d1，其中num为步骤1中求出的图像像素点总数，a2取值范围0.006％～0.03％，如可取a2为0.006％、0.01％、0.02％或0.03％， 3.2)若d1＞50，求出对应灰度值在d1-e1到d1-e2内的像素点总数e1，其中e1范围30～50，如可取e1为30、35、45或50，e2范围0～10，如可取e2为0、3、7或10， 3.3)求出像素点数目大于num*a3的最大灰度值d2，其中a3范围0.01％～0.05％，如可取a3为0.01％、0.02％、0.04％或0.05％， 3.4)若d2＞60，在灰度值d2-e3到d2-e4上，求出像素点数目大于num*a4的灰度值的数目b1，其中e3范围30～60，如可取30、40、50或60，e4范围0～10，如可取0、4、7或10，a4为百分比系数，a4范围0.1％～0.4％，如可取a4为0.1％、0.2％、0.3％或0.4％， 3.5)若同时满足c1/num＞T2且b1＞T3，标记为雾天，否则仍标记为非雾天，其中T2、T3为阈值，T2范围0.1～0.3，如可取T2为0.1、0.15、0.25或0.3，T3范围15～30，如可取T3为15、20、25或30； 步骤4、对标记为雾天的图像，再次分析 4.1)若图像被标记为雾天，寻找灰度直方图中像素点数目大于num*a5的最小灰度值d3和最大灰度值d4，其中a5范围0.5％～2％，如可取a5为0.5％、1％、1.5％或2％， 4.2)寻找灰度直方图中像素点数目大于num*a6的灰度值的数目b2，a6取值范围0.5％～2％，如可取a6为0.5％、1％、1.5％或2％， 4.3)寻找灰度直方图中像素点数目小于num*a7的灰度值的数目b3，a7取值范围0.1％～0.4％，如可取a7为0.1％、0.2％、0.3％或0.4％， 4.4)若以上数据同时满足d4-d3＞T4、b2＞T5且b3＞T6这三个条件，则标记图像为非雾天，否则仍标记为雾天，其中T4、T5、T6为阈值，且T4范围为50～150，如可取T4为50、80、120或150，T5范围为10～40，如可取T5为10、20、30或40，T6范围为10～40，如可取T6为10、20、30或40； 步骤5、对标记为雾天的图像，检测区分出小雾、大雾天气 5.1)前4步完成后，若图像被标记为雾天，在灰度直方图中，寻找像素点数目大于num*aw1的最大灰度值dw1，其中num为步骤1中求出的原图像素点总数，aw1取值范围为0.005％～0.02％，如可取aw1为0.005％、0.01％、0.015％或0.02％， 5.2)求出对应灰度值在dw1-ew1到dw2-ew2内的像素点总数cw1，其中ew1范围30～50，如可取ew1为30、40、45或50，ew2范围0～10，如可取ew2为0、3、7或10， 5.3)求出像素点数目大于num*aw2的最大灰度值dw2，其中aw2范围0.005％～0.02％，如可取aw2为0.005％、0.01％、0.015％或0.02％， 5.4)在灰度直方图灰度值dw2-ew3到dw2-ew4上，求出像素点数目大于num*aw3的灰度值的数目bw1，其中ew3范围30～50，如可取ew3为30、40、45或50，ew4范围0～10，如可取ew4为0、3、7或10，aw3取值范围0.1％～0.8％，如可取aw3为0.1％、0.3％、0.5％或0.8％， 5.5)求出像素点数目大于num*aw4的最小灰度值dw3和最大灰度值dw4，取bw2＝dw3-dw4，其中aw4取值范围0.1％～0.8％，如可取aw4为0.1％、0.3％、0.5％或0.8％， 5.6)若同时满足cw1＞Tw1、bw1＞Tw2且bw2＜Tw3，该标记图像为大雾天，否则标记为小雾天，其中Tw1、Tw2、Tw3为阈值，Tw1范围0.1～0.3，如可取Tw1为0.1、0.2、0.25或0.3，Tw2范围10～30，如可取10、15、25或30，Tw3范围160～220，如可取160、180、200或220； 