积分商城

最新搜索： PL2303 altium Designer 20 电路设计与仿真从入门到精通 常用LOGO标识 microBUCK 入门教程 canopen
您现在的位置是：首页 > 技术资料 > 基于自然统计特征分布的交通图像雾浓度检测
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于自然统计特征分布的交通图像雾浓度检测

更新时间：2019-12-24 08:42:52 大小：497K 上传用户：zhiyao6查看TA发布的资源 标签：自然统计 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

针对交通场景图像去雾中缺乏有效浓度检测的不足,提出基于自然统计特征分布的雾浓度检测算法.首先,将待检图像分为P×P大小的子块;其次,建立图像局部对比度及熵的自然统计特性向量,求解待检图像和标准图像子集间最佳期望及协方差的最大似然估计;最后,分别计算待检图像与有雾和无雾标准子集间的马氏距离,以二者的比值D作为场景雾浓度的度量.通过同一场景不同浓度等级和不同场景不同雾浓度等级的图像测试,表明算法D值能正确反应雾浓度的变化趋势;通过与标准主观评价法(MOS)比较,表明二者呈现近似的线性,相关系数可达0.97,远高于归一化亮度系数(MSCN)的0.56;通过与PM2.5比较,表明算法能准确的评定雾浓度等级.


部分文件列表

文件名 大小
基于自然统计特征分布的交通图像雾浓度检测.pdf 497K

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
8
第 期  
Vol． 45 No． 8  
Aug． 2017  
电
子
学
报
2017  
8
年 月  
ACTA ELECTRONICA SINICA  
基于自然统计特征分布的  
交通图像雾浓度检测  
，
，
温立民 巨永锋 闫茂德  
(
，
710064)  
长安大学电控学院 陕西西安  
:
，
针对交通场景图像去雾中缺乏有效浓度检测的不足 提出基于自然统计特征分布的雾浓度检测算法  
．
摘 要  
，
首先 将待检图像分为  
P × P  
; ， ，  
大小的子块 其次 建立图像局部对比度及熵的自然统计特性向量 求解待检图像和标准  
;
，
，
图像子集间最佳期望及协方差的最大似然估计 最后 分别计算待检图像与有雾和无雾标准子集间的马氏距离 以二  
D
．
，
者的比值 作为场景雾浓度的度量 通过同一场景不同浓度等级和不同场景不同雾浓度等级的图像测试 表明算法  
D
;
( MOS)  
， ，  
比较 表明二者呈现近似的线性 相关系数可达  
值能正确反应雾浓度的变化趋势 通过与标准主观评价法  
0. 97， ( MSCN) 0. 56; PM2. 5 ，  
比较 表明算法能准确的评定雾浓度等级  
．
远高于归一化亮度系数  
的
通过与  
:
;
;
;
;
关键词  
中图分类号  
URL: http: / /www． ejournal． org． cn  
雾 图像处理 浓度 对比度 熵  
:
TP391. 4  
:
A
:
0372-2112 ( 2017) 08-1888-08  
DOI: 10． 3969 /j． issn． 0372-2112． 2017． 08． 012  
文献标识码  
文章编号  
电子学报  
Inspection of Fog Density for Traffic Image Based on Distribution  
Characteristics of Natural Statistics  
WEN Li-min，JU Yong-feng，YAN Mao-de  
( School of Electronic ＆ Control Engineering，Chang’an University，Xi’an，Shaanxi 710064，China)  
Abstract: Concerning low efficiency detection for foggy density in traffic image，a novel algorithm was proposed to  
check foggy density based on distribution characteristics of natural statistics． Firstly，foggy images were partitioned as P × P  
pixel patches by method of the maximum overlap count． Secondly，featured function vector for local contrast and entropy was  
created and maximum likelihood estimation between tested image and two standard image corpuses were respectively compu-  
ted． Finally，Mahalanobis-like Distances( MD) between foggy image and corpus of standard foggy image or fog-free image  
were achieved，and the ratio of two values could be used to measure the foggy density． Simulation shows that the value D can  
