基于像素偏轉模型和機器學習的室外圖像天空像素檢測

孟祥環，羅素云

（上海工程技術大學 機械與汽車工程學院，上海201620）

0 引 言

圖像中的天空像素檢測一直以來都是計算機視覺技術的挑戰，并且具有廣泛的應用，例如：自主車輛或無人機導航、實時天氣分類、圖像編輯、天空替換和場景解析。在城市氣候研究方面也發揮著重要作用，如：使用魚眼攝影計算天空視角因子（SVF），用于城市的氣象監測［1］。

在計算機視覺的相關研究中，天空檢測技術大體上可以分為以下幾種，一種是遍歷圖片中的所有像素點，逐像素地尋找與天空相關的像素點。這種方法側重于尋找與天空相關聯的單個像素，如采用一種基于物理的方法，利用圖片中的顏色變化來識別天空［2］；基于顏色值和每個顏色通道的二維多項式生成天空像素概率圖，進而進行天空的識別［3］；另一種方法則側重于尋找天空和地面邊界，利用改進的能量函數優化和圖像的梯度信息來優化提取天空邊界線［4］，然而實際的城市場景中，天空部分容易被建筑物、旗幟或其他障礙物隔開，造成天空區域不連續，使天空區域的識別變得十分困難［5］。隨著深度學習的快速發展，多層卷積網絡被廣泛的應用于各種場景之中，它通過使用訓練好的語義分割卷積神經網絡（CNN）模型，對室外圖像中的不同類別（如天空、建筑物、樹木和汽車）進行分類，例如SegNet和模型框架，但是它并不是專門為天空像素識別而設計的，這種方法需要大量的數據集和高性能的計算機做支撐。……