具体流程如图1、图2、图3所示 步骤1、初始化，读入道路交通图像或者视频，获取图像信息，利用图像处理技术，统一转化为灰度图像，并求出图像素点总数num，接着获取图像的灰度直方图； 步骤2、根据灰度直方图中各个灰度与像素点数目的对应关系，对获取的直方图进行初步分析判断，将图像分为雾天、非雾天，并加以标记 2.1)由获取的灰度直方图，计算像素点数目小于num*a1的灰度值的数目bm，其中a1为百分比系数，a1＝0.03％， 2.2)比较bm与阈值T1，若bm＞T1，标记为雾天，否则标记为非雾天，其中T1＝90； 步骤3、对初步标记为非雾天的图像进一步分析 3.1)若图像被标记为非雾天，分析其灰度直方图，求出像素点数目大于num*a2的最大灰度值d1，其中num为步骤1中求出的图像像素点总数，a2＝0.01％， 3.2)若d1＞50，求出对应灰度值在d1-e1到d1-e2内的像素点总数c1，其中e1＝45，e2＝40， 3.3)求出像素点数目大于num*a3的最大灰度值d2，其中a3＝0.03％， 3.4)若d2＞60，在灰度值d2-e3到d2-e4上，求出像素点数目大于num*a4的灰度值的数目b1，e3＝40，e4＝0，a4＝0.2％， 3.5)若同时满足c1/num＞T2且b1＞T3，标记为雾天，否则仍标记为非雾天，其中T2、T3为阈值，T2＝0.2，T3＝20； 步骤4、对标记为雾天的图像，再次分析 4.1)若图像被标记为雾天，寻找灰度直方图中像素点数目大于num*a5的最小灰度值d3和最大灰度值d4，其中a5＝1％， 4.2)寻找灰度直方图中像素点数目大于num*a6的灰度值的数目b2，a6＝1％； 4.3)寻找灰度直方图中像素点数目小于num*a7的灰度值的数目b3，a7＝0.2％， 4.4)若以上数据同时满足d4-d3＞T4、b2＞T5且b3＞T6这三个条件，则标记图像为非雾天，否则仍标记为雾天，其中T4、T5、T6为阈值，且T4＝100，T5＝20，T6＝20， 步骤5、对标记为雾天的图像，检测区分出小雾、大雾天气 5.1)前4步完成后，若图像被标记为雾天，在直方图中，寻找像素点数目大于num*aw1的最大灰度值dw1，其中num为步骤1中求出的原图像素点总数，aw1＝0.005％， 5.2)求出对应灰度值在dw1-ew1到dw2-ew2内的像素点总数cw1，其中ew1＝40，ew2＝0， 5.3)求出像素点数目大于num*aw2的最大灰度值dw2，其中aw2＝0.01％， 5.4)在灰度直方图灰度值dw2-ew3到dw2-ew4上，求出像素点数目大于num*aw3的灰度值的数目bw1，其中ew3＝45，ew4＝5，aw3＝0.5％， 5.5)求出像素点数目大于num*aw4的最小灰度值dw3和最大灰度值dw4，取bw2＝dw3-dw4，其中aw4＝0.5％， 5.6)若同时满足cw1＞Tw1、bw1＞Tw2且bw2＜Tw3，该标记图像为大雾天，否则标记为小雾天，其中Tw1、Tw2、Tw3为阈值，Tw1范围0.1～0.3，Tw2范围10～30，Tw3范围160～220； 实例中使用了64幅图像，一共有28幅非雾天图像，9幅小雾天图像和27幅大雾天图像，结果非雾天检测率达到92.86％，小雾天检测率达到88.89％，大雾天检测率达到96.30％，效果理想。具体检测结果如表1。
表1
权利要求
1.一种基于图像灰度直方图的雾天检测方法，其特点在于按照以下步骤实施
步骤1、初始化，读入道路交通图像或者视频，获取图像信息，利用图像处理技术，统一转化为灰度图像，并求出图像素点总数num，接着获取图像的灰度直方步骤2、根据灰度直方图中各个灰度与像素点数目的对应关系，对获取的直方图进行初步分析判断，将图像分为雾天、非雾天，并加以标记
2.1)由获取的灰度直方图，计算像素点数目小于num*a1的灰度值的数目bm，其中a1为百分比系数，a1取0.01％～0.06％，
