CN101281142A - 一种测量大气能见度的方法 - Google Patents
一种测量大气能见度的方法 Download PDFInfo
- Publication number
- CN101281142A CN101281142A CNA2007101255826A CN200710125582A CN101281142A CN 101281142 A CN101281142 A CN 101281142A CN A2007101255826 A CNA2007101255826 A CN A2007101255826A CN 200710125582 A CN200710125582 A CN 200710125582A CN 101281142 A CN101281142 A CN 101281142A
- Authority
- CN
- China
- Prior art keywords
- visibility
- image
- edge
- current
- optical depth
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000005259 measurement Methods 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 239000000443 aerosol Substances 0.000 claims description 69
- 230000003287 optical effect Effects 0.000 claims description 67
- 239000002245 particle Substances 0.000 claims description 22
- 238000000605 extraction Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 241000143437 Aciculosporium take Species 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 2
- 239000008277 atmospheric particulate matter Substances 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 239000006096 absorbing agent Substances 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 239000005427 atmospheric aerosol Substances 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明所提供一种测量大气能见度的方法，包括以下步骤：A、以某一固定场景为观测点，通过摄像获取多个在不同能见度条件下该场景的图像边缘强度值，以及获得与每一图像边缘强度值对应的多个能见度测量值，以此构建图像边缘强度与能见度测量值一一对应关系的能见度先验知识库；B、根据能见度先验知识库，得到该固定场景图像边缘强度与能见度之间的能见度计算公式；C、当通过摄像获得该观测点当前图像边缘强度后，利用能见度计算公式，计算得到当前大气能见度值。该方法的优点是利用已有的城市管理用的视频监控设备进行能见度的观测，可以提高能见度观测的客观性和重复性。
Description
技术领域
本发明涉及环境测量技术领域，尤其涉及一种测量大气能见度的方法，以及依据大气能见度值获取其它大气参数的方法。
背景技术
大气能见度是反映大气透明度的一个指标，是一个对航空、航海、陆上交通以及军事活动等都有重要影响的气象参数。一般定义为具有正常视力的人在当时的天气条件下还能够看清楚目标轮廓的最大地面水平距离。视力正常的人在当时天气条件下，能够从天空背景中看到和辨认出的目标物(黑色，大小适中)的最大水平距离；夜间是能看到和确定的一定强度灯光上最大水平距离。单位，公里(km)。在物理原理上，能见度决定于最远目标与背景的差异，当这种差异对比高于观测者辨识下限时，目标物与观测者之间的距离就等于能见度。影响能见度的因子主要有大气透明度、灯光强度和视觉感阈。大气能见度和当时的天气情况密切相关，当出现降雨、雾、霾、沙尘暴等天气时，大气透明度较低，因此能见度较差。
气溶胶是空气中悬浮的固态或液态颗粒的总称，典型大小为0.01～10微米，能在空气中滞留至少几个小时。气溶胶的来源有自然和人类两种。气溶胶可以从两方面影响气候：通过散射辐射和吸收辐射产生直接影响，以及作为云凝结核或改变云的光学性质和生存时间而产生间接影响。气溶胶一般用550纳米波长上的光学厚度来度量。
测量大气能见度一般可用目测的方法，也可以使用大气透射仪、激光能见度自动测量仪等测量仪器测量。目前，能见度的观测大都还是以人工目测为主，规范性、客观性相对较差。
大气透射仪是通过光束透过两固定点之间的大气柱直接测量气柱透射率，以此来推算能见度的值，这种方法要求光束通过足够长的大气柱，测量的可靠性受光源及其他硬件系统工作稳定性的影响，一般只适用于中等以下能见度的观测，而在雨、雾等低能见度天气，会因水汽吸收等复杂条件造成较大误差，同时该方法假设投射仪两点间大气状态与周围大气状态相同，如果大气状态空间变化较大，就会导致投射仪观测结果与实际情况偏差较大。
而激光能见度自动测量仪是通过激光测量大气消光系数的方法来推算能见度，相对而言，较为客观和准确，但这种仪器成本昂贵、维护费用高、操作复杂，而且，在雨、雾天也难以进行正常观测，因而难以推广，并且该方法观测的能见度只代表某一观测方向上的能见度，与大气真实能见度不符。
