，拍攝得到的圖像對比度偏低。
[0095] 通常情況下，可以將待檢測圖像中各個像素點灰度值的均方根作為該圖像的針對 圖像對比度的圖像特征。當然，本申請只是以此為例進行說明，實際應用中還存在多種計算 圖像對比度的方法，例如，Weber對比度計算方法、Michelson對比度計算方法等等，這里不 再 列舉。
[0096]圖像飽和度能夠較好地反映圖像在不同關照環(huán)境下的顏色組成特征，圖像飽和度 與圖像亮度無關。
[0097] 具體的，可以根據(jù)以下表達式對待檢測圖像I中任一像素點的飽和度^^」進行歸 一化處理：
【主權項】
1. 一種基于圖像信息檢測的天氣識別方法，其特征在于，所述方法包括： 獲得待檢測圖像； 按照針對不同預設類型的天氣對應預設的多個第一預設算法，提取所述待檢測圖像針 對各個預設類型的天氣的多種第一圖像特征； 將提取出的多種第一圖像特征，輸入至預設的多核分類器，該多核分類器根據(jù)輸入的 圖像特征進行分類，識別所述待檢測圖像的拍攝天氣； 其中，所述多核分類器為：針對拍攝天氣為不同預設類型的天氣，分別選取第一預設數(shù) 量個圖像樣本，分別針對每種預設類型的天氣的圖像樣本，按照預設類型的天氣對應的第 一預設算法提取各個圖像樣本的第一圖像特征，根據(jù)預設的多核學習算法對所提取的第一 圖像特征進行機器學習得到的針對預設類型的天氣的分類器。
2. 根據(jù)權利要求1所述的方法，其特征在于，所述預設類型的天氣包括以下幾種中的 至少一種： 晴天、雨天、雪天、霧霾天。
3. 根據(jù)權利要求2所述的方法，其特征在于， 在所述獲得待檢測圖像之后，還包括： 按照第二預設算法，獲得所述待檢測圖像針對圖像對比度和/或圖像飽和度的第二圖 像特征； 所述多核分類器通過以下方式獲得： 針對拍攝天氣為不同預設類型的天氣，分別選取第一預設數(shù)量個圖像樣本，分別針對 每種預設類型的天氣的圖像樣本，按照預設類型的天氣對應的第一預設算法提取各個圖像 樣本的第一圖像特征； 按照所述第二預設算法，分別獲得上述所選取的各個圖像樣本針對圖像對比度和/或 圖像飽和度的第二圖像特征； 根據(jù)預設的多核學習算法對所提取的第一圖像特征和所獲得的第二圖像特征進行機 器學習，得到針對預設類型的天氣的多核分類器。
4. 根據(jù)權利要求3所述的方法，其特征在于，在所述預設類型的天氣包括晴天的情況 下，提取所述待檢測圖像針對晴天的圖像特征，包括： 檢測所述待檢測圖像中的天空區(qū)域； 提取所檢測到的天空區(qū)域的顏色信息； 根據(jù)所提取的顏色信息，生成預設的第一維數(shù)的圖像特征； 根據(jù)所述預設的第一維數(shù)的圖像特征，確定所述待檢測圖像針對晴天的圖像特征。
5. 根據(jù)權利要求4所述的方法，其特征在于，所述方法還包括： 檢測所述待檢測圖像中的陰影區(qū)域； 從檢測結果中選擇第二預設數(shù)量個陰影區(qū)域，其中，所述第二預設數(shù)量與預先構建的 陰影集中所包含陰影區(qū)域的數(shù)量相等，所述預先構建的陰影集為根據(jù)預先選擇的對比強烈 的陰影區(qū)域構建的； 分別在所述預先構建的陰影集中查找所選擇的各個陰影區(qū)域的的鄰近陰影區(qū)域； 計算所選擇的陰影區(qū)域與所查找到的其鄰近陰影區(qū)域之間的平均距離； 根據(jù)計算得到的平均距離生成預設的第二維數(shù)的圖像特征； 所述根據(jù)所述預設的第一維數(shù)的圖像特征，確定所述待檢測圖像針對晴天的圖像特 征，包括： 根據(jù)所述預設的第一維數(shù)的圖像特征和所述預設的第二維數(shù)的圖像特征，確定所述待 檢測圖像針對晴天的圖像特征。
6. 根據(jù)權利要求3所述的方法，其特征在于，在所述預設類型的天氣包括雨天的情況 下，提取所述待檢測圖像針對雨天的圖像特征，包括： 根據(jù)預設的導向濾波算法獲得所述待檢測圖像的高頻分量信息； 對所獲得的高頻分量信息進行二值化處理； 提取二值化處理后高頻分量信息的方向梯度直方圖HOG特征； 根據(jù)預設的模板滑動規(guī)則，將預設的HOG模板集中的模板與所提取的HOG特征進行匹 配，得到各個匹配度； 根據(jù)匹配結果，按照匹配度由高到低的順序，選擇第三預設數(shù)量個匹配度在所提取的 HOG特征中對應的HOG特征； 根據(jù)所選擇的HOG特征，生成預設的第三維數(shù)的圖像特征； 根據(jù)所述預設的第三維數(shù)的圖像特征，確定所述待檢測圖像針對雨天的圖像特征。