2.2)比较bm与阈值T1，若bm＞T1，标记为雾天，否则标记为非雾天，其中T1取值范围50～120；
步骤3、对初步标记为非雾天的图像进一步分析
3.1)若图像被标记为非雾天，分析其灰度直方图，求出像素点数目大于num*a2的最大灰度值d1，其中num为步骤1中求出的图像像素点总数，a2取值范围0.006％～0.03％，
3.2)若d1＞50，求出对应灰度值在d1-e1到d1-e2内的像素点总数c1，其中e1范围30～50，e2范围0～10，
3.3)求出像素点数目大于num*a3的最大灰度值d2，其中a3范围0.01％～0.05％，
3.4)若d2＞60，在灰度值d2-e3到d2-e4上，求出像素点数目大于num*a4的灰度值的数目b1，其中e3范围30～60，e4范围0～10，a4为百分比系数，a4范围0.1％～0.4％，
3.5)若同时满足c1/num＞T2且b1＞T3，标记为雾天，否则仍标记为非雾天，其中T2、T3为阈值，T2范围0.1～0.3，T3范围15～30；
步骤4、对标记为雾天的图像，再次分析
4.1)若图像被标记为雾天，寻找灰度直方图中像素点数目大于num*a5的最小灰度值d3和最大灰度值d4，其中a5范围0.5％～2％，
4.2)寻找灰度直方图中像素点数目大于num*a6的灰度值的数目b2，a6取值范围0.5％～2％，
4.3)寻找灰度直方图中像素点数目小于num*a7的灰度值的数目b3，a7取值范围0.1％～0.4％，
4.4)若以上数据同时满足d4-d3＞T4、b2＞T5且b3＞T6这三个条件，则标记图像为非雾天，否则仍标记为雾天，其中T4、T5、T6为阈值，且T4范围为50～150，T5、T6范围均为10～40。
步骤5、对标记为雾天的图像，检测区分出小雾、大雾天气
5.1)前4步完成后，若图像被标记为雾天，在灰度直方图中，寻找像素点数目大于num*aw1的最大灰度值dw1，其中num为步骤1中求出的原图像素点总数，aw1取值范围为0.005％～0.02％；
5.2)求出对应灰度值在dw1-ew1到dw2-ew2内的像素点总数cw1，其中ew1范围30～50，ew2范围0～10；
5.3)求出像素点数目大于num*aw2的最大灰度值dw2，其中aw2范围0.005％～0.02％；
5.4)在灰度直方图灰度值dw2-ew3到dw2-ew4上，求出像素点数目大于num*aw3的灰度值的数目bw1，其中ew3范围30～50，ew4范围0～10，aw3取值范围0.1％～0.8％；
5.5)求出像素点数目大于num*aw4的最小灰度值dw3和最大灰度值dw4，取bw2＝dw3-dw4，其中aw4取值范围0.1％～0.8％；
5.6)若同时满足cw1＞Tw1、bw1＞Tw2且bw2＜Tw3，该标记图像为大雾天，否则标记为小雾天，其中Tw1、Tw2、Tw3为阈值，Tw1范围0.1～0.3，Tw2范围10～30，Tw3范围160～220。
全文摘要
一种基于图像灰度直方图的雾天检测方法，主要步骤第一步，初始化得到图像的灰度直方图；第二步，初步检测出非雾天和雾天；第三步，若图像标记为非雾天，再处理，满足一定条件时，改标记为雾天；第四步，若图像标记为雾天，进一步检测，满足一定条件时，再改标记为非雾天；第五步，进过前四步，若图像被标记为雾天，再次检测，满足一定条件时，标记为大雾天，否则标记为小雾天。本发明首次使用图像的灰度直方图来检测天气，利用灰度直方图中像素点数目和灰度值的对应关系，以及一系列阈值，检测出非雾天、小雾天以及大雾天三个等级，相对于其他雾天检测方法，成本低廉，易于推广，处理速度快、适用范围广，准确率高，效果理想。
文档编号G01W1/00GK101819286SQ20101014545
公开日2010年9月1日 申请日期2010年4月9日 优先权日2010年4月9日
发明者路小波, 刘阳 申请人:东南大学