已有的视频方法提取大气能见度算法需要人工干预，调节参数或者沿观测方向树立标靶，使得这些方法费时费力，无法自动运行。
因此，现有技术还需要进一步的改进和发展。
发明内容
本发明所要解决的技术问题是：提供一种测量大气能见度的方法，该方法可以利用已有的城市管理用的视频监控设备进行能见度的观测，并且可以提高能见度观测的客观性和重复性。
本发明为解决上述技术问题所采用的技术方案为：
一种测量大气能见度的方法，包括以下步骤：
A、以某一固定场景为观测点，获取多个在不同能见度条件下该场景的图像边缘强度值，以及获得与每一图像边缘强度值对应的多个能见度测量值，以此构建图像边缘强度与能见度测量值一一对应关系的能见度先验知识库；
B、根据所述能见度先验知识库，得到该固定场景图像边缘强度与能见度之间的能见度计算公式；
C、获得该观测点当前图像边缘强度，利用所述能见度计算公式，计算得到当前大气能见度值。
所述的方法，其中：所述的步骤A包括如下步骤：
A1、以所述固定场景为背景，在不同能见度条件下用摄像设备获取多幅二维原始图像，以及通过实际测量获得此时能见度测量值；
A2、对所述二维原始图像进行边缘提取处理，得到二值化的初始图像边缘；
A3、将每个初始图像边缘与平均边缘图像进行比较，得到剔除扰动信息后固定场景的图像边缘强度；
A4、根据每个固定场景的图像边缘强度以及所对应的能见度测量值，构建所述能见度先验知识库。
所述的方法，其中：所述步骤A3中的平均边缘图像按照以下方法获得：
A31、在一段时间内获取该固定场景多个高能见度的二维原始图像；
A32、对所得的多个二维原始图像进行灰度值平均运算；
A33、对平均运算后的图像进行边缘提取，得到平均边缘图像。
所述的方法，其中：所述步骤B包括如下步骤：根据能见度先验知识库，构建固定场景图像边缘强度与能见度二者之间的关系式，并确定关系式中的待标定参数，获得能见度计算公式。
所述的方法，其中：所述待标定参数根据所述能见度先验知识库中图像边缘强度与能见度测量值间数据求解，并经最小二乘法回归决定。
所述的方法，其中：所述步骤C包括以下步骤：
C1、利用所述摄像设备获取当前二维原始图像；
C2、对所述当前二维原始图像进行边缘提取处理，得到二值化的当前图像边缘；
C3、利用图像匹配算法，进行当前图像边缘与所述平均边缘图像的匹配，保留相吻合的边缘信息作为当前图像边缘强度；
C4、根据所述能见度计算公式，计算出当前大气能见度。
所述的方法，其中：所述能见度关系式为：V＝aE2+bE
其中：V是大气能见度，E是图像边缘强度，a和b为待标定参数。
所述的方法，其中：所述步骤A2、C2、A32中均利用Sobel算子对二维图像进行边缘提取处理；所述步骤C3中利用SIFT图像匹配算法进行当前图像边缘与所述平均边缘图像的匹配。
所述的方法，其中：所述步骤C之后还包括执行步骤F：根据所述当前大气能见度值计算获得气溶胶光学厚度。
所述的方法，其中：所述步骤C之后还包括以下步骤：根据所述当前大气能见度值计算获得大气相对湿度。
所述的方法，其中：所述大气相对湿度采用以下公式计算：RH＝1-(V/67.7)1.5
其中：RH为大气相对湿度，V是当前大气能见度。
所述的方法，其中：所述步骤C之后还包括以下步骤：若大气颗粒物浓度按照N∝D-β指数函数规律分布，则根据所述当前大气能见度值获得颗粒物粒径分布，其中：D为粒径，N为粒径D的颗粒物数量，β是待测参数。
所述的方法，其中：所述β按照以下公式计算：β＝[6.2-(lnV)]/1.3，其中，V是当前大气能见度。
所述的方法，其中：所述气溶胶光学厚度按照以下步骤获得：
F1、以某一固定场景为观测点，获取多个在不同能见度条件下的能见度测量值和对应的气溶胶光学厚度测量值，构建大气能见度与气溶胶光学厚度一一对应关系的气溶胶光学厚度先验知识库；
F2、根据所述气溶胶光学厚度先验知识库，得到该固定场景大气能见度与气溶胶光学厚度之间的气溶胶光学厚度关系式，并确定气溶胶光学厚度关系式中的待标定参数，获得气溶胶光学厚度计算公式；
F3、依据该观测点所述当前大气能见度，利用所述气溶胶光学厚度计算公式，计算得到当前气溶胶光学厚度值。
所述的方法，其中：所述气溶胶光学厚度计算公式为A＝c1/V+c2，其中：A为气溶胶光学厚度，V为当前大气能见度，c1、c2为待标定参数，根据所述气溶胶光学厚度先验知识库中能见度测量值和气溶胶光学厚度测量值间数据求解，并经最小二乘法回归决定。
本发明利用历史数据构建被观测的固定场景图像边缘强度与能见度测量值对应关系的能见度先验知识库，获得该固定场景图像边缘强度与能见度值之间关系的能见度计算公式，之后在以该固定场景为观测点测量当前能见度时，通过获知该观测点当前图像边缘强度即可方便、快捷地获得当前大气的能见度。本发明利用在城市管理中广泛应用的视频监控设备进行能见度的观测，观测过程中仪器自动运行，不需要调节参数、在沿观测方向树立标靶等人工干预，省时省力，操作简单。而且，该方法可以观测不同观测方向上的能见度，与大气真实的能见度更接近。不仅降低了观测仪器的成本，提高能见度观测的客观性和重复性。
同时，利用本发明方法在获得大气能见度后，还可以获得气溶胶光学厚度值、大气相对湿度等其它大气参数。
附图说明
图1为本发明测量大气能见度以及获取其它大气参数的方法流程图。
图2为本发明依据大气能见度值获取气溶胶光学厚度的方法流程图。
图3为本发明用最小二乘法回归图像边缘强度与能见度关系的拟合曲线示意图。
具体实施方式
下面根据附图和实施例对本发明作进一步详细说明：
参见图1和图2，本发明提供一种测量方法，利用已有的城市管理用的视频监控设备测量环境的参数，主要是测量大气能见度，包括以下主要步骤：
A、以某一固定场景为观测点，获取多个在不同能见度条件下该场景的图像边缘强度值，以及获得与每一图像边缘强度值对应的多个能见度测量值，以此构建图像边缘强度与能见度测量值一一对应关系的能见度先验知识库；