7. 根據(jù)權利要求3所述的方法，其特征在于，在所述預設類型的天氣包括雪天的情況 下，提取所述待檢測圖像針對雪天的圖像特征，包括： 檢測所述待檢測圖像中構成雪花的像素點； 根據(jù)上述檢測到的構成雪花的像素點，生成預設的第四維數(shù)的圖像特征； 根據(jù)所述預設的第四維數(shù)的圖像特征，確定所述待檢測圖像針對雪天的圖像特征； 其中，所述檢測所述待檢測圖像中構成雪花的像素點，包括： 檢測所述待檢測圖像中目標像素點的灰度值是否大于所述待檢測圖像的平均灰度值 與預設的灰度閾值之和； 若大于，判斷所述目標像素點的灰度值是否滿足以下關系： 與所述目標像素點之間的距離<丨的像素點的灰度值等于所述目標像素點的灰 度值，且^N<.與所述目標像素點之間的距離<2 ^ N的像素點的灰度值不等于所述目 標像素點的灰度值，其中，N為正整數(shù)； 若滿足上述關系，判定所述目標像素點是所述待檢測圖像中構成雪花的像素點； 若不滿足上述關系，判定所述目標像素點不是所述待檢測圖像中構成雪花的像素點。
8. 根據(jù)權利要求3所述的方法，其特征在于，在所述預設類型的天氣包括霧霾天的情 況下，提取所述待檢測圖像針對霧霾天的圖像特征，包括： 按照預設的比例調整所述待檢測圖像的尺寸； 將調整尺寸后的圖像劃分為預設尺寸的圖像塊； 獲得各個圖像塊的暗通道信息； 根據(jù)所獲得的暗通道信息生成預設的第五維數(shù)的圖像特征； 根據(jù)所述預設的第五維數(shù)的圖像特征，確定所述待檢測圖像針對霧霾天的圖像特征。
9. 根據(jù)權利要求8所述的方法，其特征在于，所述根據(jù)所獲得的暗通道信息生成預設 的第五維數(shù)的圖像特征，包括： 根據(jù)所獲得的暗通道信息，計算各個圖像塊的暗通道信息均值； 根據(jù)各個圖像塊的暗通道信息均值，生成預設的第五維數(shù)的圖像特征。
10. -種基于圖像信息檢測的天氣識別裝置，其特征在于，所述裝置包括： 圖像獲得模塊，用于獲得待檢測圖像； 圖像特征提取模塊，用于按照針對不同預設類型的天氣對應預設的多個第一預設算 法，提取所述待檢測圖像針對各個預設類型的多種第一天氣的圖像特征； 拍攝天氣確定模塊，用于將提取出的多種第一圖像特征，輸入至預設的多核分類器，該 多核分類器根據(jù)輸入的圖像特征進行分類，識別所述待檢測圖像的拍攝天氣； 其中，所述多核分類器為：針對拍攝天氣為不同預設類型的天氣，分別選取第一預設數(shù) 量個圖像樣本，分別針對每種預設類型的天氣的圖像樣本，按照預設類型的天氣對應的第 一預設算法提取各個圖像樣本的第一圖像特征，根據(jù)預設的多核學習算法對所提取的第一 圖像特征進行機器學習得到的針對預設類型的天氣的分類器。
【專利摘要】本發(fā)明實施例公開了一種基于圖像信息檢測的天氣識別方法及裝置，包括：獲得待檢測圖像；按照針對不同預設類型的天氣對應預設的多個第一預設算法，提取待檢測圖像針對各個預設類型的天氣的多種第一圖像特征；將提取出的多種第一圖像特征，輸入預設的多核分類器，識別待檢測圖像的拍攝天氣；多核分類器為：針對拍攝天氣為不同預設類型的天氣，分別選取第一預設數(shù)量個圖像樣本，針對每種預設類型的天氣的圖像樣本，按照預設類型的天氣對應的第一預設算法提取各個圖像樣本的第一圖像特征，根據(jù)預設的多核學習算法對所提取的第一圖像特征進行機器學習得到的針對預設類型的天氣的分類器。應用本發(fā)明實施例提供的方案，能夠識別出待檢測圖像的拍攝天氣。
【IPC分類】G06K9-46, G06T7-00, G06K9-00
【公開號】CN104834912
【申請?zhí)枴緾N201510247015
【發(fā)明人】馬華東, 傅慧源, 張征
【申請人】北京郵電大學
【公開日】2015年8月12日
【申請日】2015年5月14日