利用圖像識別技術的能見度觀測研究

李偉雄,閆加俊,楊麗麗

(1.廣西壯族自治區氣象技術裝備中心,廣西 南寧 530022;2.航天新氣象科技有限公司,江蘇 無錫 214000)

0 引言

能見度在氣象上的定義為:標準視力的眼睛觀察水平方向以天空為背景的黑體目標物(視角在0.5°～5°)時,能從背景上分辨出目標物輪廓的最大水平距離。世界氣象組織用氣象光學視程(meteorological optical range,MOR)表示能見度。氣象光學視程是指白熾燈發出色溫為2 700 K 平行光束的光通量,在大氣中消弱至其初始值的5%所通過的路徑的長度[1]。

能見度測定方法主要有人眼觀測、遙測光度計、透射率法、測散射光法、激光雷達、圖像能見度[2]等。目前,我國實現能見度自動觀測。氣象臺站普遍使用前向散射式能見度儀。其特點是成本較低,且能連續自動觀測。但前向散射式能見度儀存在氣體采樣距離短,易受光線、煙霧、灰塵等局部因素干擾的缺陷,使用過程中其觀測數據與人工觀測存在不少偏差。其結果能否代表一定范圍內的能見度值尚存在質疑。本文提出一種與人工觀測較為擬合的、通過圖像自動測定能見度的方法[3],以供參考。

1 相關理論

經過研究和試驗,無論是對人眼觀測、光學測量,還是電磁波測量等,影響能見度觀測值大小的因素主要有大氣消光、大氣透明度、目標物和背景亮度對比等。

氣象能見度觀測指水平能見度,有以下兩個條件。

①大氣的消光系數、散光系數都不隨距離而改變。

②大氣柱所受到的自然照明強度不隨距離而改變。

1.1 大氣消光

由于大氣中細粒子和氣態污染物對光的吸收和散射會使得光信號衰減,大氣層消光系數σ的計算公式為:

式中:L為基線,即發射器和接收器之間光束傳送的距離;I0為發射光束光強;I為接收光束光強。

因大氣成分復雜,考慮到其他因素,因此總消光系數σt為:

式中:σsp為細粒子對光的散射;σsw為空氣濕度引起的散射;σsg為清潔空氣產生的瑞利散射;σap為細粒子產生光的吸收;σag為NO2氣體對光的吸收。

各種氣象條件下大氣消光系數[4]如表1 所示。

表1 各種氣象條件下大氣消光系數Tab.1 Atmospheric extinction coefficient under various meteorological conditions

1.2 大氣透明度

大氣中的氣溶膠粒子通過反射、吸收、散射等機制,削弱光通過大氣的能量,從而導致目標物固有亮度的減弱[5]。通常用光譜光視效率函數(也稱視見函數)ψ(λ)表征物體輻射通量與人視力感受能力的關系。設人感受能力最強的黃綠光(波長為555 nm)視見函數為1.0,則其他波長的視見函數為:

人眼在環境亮度大于3 cd(坎德拉)時的視覺稱為明視覺A,在小于0.05 cd 時的視覺稱為暗視覺B,中間視覺為0.05～3 cd。

光譜光視效率函數曲線如圖1 所示。

圖1 光譜光視效率函數曲線圖Fig.1 Spectral optical efficiency function curves

1.3 目標物和背景亮度對比

目標物在大氣中能見與否,與其本身和背景的亮度差有關,即:目標物的亮度與背景亮度差異越大,越清晰可見;反之,則不易分辨。表示這種差異的指標是亮度對比值K:

式中:B0為目標物亮度;為背景亮度;0≤K≤1。

部分目標物和背景下的能見度如表2 所示。

表2 部分目標物和背景下的能見度Tab.2 Partial object and background visibility

1.4 對比視感閾

當白天K=0 時,觀測者是難以辨別目標物的。只有K值不斷增大并達到某一值時,才能準確辨別目標物。這一值被稱為對比視感閾,用ε表示。聯合國氣象組織推薦日間測定能見度時,取對比視感閾值ε=0.025;晚間或陰暗條件下因亮度較低,目標物與背景近乎融合,ε值可增大至0.06。