B、根据所述能见度先验知识库，得到该固定场景图像边缘强度与能见度之间的能见度计算公式；
C、获得该观测点当前图像边缘强度，利用所述能见度计算公式，计算得到当前大气能见度值。
以上是测量大气能见度的方法，以下是依据大气能见度值获取其它大气参数的方法。
所述步骤C之后还包括执行步骤F：根据所述当前大气能见度值计算获得气溶胶光学厚度。
所述气溶胶光学厚度具体按照以下步骤获得：
F1、以某一固定场景为观测点，获取多个在不同能见度条件下的能见度测量值和对应的气溶胶光学厚度测量值，构建大气能见度与气溶胶光学厚度一一对应关系的气溶胶光学厚度先验知识库；
F2、根据所述气溶胶光学厚度先验知识库，得到该固定场景大气能见度与气溶胶光学厚度之间的气溶胶光学厚度关系式，并确定气溶胶光学厚度关系式中的待标定参数，获得气溶胶光学厚度计算公式；
F3、依据该观测点所述当前大气能见度，利用所述气溶胶光学厚度计算公式，计算得到当前气溶胶光学厚度值。
所述步骤C之后还包括以下步骤：根据所述当前大气能见度值计算获得大气相对湿度。
所述步骤C之后还包括以下步骤：若大气颗粒物浓度按照N∝D-β指数函数规律分布，则根据所述当前大气能见度值获得颗粒物粒径分布，其中：D为粒径，N为粒径D的颗粒物数量，β是待测参数。所述β与大气能见度V根据β与能见度V的关系式计算得到。
需要说明的是，上述由能见度V得到各参数方法均可以独立应用，本发明对此并无额外限制。
下面是一个完整的实施例，利用视频监控图测量环境的参数，包括以下步骤：
步骤A、以某一固定场景为观测点，获取多个在不同能见度条件下该场景的图像边缘强度值，以及获得与每一图像边缘强度值对应的多个能见度测量值，以此构建图像边缘强度与能见度测量值一一对应关系的能见度先验知识库；
步骤A包括如下步骤实现：
A1、以某一固定场景为背景，例如海湾上的一座大桥，在不同能见度条件下(例如不同的天气条件，或一天的不同时段)用摄像设备获取多幅该座大桥的二维原始图像，以及通过实际测量获得此时能见度测量值。
所述摄像设备可以利用已有的城市管理用的视频监控设备，例如交通路口视频监控系统，已建立覆盖城市主要干道及路口的数字网络，配备相应的图像监视设备和软件，可与调度中心实现实时监控；利用现有的视频监控设备可以充分利用资源，降低能见度等环境参数测量的成本，易于实现。
A2、对摄取的二维原始图像进行边缘提取处理，得到二值化的大桥初始图像边缘。选择Sobel算子对二维图像进行边缘提取处理。
与其他边缘提取算子不同，Sobel算子有两个：一个是检测水平边沿；另一个是检测垂直平边沿；Sobel算子是滤波算子的形式，用于提取边缘，可以利用快速卷积函数，简单有效，由于Sobel算子对于象素的位置的影响做了加权，因此效果较其它边缘提取算子更好。当然，本发明对此并无特别限制，也可使用其它边缘提取算子来处理。
A3、将每个初始图像边缘与平均边缘图像进行比较，得到剔除扰动信息后固定场景的图像边缘强度。该步骤的目的是对比平均边缘图像，剔除每个初始图像边缘中的活动景物，例如大桥上行驶的车辆或行走的行人等。所述平均边缘图像也是一个历史数据，可按照以下方法获得：
A31、在一段时间内获取该固定场景多个高能见度的二维原始图像。所述的“一段时间内”和“多个高能见度的二维原始图像”可根据每个观测点的所处实际环境情况和所具有的数据处理能力而定。例如在一周时间内，在气候条件好的天气里，并且能见度较大的时间段(如选择中午，避开清晨、黄昏等时间段)，摄取该大桥的二维原始图像，这样能得到尽可能远处的图像边缘。
A32、对所得的多个二维原始图像进行灰度值平均运算；
A33、利用Sobel算子对平均运算后的图像进行边缘提取处理，得到平均边缘图像，当然也可使用其它边缘提取算子来处理，本发明对此并无特别限制。
A4、根据每个固定场景的图像边缘强度以及所对应的能见度测量值，构建所述能见度先验知识库。例如以下所示能见度—边缘强度的关系表，其中的能见度V是利用气象观测手段实际测量获得，或者从激光雷达等观测技术中获得。
| 能见度V | 边缘强度 |
| 1 | 0.25 |
| 2 | 0.45 |
| 5 | 0.66 |
| 10 | 0.72 |
步骤B、根据所述能见度先验知识库，得到该固定景物图像边缘强度与能见度之间的能见度计算公式；所述步骤B包括如下步骤：
B1、首先根据能见度先验知识库中图像边缘强度与能见度测量值之间一一对应的数据，分析二者之间的变化趋势，构建该固定场景图像边缘强度与能见度二者之间的关系式，本发明得出边缘强度E与能见度V之间存在以下关系：
V＝aE2+bE
其中：V是大气能见度，E是图像边缘强度，a和b为待标定参数。这是一个普适的关系式，但a和b的值与特定站点有关。
B2、确定关系式中的待标定参数a和b，获得能见度计算公式。所述待标定参数a和b根据所述能见度先验知识库中图像边缘强度与能见度测量值间数据求解，并经最小二乘法回归决定。待标定参数a和b也可以采用大气辐射传输模型模拟回归确定。
例如，针对某一观测点，用最小二乘法回归得到E-V关系的拟合曲线见图3，待标定参数a＝24.511，b＝5.8751，能见度测量可以用关系式y＝24.511x2-5.8751x，其中，x为图像边缘强度，y为大气能见度。
步骤C、得到了某一观测点图像边缘强度与能见度之间的能见度计算公式后，在需要测量大气能见度时，只要通过摄像获得该观测点固定场景(例如大桥)的当前图像边缘强度，利用所述能见度计算公式，就能计算得到当前大气能见度值。该步骤具体包括以下步骤：
C1、利用所述的摄像设备即已有的用于城市管理的视频监控设备获取大桥当前二维原始图像；
C2、对所述当前二维原始图像进行边缘提取处理，得到二值化的当前图像边缘；同样可以采用Sobel算子进行边缘提取处理。
C3、利用图像匹配算法，进行当前图像边缘与所述平均边缘图像的匹配，保留相吻合的边缘信息作为当前图像边缘强度；所述步骤C3中利用SIFT图像匹配算法进行当前图像边缘与所述平均边缘图像的匹配。