respond the varied tendency to density for same scene with difference density or different scene with different density． Corre-  
lation coefficient up to 0. 97 between this algorithm and mean opinion scores ( MOS) method indicate high linear about them  
and the coefficient is larger than 0. 56 between mean subtracted contrast normalized ( MSCN) and MOS． Comparison to  
PM2. 5 shows that this algorithm can be used to evaluate the level for fog density．  
Key words: fog; image processing; density; contrast; entropy  
．
现有效预警和预报显得尤为重要  
1
引言  
，
目前许多学者已经从事相关研究 但大多是关注  
、
雾和霾对司机视线 驾驶辅助系统  
( Advanced Driv-  
“ ”，  
于如何去 雾 而在雾的大小或浓度检测上仍显不足  
，
［2］  
er Assistance Systems，ADAS)  
( Traffic Moni-  
和交通监控  
Miital  
( MSCN) ，Po-  
等人 利用归一化亮度系数法  
如
［3］  
tor，TM)  
，
产生影响 从而给交通安全特别是高速公路行  
merleau  
(
，
) ，Na-  
等 人利用参照物 如道路 交通标识等  
［4］  
［5］  
． ，  
车安全带来严重威胁 我国是雾的多发区 特别是西南  
yar  
，Schechner  
等人 利用旋转  
等 人利用多幅雾图像  
［1］  
［6］  
，
70  
，
诸省 甚至有的地区一年中超过了 天 因此对雾实  
，Ancuti  
，
等 等利用图像融合实现雾浓度检测  
滤波器  
: 2016-12-06;  
: 2017-03-29;  
:
收稿日期  
修回日期  
责任编辑 马兰英  
:
( No． 2015GY052) ;  
( No． CXY1512( 9) ，No． CXY1437-9)  
基金项目 陕西省科技攻关项目  
西安市科技局基金  
1889  
8
:
温立民 基于自然统计特征分布的交通图像雾浓度检测  
第
期
M
N
，
，
并取得了显著效果 但这些都是针对如何去雾 而交通  
IE ( i，j) = －  
P ·log( P )  
∑∑ i，j  
i = 1 j = 1  
( 2)  
k
i，j  
，
场景下人们更关注的是现场是否有雾和雾的大小 是  
［9］  
［10，11］  
．
( 1)  
;
( 2)  
公式  
为对比度 公式  
为信息熵  
表征相邻元素幅度差值  
( 2)  
是图像  
i，j  
对比度公  
．
否对行车安全产生威胁 因此本文从自然场景统计特  
: ( i，j) = | i － j| ，  
; P ( i，j)  
式中 δ  
，
，
性出发 提取基于对比度和图像熵的多维特征向量 建  
δ
．
P
为幅度差值为 δ 的概率 信息熵公式  
( i，j) ，M、N  
为局部区域尺度  
中
( Multivariate Gaussian，MVG)  
立图像特征多维高斯分布  
数据库［8］  
图
．
中像素在  
实验发现图像局部对比度和熵会随浓度的变化而  
1( a) ～ 1( d) ， 1  
点概率  
，
函数 求解待测图像与标准图像库  
( LIVE  
)
，
像特性函数间的期望及协方差的似然估计 计算二者  
( Mahalanobis-like Distance，MD) ［7］  
，
以马  
，
1
(
发生偏移 如图 所示 图  
图
为原图 图  
1( j)  
局部  
间的马氏距离  
( e) ～ 1( g)  
图
， 1( h) ～  
局部对比度统计 图  
图
．
氏距离的比作为场景雾浓度的度量  
) ．  
熵统计 从图  
1( e) ～ 1( j)  
图
， ，  
可知 随着雾浓度增加 局  
2
自然统计特征的分析与向量提取  
，
，
部对比度和熵峰值都会向左移 且分布范围变窄 边缘  
雾对图像的退化作用主要表现为局部对比度和局  
．
倾角斜率增大 基于上述雾浓度与对比度及熵之间的  
， ，  
部熵的变化 局部对比度体现的是图像幅值差异 局部  
， 、  
关系 可建立局部对比度 熵及其相对应倾斜度的多维  
T
．
熵反映图像局部区域信息量的多少 因此本文引入局  
X =［f ，f ，f ，f ］ ， ，  
: f  
特征向量  
其中 为局部对比度值  
1
1
2
3
4
．
部对比度和局部熵统计特征实现雾浓度检测 公式  
f
，f  
，f  
．
为局部对比度倾斜 为局部熵 为熵的倾斜  
2
3
4
:
如下  
2
C =  
( i，j) P ( i，j)  
( 1)  
δ
∑
δ
δ

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号