2 基本原理

2.1 以水平天空為背景的目標物視亮度方程

以水平天空為背景的目標物視亮度方程為:

式中:B′L為距離L內所有空氣的氣幕光視亮度。

由式(5)可見,當L→∞時(遠離目標物),無論其原始亮度多大,其視亮度都會趨近于背景亮度,直至消失于背景中,且空氣越渾濁目標物消失的距離越短。

2.2 以水平天空為背景的黑體目標物的能見度公式

以水平天空為背景的黑體目標物能見度計算公式為:

用于氣象能見度時,取ε=0.02;用于MOR 時,取ε=0.05。則氣象能見度和氣象光學視程的計算公式分別為:

2.3 利用天氣圖像測定能見度的方法

目標物選取參照如圖2 所示。

圖2 目標物選取參照圖Fig.2 Reference for object selection

從以上公式可以看出,能見度的變化與消光系數的變化有關,而消光系數的變化直接反映目標物亮度的變化。但直接測量消光系數較為困難,因為它由多種因素決定。解決能見度測量的問題,最終是要測定目標物與背景亮度,計算它們的比值K,并代入“氣象光學視程”公式算出能見度值。當然,要直接測量目標物和背景的亮度還是相對困難的。假如能從實時的天氣圖像中提取相關的有用信息,就能很方便地計算出能見度。只要圖像信息目標物和背景的特征、亮度、色彩等參數與實際能見度相關性較好,再通過不斷學習修正,就能夠實現實用化[6]。

①首先,根據觀測場四周遠近目標物明顯的方向(如圖2),在觀測場中1.5 m 高處水平安裝若干臺CCD 照相機,用于定時或實時遙控照相以提取天氣實況圖像。

②要求相機按統一且固定的參數設定模式(如光圈、速度、焦距、ISO 等)進行圖像提取,以便獲取相同條件下的圖像;同時,要求相機防水,鏡頭加遮光罩。

③在實時上傳的圖片中,選取圖像中的目標物。目標物最好是經實際距離測量的,且不能太大。對于近處的目標物應盡量選取天空作為背景。

④用專用軟件分別讀取相片圖像所選取目標物區域和背景區域信息[7](第3 節中“圖像參數提取與識別”)。本文采用Photoshop 軟件中的圖像參數提取方式。雖然該方法簡單,但由于提取到的參數為整張照片圖像的平均參數,對于目標物及背景真實參數有一定的偏差,所以會造成能見度測定值的誤差。此外,還可以在同一圖像中分別裁剪目標物區域和背景區域的區塊圖像,分別通過Photoshop 軟件自動提取參數。

⑤通過所提取的參數進行計算,得出σt值,再代入氣象能見度或氣象光學視程公式,最后得到能見度測量值。

⑥經過試驗驗證,對計算得到的、經實際測量發現誤差大的能見度值,需采用經多次試驗得到的修正系數C,按照式(9)對σt值進行修正:

3 圖像參數提取與識別

3.1 目標物輪廓特征提取

目標物的識別首先是對物體輪廓的識別,即在二維圖像空間任意點k1和k2形成一個點對,其像素值分別為m、n。將它們歸化為概率P(m,n),則[P(m,n)]為灰度共生矩陣。以其為基礎進行分析,并計算出圖像紋理的一些共同特征,反映物體的形狀的粗細及紋理的清晰度[8]。式(10)反映了圖像灰度分布的均勻性和紋理粗細程度。式(11)反映了圖像的清晰度和紋理的深淺。

①二階矩。

②對比度。

3.2 目標物色彩特征提取

提取色彩特征[9],使輪廓特征形成互補關系。其常用色調、飽和度、亮度(hue saturation value,HSV)方式,H用角度0°～360°度量;V取值0(黑)～1(白)之間;S取值0(淺)～1(深)之間;RGB 顏色空間取值0～255。它們之間的關系為:

4 試驗驗證與分析

4.1 試驗驗證

4.1.1 驗證方法一

首先,選取不同地點、不同能見度、具有代表性的照片,根據圖片中人眼可識別的物體的大致距離,確定圖像中地點當時天氣的能見度值。然后,在Photoshop軟件中打開該圖像,在軟件功能區中點擊“亮度/對比度”,在彈出框內點擊“自動”,在“亮度”和“對比度”進度尺下“數據框”分別記錄下數據;再點擊“色階”功能鍵,同樣點擊“自動”獲取“色階”數據(此數據可以作修正用)。

試驗1 圖像如圖3 所示。

圖3 試驗1 圖像Fig.3 Images of experiment 1

試驗1 驗證結果如表3 所示。

表3 試驗1 驗證結果Tab.3 Validation results of experiment 1

4.1.2 驗證方法二

選取同一地點不同能見度的代表性照片,以人眼判斷最遠可識別目標物距離作為該圖像中當時天氣的能見度值。然后,通過Photoshop 分別裁剪同一圖像中,目標物區域和背景區域的區塊圖像,并自動提取參數,從而產生兩組參數參與能見度值計算。

根據驗證方法二,可得試驗2 圖像如圖4 所示,試驗2 數據如表4 所示。

表4 試驗2 驗證結果Tab.4 Validation results of experiment 2

圖4 試驗2 圖像Fig.4 Images of experiment 2

4.2 結果分析

①假設所選取照片中人眼視覺能見度是準確的,那么利用圖像測定能見度值與視覺能見度的偏差。試驗1 的結果比較大,特別是能見度越低偏差越大,說明利用整體圖像提取參數以計算能見度時可靠性較差。其原因是沒有考慮目標物遠近造成的消光系數的差異。實際上,遠處的亮度和近處的亮度是不一樣的,所以就造成了偏差。而試驗2 選取了目標物區域和背景區域,分別提取參數來計算能見度。此時,考慮了遠近物體亮度的差異,所以有效地減少了與視覺能見度的偏差,與人工觀測的擬合度更好。

②此外,從表3、表4 的數據可以看出,用同一相機在同一觀測地點、方向和選取同一目標物和背景,與不同觀測地點、不同目標物和背景,甚至不同相機獲取的圖像參數都會有偏差。而試驗2 的可比性和可靠性占優。其得到的測量結果自然就越接近于真實值。假如所選取的目標物經過實際測量后加入本次試驗驗證,結果會更可靠。

③試驗2 所選取的目標物若是用3.1 節、3.2 節的方法進行目標物特征參數提取,對于目標物清晰度的辨析更為準確。以上兩種方法均沒考慮目標物的實際顏色,而是按水平天空背景和黑色目標物的特征公式計算(氣象光學視程公式)。當然,本次試驗所選取的目標物均為接近于黑色或灰色,所以其造成的影響應該不是太大。若有條件的話,還是應當按3.1 節、3.2 節的公式進行圖像參數提取。

④能見度觀測無論采取人工方法還是器測方式,都存在優缺點。其缺點一是人的主觀性造成觀測數據差異大,二是因工作強度大而不能連續觀測造成觀測效率不高。但對于能見度觀測,人工觀測也有其優勢,就是不易受外界干擾,對目標物看得見就是看得見,看得清就是看得清,對能見度的定性比器測強。器測方面顯而易見的優勢在于大大減輕觀測員的勞動強度,且能夠連續觀測,消除不同人員觀測能見度值的差異性,對能見度的定量比人工強。其不足主要是受限于設備和算法的滯后,技術手段還需加強[10]。

5 結論

本文提出了利用圖像參數分析來測定能見度的方法,是一種新的嘗試。它既保留了目前前向散射式能見度儀自動測量的優點,又能客觀地反映出視程內所有消光因子的影響,克服了短距離采樣而造成測量結果代表性差的問題。最主要的成果是在當今熱門的圖像智能識別中探索出一種應用途徑,對新形勢下氣象科技創新,以及氣象現代化具有重要意義[11]。