SIFT是应用较广泛的图像匹配算法。具有以下优点：稳定性高，因SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性；独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配；多量性，即使少数的几个物体也可以产生大量SIFT特征向量；高速性，经优化的SIFT匹配算法甚至可以达到实时的要求；可扩展性，可以很方便的与其他形式的特征向量进行联合。所以在本方法中优选用此图像匹配算法，本发明对此并无特别限制，也可使用其它图像匹配算法来处理。
C4、利用步骤C3获得的当前图像边缘E，根据能见度计算公式V＝aE2+bE，计算出当前大气能见度V。
采用上述方法获得大气能见度后，可利用获得的当前大气能见度值以及类似方法获取气溶胶光学厚度A。气溶胶中的水滴和尘埃是太阳辐射的吸收体和散射体，并参与各种化学和生物学循环。微生物悬浮于空气中可形成各种各样的微生物气溶胶，成分十分复杂，与人类健康关系十分密切。在城市地区，气溶胶与空气颗粒污染物关系密切，又是许多有毒、有害物质的携带者，它的分布在一定程度上反映了大气污染的状况。
所述气溶胶光学厚度具体按照以下步骤获得：
F1、以某一固定场景为观测点，通过实际测量获取多个在不同能见度条件下的能见度测量值和对应的气溶胶光学厚度测量值，构建大气能见度与气溶胶光学厚度一一对应关系的气溶胶光学厚度先验知识库。实际测量获得光学厚度A用遥感方法计算得到气溶胶光学厚度，例如通过激光雷达或高光谱方法来得到。
F2、根据所述气溶胶光学厚度先验知识库，得到该固定场景大气能见度与气溶胶光学厚度之间的气溶胶光学厚度关系式：A＝c1/V+c2，其中：A为气溶胶光学厚度，V为当前大气能见度，并确定气溶胶光学厚度关系式中的待标定参数c1、c2，获得气溶胶光学厚度计算公式。根据所述气溶胶光学厚度先验知识库中能见度测量值和气溶胶光学厚度测量值间数据求解，并经最小二乘法回归决定。同样，本实施方式中选择用最小二乘法确定能见度测量值和气溶胶光学厚度测量值，当然也可以采用现有技术中其它的处理方式来确定。
F3、依据该观测点所述当前大气能见度，利用所述已确定了参数c1、c2的气溶胶光学厚度计算公式A＝c1/V+c2，将当前大气能见度V代入计算公式，得到当前气溶胶光学厚度值A。
所述步骤C之后还包括以下步骤：根据所述当前大气能见度值计算获得大气相对湿度。
所述大气相对湿度采用以下公式计算：RH＝1-(V/67.7)1.5
其中：RH为大气相对湿度，V是当前大气能见度。
所述步骤C之后还包括以下步骤：若大气颗粒物浓度按照N∝D-β指数函数规律分布，其中：D为粒径(单位：微米)，N为粒径D的颗粒物数量，β是待测参数，则可根据所述当前大气能见度值获得颗粒物粒径分布，所述β按照以下公式确定：β＝[6.2-(lnV)]/1.3，其中，V是当前大气能见度。
同步测量多种大气气溶胶颗粒物参数，有助于大气雾、灰霾等低能见度事件的精细监测。这样能提供方便、快捷和可靠的观测。
由于摄像监控已经广泛应用到社会安全、交通管制、防灾减灾和城市管理等诸多领域，交通路口视频监控系统通过建立覆盖城市主要干道及路口的数字网络，配备相应的图像监视设备和软件，可将交通路口车辆运行状况实时传送到调度中心。利用视频监控图像自动测量大气能见度及其它气象参数的优点在于，可以避免使用固定标靶，减低成本耗费和瞄准标靶时的不确定性；利用整幅图像的信息，避免仅用局部图像信息得到方向性能见度，提高了能见度观测的客观性和重复性。采用本发明方法利用视频监控图像自动测量大气能见度和气溶胶光学厚度能提供方便、快捷和可靠的能见度观测。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (15)
1、一种测量大气能见度的方法，其特征在于：包括以下步骤：
A、以某一固定场景为观测点，获取多个在不同能见度条件下该场景的图像边缘强度值，以及获得与每一图像边缘强度值对应的多个能见度测量值，以此构建图像边缘强度与能见度测量值一一对应关系的能见度先验知识库；
B、根据所述能见度先验知识库，得到该固定场景图像边缘强度与能见度之间的能见度计算公式；
C、获得该观测点当前图像边缘强度，利用所述能见度计算公式，计算得到当前大气能见度值。
2、根据权利要求1所述的方法，其特征在于：所述的步骤A包括如下步骤：
A1、以所述固定场景为背景，在不同能见度条件下用摄像设备获取多幅二维原始图像，以及通过实际测量获得此时能见度测量值；
A2、对所述二维原始图像进行边缘提取处理，得到二值化的初始图像边缘；
A3、将每个初始图像边缘与平均边缘图像进行比较，得到剔除扰动信息后固定场景的图像边缘强度；
A4、根据每个固定场景的图像边缘强度以及所对应的能见度测量值，构建所述能见度先验知识库。
3、根据权利要求2所述的方法，其特征在于：所述步骤A3中的平均边缘图像按照以下方法获得：
A31、在一段时间内获取该固定场景多个高能见度的二维原始图像；
A32、对所得的多个二维原始图像进行灰度值平均运算；
A33、对平均运算后的图像进行边缘提取，得到平均边缘图像。
4、根据权利要求1所述的方法，其特征在于：所述步骤B包括如下步骤：根据能见度先验知识库，构建固定场景图像边缘强度与能见度二者之间的关系式，并确定关系式中的待标定参数，获得能见度计算公式。
5、根据权利要求4所述的方法，其特征在于：所述待标定参数根据所述能见度先验知识库中图像边缘强度与能见度测量值间数据求解，并经最小二乘法回归决定。
6、根据权利要求3所述的方法，其特征在于：所述步骤C包括以下步骤：
C1、利用所述摄像设备获取当前二维原始图像；
C2、对所述当前二维原始图像进行边缘提取处理，得到二值化的当前图像边缘；
C3、利用图像匹配算法，进行当前图像边缘与所述平均边缘图像的匹配，保留相吻合的边缘信息作为当前图像边缘强度；
