專利名稱：智能能見度測試儀的制作方法
技術領域：
能見度測試儀是在傳感器、計算機技術和圖像處理技術基礎上研發成的，其應用領域為道路、機場、鐵路、航道、港口當地及有關氣象部門。還涉及一種能見度測試系統。
背景技術：
高速公路車流速度快、流量大，具有自身全封閉、全立交等特點，要求車輛不得任意減速和停車。每當天氣有霧，高速公路極易發生交通事故。一旦霧天發生交通事故，高速公路上的車輛的高速高流量，很易引發連鎖反應，造成多個車輛連續追尾的災難性的交通事故。據有資料報導，因有霧等惡劣天氣影響而引發的交通事故約占我國交通事故總數的四分之一左右。
目前，交通發達，人們出行頻繁，在霧天安全行駛成為人們交通行駛的關注點之一。各種測量天氣能見度儀器相繼問世。
大氣能見度是描述大氣透明度的一個指標。通常定義為看清目標物體外總輪廓的最大距離。影響能見度的因素有大氣透明度、視覺門限和光強度。大氣能見度與天氣狀況(雨、霧、霾、沙塵暴等)密切相關。
國內測量能見度的儀器有大氣透射儀、激光能見度自動測量儀，由于大氣透射儀在陰雨、霧天等低能見度天氣中測量時，會因水汽吸收造成較大測量誤差及因激光能見度自動測量儀成本昂貴，維護費用高，操作復雜，在雨、霧天也難以進行正常觀測，故而這二種儀器均難推廣。
我公司自行研制的智能能見度測試儀系統，通過閉路電視機攝取圖像，由微機進行圖像處理，計算出能見度，然后根據能見度換算成車輛最高限速值。這種測量方法得到的能見度數值與用激光雷達觀測得到的能見度值比較接近，且系統穩定可靠、操作方便，很有推廣應用價值。
發明內容
本發明的方法的技術方案如下一種智能能見度檢測方法，包括下列步驟(1)目標圖像分割
(2)二值化圖像邊緣檢測(3)對比度計算(4)能見度檢測
圖1是本發明的算法流程2是本發明的原理示意3是本發明的系統原理模塊依據交通部對高速公路上各種能見度條件下車輛行駛速度做了具體規范如能見度為90～110米，限速為60km/h；如能見度為70～90米，限速50km/h；當能見度低于70米時，則關閉高速公路；位置70m、90m、110m三個交通標識牌，并使與TV攝像機距離相對固定，每個交通標識牌或白底黑字或黑底白字。
1)目標圖像分割目標圖像分割是利用圖像中目標物體與背景在灰度分布的差異，設置一個灰度閾值，凡是灰度值低這個閾值的像素，灰度值均變成為某個灰度值；而高于等于這個灰度閾值的像素灰度值均變為另一個灰度值，于是就可將圖像中的目標物體和背景區別開來。
(1)最佳灰度閾值算法設圖像灰度值范圍L為1，2，3.....，256，灰度值為i的像素個數用n來表示，則灰度值為i的像素出現概率Pi為Pi=niN.............................(1)]]>這里有Pi≥0，Σi=1Lpi=1············(2)]]>如果用一個灰度閾值Li將像素分為兩個集合C0和C1(背景和目標)，這里C0-灰度值為[1，2，........，Lk]范圍的像素集合，C1-灰度值為[Lk+1，Lk+2，.......，L]范圍的像素集合，則各個集合的均值和概率分別表示為m0=Σi=1LkiPr(iC0)=m(Lk)w(k).........................................(3)]]>m1=mr-m(k)l-w(k).........................................................(4)]]>
式中，w(Lk)=Σi=1LkPi]]>m(Lk)=ΣI=1LkiP1]]>原始圖像灰度總均值mr為mr=m(L)=Σi=1LiPi.....................................................(5)]]>w0=PR(C0)=Σi=1LkPi=w(k)......................................(6)]]>w1=PR(C1)=Σi=Lk+1LkPi=1-w(k)..............................(7)]]>對于選值范圍內的任意Lk，則有下列恒等式w0m0+w1m1＝mrw1+w0＝1...................(8)從上不難得出類方差計算式為σ02=Σi=1Lk(i-m0)2Piw0.................................................(9)]]>σ12=Σi=Lk+1Lk(i-m1)2Piw1.............................................(10)]]>為評價閾值選取優劣引入參量Q作為評價灰度閾值選取標準。參量Q表示為Q=σB2σT2..............................................................(11)]]>經證明，最佳灰度閾值Lk*應使Q值為最大，同時也應使σB2取最大值。同時，不難推導出Q(Lk)=σB2(Lk)σT2....................................................(12)]]>σB2(Lk)=[mTW(Lk)-m(Lk)]2w(Lk)[1-w(Lk)].........................(13)]]>最佳灰度閾值Lk*應使得F式成立σB2(Lk*)=σB2(Lk*)1<Lk<L...................................(14)]]>(2)二值化處理假設最佳灰度閾值為Lk*，則灰度圖像f(x，y)變成二值圖像的表示式為 2)二值化圖像邊緣檢測對于二值圖像而言，邊緣檢測算法為(I)排除孤立點， 孤立點檢測算子 0 0 00 1 00 0 0(II)無邊緣檢測0 0或1 1(III)右邊緣檢測0 1左邊緣檢測1 03)對比度計算依據二值化圖像提取和計算目標圖像區域中諸個像素的灰度均值 和背景區域中諸像素灰度均值 可計算出目標圖像對比度C 4)能見度檢測依據對比度C的計算值可換算成能見度若標牌1對比度C≤5％，則能見度≤50m；若標牌4對比度C≥20％，則能見度＞1000m；若標牌1對比度5％≤C≤10％標牌2對比度C≤5％，則能見度＜200m若標牌1對比度10％≤C≤15％標牌2對比度5％≤C≤10％標牌3對比度5％≥C，則能見度≤500m