C4、根据所述能见度计算公式，计算出当前大气能见度。
7、根据权利要求4所述的方法，其特征在于：所述能见度关系式为：V＝aE2+bE，
其中：V是大气能见度，E是图像边缘强度，a和b为待标定参数。
8、根据权利要求6所述的方法，其特征在于：所述步骤A2、C2、A32中均利用Sobel算子对二维图像进行边缘提取处理；所述步骤C3中利用SIFT图像匹配算法进行当前图像边缘与所述平均边缘图像的匹配。
9、根据权利要求1至7任一权利要求所述的方法，其特征在于：所述步骤C之后还包括执行步骤F：根据所述当前大气能见度值计算获得气溶胶光学厚度。
10、根据权利要求1至7任一权利要求所述的方法，其特征在于：所述步骤C之后还包括以下步骤：根据所述当前大气能见度值计算获得大气相对湿度。
11、根据权利要求10所述的方法，其特征在于：所述大气相对湿度采用以下公式计算：RH＝1-(V/67.7)1.5
其中：RH为大气相对湿度，V是当前大气能见度。
12、根据权利要求1至7任一权利要求所述的方法，其特征在于：所述步骤C之后还包括以下步骤：若大气颗粒物浓度按照N∝D-β指数函数规律分布，则根据所述当前大气能见度值获得颗粒物粒径分布，其中：D为粒径，N为粒径D的颗粒物数量，β是待测参数。
13、根据权利要求12所述的方法，其特征在于：所述β按照以下公式计算：β＝[6.2-(lnV)]/1.3，其中，V是当前大气能见度。
14、根据权利要求9所述的方法，其特征在于：所述气溶胶光学厚度按照以下步骤获得：
F1、以某一固定场景为观测点，获取多个在不同能见度条件下的能见度测量值和对应的气溶胶光学厚度测量值，构建大气能见度与气溶胶光学厚度一一对应关系的气溶胶光学厚度先验知识库；
F2、根据所述气溶胶光学厚度先验知识库，得到该固定场景大气能见度与气溶胶光学厚度之间的气溶胶光学厚度关系式，并确定气溶胶光学厚度关系式中的待标定参数，获得气溶胶光学厚度计算公式；
F3、依据该观测点所述当前大气能见度，利用所述气溶胶光学厚度计算公式，计算得到当前气溶胶光学厚度值。
15、根据权利要求14所述的方法，其特征在于：所述气溶胶光学厚度计算公式为A＝c1/V+c2，其中：A为气溶胶光学厚度，V为当前大气能见度，c1、c2为待标定参数，根据所述气溶胶光学厚度先验知识库中能见度测量值和气溶胶光学厚度测量值间数据求解，并经最小二乘法回归决定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2007101255826A CN101281142B (zh) | 2007-12-28 | 2007-12-28 | 一种测量大气能见度的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2007101255826A CN101281142B (zh) | 2007-12-28 | 2007-12-28 | 一种测量大气能见度的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101281142A true CN101281142A (zh) | 2008-10-08 |
| CN101281142B CN101281142B (zh) | 2011-06-29 |
Family
ID=40013710
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2007101255826A Active CN101281142B (zh) | 2007-12-28 | 2007-12-28 | 一种测量大气能见度的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101281142B (zh) |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101936900A (zh) * | 2010-06-12 | 2011-01-05 | 北京中科卓视科技有限责任公司 | 一种基于视频的能见度检测系统 |
| CN102183442A (zh) * | 2011-02-17 | 2011-09-14 | 中国科学院安徽光学精密机械研究所 | 一种基于大气细粒子谱仪的能见度测量方法 |
| CN102262092A (zh) * | 2011-04-29 | 2011-11-30 | 中国气象局北京城市气象研究所 | 能见度测量系统及方法 |
| CN102954937A (zh) * | 2012-10-31 | 2013-03-06 | 辽宁金洋集团信息技术有限公司 | 视频能见度检测仪及其检测分析方法 |
| CN103134800A (zh) * | 2013-02-07 | 2013-06-05 | 安徽皖通科技股份有限公司 | 一种基于视频的道路气象检测系统 |
| CN103149603A (zh) * | 2013-03-07 | 2013-06-12 | 安徽皖通科技股份有限公司 | 一种基于视频的道路气象检测方法 |
| CN103558650A (zh) * | 2013-09-11 | 2014-02-05 | 北京迈特力德信息技术有限公司 | 基于机场气象自动观测系统的自适应信息处理方法及装置 |
| CN104854638A (zh) * | 2012-12-18 | 2015-08-19 | 三菱电机株式会社 | 视觉辨认度估计装置、视觉辨认度估计方法及安全驾驶支持系统 |
| CN105136660A (zh) * | 2015-08-12 | 2015-12-09 | 广东欧珀移动通信有限公司 | 空气质量检测方法及装置 |
| CN105629333A (zh) * | 2015-12-27 | 2016-06-01 | 安徽皖通科技股份有限公司 | 一种基于视频的道路气象检测方法 |
| CN104359812B (zh) * | 2014-10-30 | 2016-11-23 | 陕西明路光电技术有限责任公司 | 一种基于调制传递函数的pm2.5监测方法 |
| CN107328777A (zh) * | 2017-07-05 | 2017-11-07 | 河北科技大学 | 一种在夜间测量大气能见度的方法及装置 |
| CN107705330A (zh) * | 2017-09-30 | 2018-02-16 | 安徽省公共气象服务中心 | 基于道路摄像头的能见度智能估测方法 |
| CN108279221A (zh) * | 2017-12-07 | 2018-07-13 | 中国科学院国家天文台 | 一种局部天区大气透明度获取方法 |
| CN108732178A (zh) * | 2017-04-24 | 2018-11-02 | 中兴通讯股份有限公司 | 一种大气能见度检测方法和装置 |
| CN108931825A (zh) * | 2018-05-18 | 2018-12-04 | 北京航空航天大学 | 一种基于地物清晰度的遥感图像云厚度检测方法 |
| CN109827906A (zh) * | 2019-01-31 | 2019-05-31 | 西安理工大学 | 一种激光雷达斜程能见度的反演方法 |
| CN110147792A (zh) * | 2019-05-22 | 2019-08-20 | 齐鲁工业大学 | 基于内存优化的药品包装字符高速检测系统及方法 |
| CN110849794A (zh) * | 2019-10-16 | 2020-02-28 | 南京信息工程大学 | 一种识别云凝结核计数器测量结果中未活化颗粒的方法 |
| CN111785094A (zh) * | 2020-07-31 | 2020-10-16 | 上海眼控科技股份有限公司 | 平流雾检测方法、装置、计算机设备和可读存储介质 |
| CN114966899A (zh) * | 2022-07-27 | 2022-08-30 | 南京云熙遥感科技有限公司 | 一种基于多源多元遥感技术协同的区域能见度预测方法 |
| CN115032715A (zh) * | 2022-06-06 | 2022-09-09 | 北京万云科技开发有限公司 | 一种基于图像识别技术的天气现象监测方法 |
| CN115311593A (zh) * | 2022-04-28 | 2022-11-08 | 南通大学 | 基于视频图像的交通道路能见度同时估计与内定标方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FI98766C (fi) * | 1994-01-11 | 1997-08-11 | Vaisala Oy | Laite ja menetelmä näkyvyyden ja vallitsevan sään mittaamiseksi |
| CN1804588A (zh) * | 2006-01-06 | 2006-07-19 | 成都易航信息科技有限公司 | 自校准大气能见度测量方法及系统 |
-
2007
- 2007-12-28 CN CN2007101255826A patent/CN101281142B/zh active Active
Cited By (34)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101936900A (zh) * | 2010-06-12 | 2011-01-05 | 北京中科卓视科技有限责任公司 | 一种基于视频的能见度检测系统 |
| CN102183442A (zh) * | 2011-02-17 | 2011-09-14 | 中国科学院安徽光学精密机械研究所 | 一种基于大气细粒子谱仪的能见度测量方法 |
| CN102183442B (zh) * | 2011-02-17 | 2013-01-23 | 中国科学院安徽光学精密机械研究所 | 一种基于大气细粒子谱仪的能见度测量方法 |
| CN102262092A (zh) * | 2011-04-29 | 2011-11-30 | 中国气象局北京城市气象研究所 | 能见度测量系统及方法 |
| CN102262092B (zh) * | 2011-04-29 | 2013-03-20 | 中国气象局北京城市气象研究所 | 能见度测量系统及方法 |
| CN102954937A (zh) * | 2012-10-31 | 2013-03-06 | 辽宁金洋集团信息技术有限公司 | 视频能见度检测仪及其检测分析方法 |
| CN104854638A (zh) * | 2012-12-18 | 2015-08-19 | 三菱电机株式会社 | 视觉辨认度估计装置、视觉辨认度估计方法及安全驾驶支持系统 |
| CN103134800A (zh) * | 2013-02-07 | 2013-06-05 | 安徽皖通科技股份有限公司 | 一种基于视频的道路气象检测系统 |
| CN103149603A (zh) * | 2013-03-07 | 2013-06-12 | 安徽皖通科技股份有限公司 | 一种基于视频的道路气象检测方法 |
| CN103558650A (zh) * | 2013-09-11 | 2014-02-05 | 北京迈特力德信息技术有限公司 | 基于机场气象自动观测系统的自适应信息处理方法及装置 |
| CN103558650B (zh) * | 2013-09-11 | 2015-12-23 | 北京迈特力德信息技术有限公司 | 基于机场气象自动观测系统的自适应信息处理方法及装置 |