若標牌1對比度15％≤C≤20％標牌2對比度10％≤C≤15％標牌3對比度5％≤C≤10％標牌4對比度5％≤C，則能見度≤1000m。
權利要求
1.能見度檢測方法，包括下列步驟(1)目標圖像分割(2)二值化邊緣圖像處理(3)對比度計算(4)能見度檢測
2.如權利要求1所述目標圖像分割方法，由下列方法得出目標圖像分割是利用圖像中目標物體與背景在灰度分布的差異，設置一個灰度閾值，凡是灰度值低這個閾值的像素，灰度值均變成為某個灰度值；而高于等于這個灰度閾值的像素灰度值均變為另一個灰度值，于是就可將圖像中的目標物體和背景區別開來。(1)最佳灰度閾值算法設圖像灰度值范圍L為1，2，3.....，256，灰度值為i的像素個數用n來表示，則灰度值為i的像素出現概率Pi為Pi=niN............................(1)]]>這里有Pi≥0，Σi=1Lpi=1············(2)]]>如果用一個灰度閾值Li將像素分為兩個集合C0和C1(背景和目標)，這里C0-灰度值為[1，2，........，Lk]范圍的像素集合，C1-灰度值為[Lk+1，Lk+2，.......，L]范圍的像素集合，則各個集合的均值和概率分別表示為m0=Σi=1LkiPr(iC0)=m(Lk)w(k).........................(3)]]>ml=mr-m(k)l-w(k)........................................(4)]]>式中，w(Lk)=Σi=1LkPi]]>m(Lk)=ΣI=1LkiP1]]>原始圖像灰度總均值mr為mr=m(L)=Σi=1LiPi..................................................(5)]]>w0=PR(C0)=Σi=1LkPi=w(k)....................................(6)]]>w1=PR(C1)=Σi=Lk+1LkPi=1-w(k)............................(7)]]>對于選值范圍內的任意Lk，則有下列恒等式w0m0+w1m1＝mrw1+w0＝1...................(8)從上不難得出類方差計算式為σ02=Σi=1Lk(i-m0)2Piw0.................................................(9)]]>σ12=Σi=Lk+1Lk(i-m1)2Piw1...........................................(10)]]>為評價閾值選取優劣引入參量Q作為評價灰度閾值選取標準。參量Q表示為Q=σB2σT2....................................................(11)]]>經證明，最佳灰度閾值Lk*應使Q值為最大，同時也應使σB2取最大值。同時，不難推導出Q(Lk)=σB2(Lk)σT2.........................................(12)]]>σB2(Lk)=[mTW(Lk)-m(Lk)]2w(Lk)[1-w(Lk)]....................(13)]]>最佳灰度閾值Lk*應使得F式成立σB2(Lk*)=σB1<Lk<L2(Lk*).............................(14)]]>(2)二值化處理假設最佳灰度閾值為Lk*，則灰度圖像f(x，y)變成二值圖像的表示式為
3.如權利要求1所述的二值化邊緣圖像處理方法，其特征在于對于二值圖像而言，邊緣檢測算法為(I)排除孤立點，孤立點檢測算子 0 0 00 1 00 0 0(II)無邊緣檢測0 0或1 1(III)右邊緣檢測0 1左邊緣檢測1 0
4.如權利要求1所述對比度算法，依據二值化圖像提取和計算目標圖像區域中諸個像的灰度均值 和背景區域中諸像素灰度均值 ，可計算出目標圖像對比度C
5.如權利要求1所述的能見度檢測算法，具體方式如下依據對比度C的計算值可換算成能見度若標牌1對比度C≤5％，則能見度≤50m；若標牌4對比度C≥20％，則能見度＞1000m；若標牌1對比度5％≤C≤10％標牌2對比度C≤5％，則能見度＜200m若標牌1對比度10％≤C≤15％標牌2對比度5％≤C≤10％標牌3對比度5％≥C，則能見度≤500m若標牌1對比度15％≤C≤20％標牌2對比度10％≤C≤15％標牌3對比度5％≤C≤10％標牌4對比度5％≤C，則能見度≤1000m
6.一種智能能見度測試系統，其特征在于所述視頻輸入設備檢測攝像機，用于攝取圖像和，連接視頻矩陣切換器，所述視頻矩陣切換器還分別連接實時圖像采集卡、通訊接口傳輸控制模塊和系統報警與處理平臺，通過所述通訊接口傳輸控制模塊連接計算機總線，接受計算機主機的指令，進行通訊切換，接受所述檢測攝像機的圖像并發送給所述實時圖像采集卡，接受計算機主機發出的報警控制指令，向系統報警與處理平臺發送報警信號以及相關檢測圖像，由系統報警與處理平臺將其生成的警報信息和相關圖像送至與其連接的交通控制顯控器顯示。所述計算機主機還通過計算機總線連接圖像處理數據分析單元和隨機圖像存儲器。所述數據分析單元與所述計算機主機通信，根據計算機主機控制器的指令進行數據分析，所述隨機圖像存儲器同計算機主機控制器通信，用于數據的隨機存儲。
全文摘要
本發明采用TV攝像機攝取圖像，由計算機進行分割、二值化、計算對比度等圖像處理，計算能比度并可自動地換算成車輛最高限速值。系統實時性強≤100ms，且能見度測值與激光雷達測量值相當。
文檔編號G06T7/60GK101082591SQ20061016583
公開日2007年12月5日 申請日期2006年12月13日 優先權日2006年12月13日
發明者王海燕 申請人:王海燕