| CN104359812B (zh) * | 2014-10-30 | 2016-11-23 | 陕西明路光电技术有限责任公司 | 一种基于调制传递函数的pm2.5监测方法 |
| CN105136660A (zh) * | 2015-08-12 | 2015-12-09 | 广东欧珀移动通信有限公司 | 空气质量检测方法及装置 |
| CN105136660B (zh) * | 2015-08-12 | 2018-01-16 | 广东欧珀移动通信有限公司 | 空气质量检测方法及装置 |
| CN105629333A (zh) * | 2015-12-27 | 2016-06-01 | 安徽皖通科技股份有限公司 | 一种基于视频的道路气象检测方法 |
| CN108732178A (zh) * | 2017-04-24 | 2018-11-02 | 中兴通讯股份有限公司 | 一种大气能见度检测方法和装置 |
| CN107328777A (zh) * | 2017-07-05 | 2017-11-07 | 河北科技大学 | 一种在夜间测量大气能见度的方法及装置 |
| CN107705330A (zh) * | 2017-09-30 | 2018-02-16 | 安徽省公共气象服务中心 | 基于道路摄像头的能见度智能估测方法 |
| CN107705330B (zh) * | 2017-09-30 | 2021-01-01 | 安徽省公共气象服务中心 | 基于道路摄像头的能见度智能估测方法 |
| CN108279221B (zh) * | 2017-12-07 | 2021-04-13 | 中国科学院国家天文台 | 一种局部天区大气透明度获取方法 |
| CN108279221A (zh) * | 2017-12-07 | 2018-07-13 | 中国科学院国家天文台 | 一种局部天区大气透明度获取方法 |
| CN108931825A (zh) * | 2018-05-18 | 2018-12-04 | 北京航空航天大学 | 一种基于地物清晰度的遥感图像云厚度检测方法 |
| CN108931825B (zh) * | 2018-05-18 | 2020-07-14 | 北京航空航天大学 | 一种基于地物清晰度的遥感图像云厚度检测方法 |
| CN109827906A (zh) * | 2019-01-31 | 2019-05-31 | 西安理工大学 | 一种激光雷达斜程能见度的反演方法 |
| CN109827906B (zh) * | 2019-01-31 | 2021-05-25 | 西安理工大学 | 一种激光雷达斜程能见度的反演方法 |
| CN110147792A (zh) * | 2019-05-22 | 2019-08-20 | 齐鲁工业大学 | 基于内存优化的药品包装字符高速检测系统及方法 |
| CN110849794A (zh) * | 2019-10-16 | 2020-02-28 | 南京信息工程大学 | 一种识别云凝结核计数器测量结果中未活化颗粒的方法 |
| CN111785094A (zh) * | 2020-07-31 | 2020-10-16 | 上海眼控科技股份有限公司 | 平流雾检测方法、装置、计算机设备和可读存储介质 |
| CN111785094B (zh) * | 2020-07-31 | 2021-12-07 | 上海眼控科技股份有限公司 | 平流雾检测方法、装置、计算机设备和可读存储介质 |
| CN115311593A (zh) * | 2022-04-28 | 2022-11-08 | 南通大学 | 基于视频图像的交通道路能见度同时估计与内定标方法 |
| CN115311593B (zh) * | 2022-04-28 | 2025-05-23 | 南通大学 | 基于视频图像的交通道路能见度同时估计与内定标方法 |
| CN115032715A (zh) * | 2022-06-06 | 2022-09-09 | 北京万云科技开发有限公司 | 一种基于图像识别技术的天气现象监测方法 |
| CN115032715B (zh) * | 2022-06-06 | 2024-03-29 | 北京万云科技开发有限公司 | 一种基于图像识别技术的天气现象监测方法 |
| CN114966899A (zh) * | 2022-07-27 | 2022-08-30 | 南京云熙遥感科技有限公司 | 一种基于多源多元遥感技术协同的区域能见度预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101281142B (zh) | 2011-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101281142B (zh) | 一种测量大气能见度的方法 | |
| CN109716108B (zh) | 一种基于双目图像分析的沥青路面病害检测系统 | |
| CN102175613B (zh) | 基于图像亮度特征的ptz视频能见度检测方法 | |
| CN104809707B (zh) | 一种单幅雾天图像能见度估计方法 | |
| CN101957309B (zh) | 一种能见度的全天候视频测量方法 | |
| Parajka et al. | Potential of time‐lapse photography of snow for hydrological purposes at the small catchment scale | |
| US20110013016A1 (en) | Visual Detection of Clear Air Turbulence | |
| CN104601953A (zh) | 一种视频图像融合处理系统 | |
| CN112649900A (zh) | 一种能见度的监测方法、装置、设备、系统和介质 | |
| CN105021528A (zh) | 一种基于视频的道路气象检测装置 | |
| CN107505291B (zh) | 一种通过单幅图像估计能见度的方法 | |
| Juneja et al. | A systematic review on foggy datasets: Applications and challenges | |
| Kong et al. | Incorporating nocturnal UAV side-view images with VIIRS data for accurate population estimation: a test at the urban administrative district scale | |
| Kim | Estimation of visibility using a visual image | |
| Varjo et al. | Image based visibility estimation during day and night | |
| CN103134800A (zh) | 一种基于视频的道路气象检测系统 | |
| CN104777103A (zh) | 一种视距能见度仪及其测量方法 | |
| CN113762057B (zh) | 一种基于毫米波雷达与多传感器信息融合的能见度测量方法 | |
| Meng et al. | Highway visibility detection method based on surveillance video | |
| CN113658275A (zh) | 能见度值的检测方法、装置、设备及存储介质 | |
| CN118052764A (zh) | 雾天图像能见度检测方法、装置、计算机设备及存储介质 | |
| CN109033984B (zh) | 一种夜间雾快速自动检测方法 | |
| Zhao-Zheng et al. | Real-time video detection of road visibility conditions | |
| Chudnovsky | Monitoring air pollution in the urban environment by remote sensing | |
| Ding et al. | Roadside Unit Visibility Prediction Method Based on SVR. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201029 Address after: 610000 no.6-10, 5th floor, building 1, Tidu street, Qingyang District, Chengdu City, Sichuan Province 610000 Patentee after: Beijing fish claw Network Technology Co.,Ltd. Chengdu branch Address before: 518067, A, Nanshan Medical Instrument Industrial Park, No. 1019 Nanhai Road, Shekou, Guangdong, Shenzhen, Nanshan District Patentee before: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY Effective date of registration: 20201029 Address after: Group 39, tianhuanggong village, WuJie Town, Tongzhou District, Nantong City, Jiangsu Province, 226000 Patentee after: Hanmoni (Jiangsu) Photoelectric Technology Co.,Ltd. Address before: 610000 no.6-10, 5th floor, building 1, Tidu street, Qingyang District, Chengdu City, Sichuan Province 610000 Patentee before: Beijing fish claw Network Technology Co.,Ltd. Chengdu branch |
|
| CP02 | Change in the address of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: Group 39, tianhuanggong village, WuJie Town, Tongzhou District, Nantong City, Jiangsu Province, 226000 Patentee after: Hanmoni (Jiangsu) Photoelectric Technology Co.,Ltd. Address before: Group 39, tianhuanggong village, WuJie Town, Tongzhou District, Nantong City, Jiangsu Province, 226000 Patentee before: Hanmoni (Jiangsu) Photoelectric Technology Co.,Ltd. |