利用图像识别技术的能见度观测研究

李伟雄,闫加俊,杨丽丽

(1.广西壮族自治区气象技术装备中心,广西 南宁 530022;2.航天新气象科技有限公司,江苏 无锡 214000)

0 引言

能见度在气象上的定义为:标准视力的眼睛观察水平方向以天空为背景的黑体目标物(视角在0.5°～5°)时,能从背景上分辨出目标物轮廓的最大水平距离。世界气象组织用气象光学视程(meteorological optical range,MOR)表示能见度。气象光学视程是指白炽灯发出色温为2 700 K 平行光束的光通量,在大气中消弱至其初始值的5%所通过的路径的长度[1]。

能见度测定方法主要有人眼观测、遥测光度计、透射率法、测散射光法、激光雷达、图像能见度[2]等。目前,我国实现能见度自动观测。气象台站普遍使用前向散射式能见度仪。其特点是成本较低,且能连续自动观测。但前向散射式能见度仪存在气体采样距离短,易受光线、烟雾、灰尘等局部因素干扰的缺陷,使用过程中其观测数据与人工观测存在不少偏差。其结果能否代表一定范围内的能见度值尚存在质疑。本文提出一种与人工观测较为拟合的、通过图像自动测定能见度的方法[3],以供参考。

1 相关理论

经过研究和试验,无论是对人眼观测、光学测量,还是电磁波测量等,影响能见度观测值大小的因素主要有大气消光、大气透明度、目标物和背景亮度对比等。

气象能见度观测指水平能见度,有以下两个条件。

①大气的消光系数、散光系数都不随距离而改变。

②大气柱所受到的自然照明强度不随距离而改变。

1.1 大气消光

由于大气中细粒子和气态污染物对光的吸收和散射会使得光信号衰减,大气层消光系数σ的计算公式为:

式中:L为基线,即发射器和接收器之间光束传送的距离;I0为发射光束光强;I为接收光束光强。

因大气成分复杂,考虑到其他因素,因此总消光系数σt为:

式中:σsp为细粒子对光的散射;σsw为空气湿度引起的散射;σsg为清洁空气产生的瑞利散射;σap为细粒子产生光的吸收;σag为NO2气体对光的吸收。

各种气象条件下大气消光系数[4]如表1 所示。

表1 各种气象条件下大气消光系数Tab.1 Atmospheric extinction coefficient under various meteorological conditions

1.2 大气透明度

大气中的气溶胶粒子通过反射、吸收、散射等机制,削弱光通过大气的能量,从而导致目标物固有亮度的减弱[5]。通常用光谱光视效率函数(也称视见函数)ψ(λ)表征物体辐射通量与人视力感受能力的关系。设人感受能力最强的黄绿光(波长为555 nm)视见函数为1.0,则其他波长的视见函数为:

人眼在环境亮度大于3 cd(坎德拉)时的视觉称为明视觉A,在小于0.05 cd 时的视觉称为暗视觉B,中间视觉为0.05～3 cd。

光谱光视效率函数曲线如图1 所示。

图1 光谱光视效率函数曲线图Fig.1 Spectral optical efficiency function curves

1.3 目标物和背景亮度对比

目标物在大气中能见与否,与其本身和背景的亮度差有关,即:目标物的亮度与背景亮度差异越大,越清晰可见;反之,则不易分辨。表示这种差异的指标是亮度对比值K:

式中:B0为目标物亮度;为背景亮度;0≤K≤1。

部分目标物和背景下的能见度如表2 所示。

表2 部分目标物和背景下的能见度Tab.2 Partial object and background visibility

1.4 对比视感阈

当白天K=0 时,观测者是难以辨别目标物的。只有K值不断增大并达到某一值时,才能准确辨别目标物。这一值被称为对比视感阈,用ε表示。联合国气象组织推荐日间测定能见度时,取对比视感阈值ε=0.025;晚间或阴暗条件下因亮度较低,目标物与背景近乎融合,ε值可增大至0.06。

2 基本原理

2.1 以水平天空为背景的目标物视亮度方程

以水平天空为背景的目标物视亮度方程为:

式中:B′L为距离L内所有空气的气幕光视亮度。

由式(5)可见,当L→∞时(远离目标物),无论其原始亮度多大,其视亮度都会趋近于背景亮度,直至消失于背景中,且空气越浑浊目标物消失的距离越短。

2.2 以水平天空为背景的黑体目标物的能见度公式

以水平天空为背景的黑体目标物能见度计算公式为:

用于气象能见度时,取ε=0.02;用于MOR 时,取ε=0.05。则气象能见度和气象光学视程的计算公式分别为:

2.3 利用天气图像测定能见度的方法

目标物选取参照如图2 所示。

图2 目标物选取参照图Fig.2 Reference for object selection

从以上公式可以看出,能见度的变化与消光系数的变化有关,而消光系数的变化直接反映目标物亮度的变化。但直接测量消光系数较为困难,因为它由多种因素决定。解决能见度测量的问题,最终是要测定目标物与背景亮度,计算它们的比值K,并代入“气象光学视程”公式算出能见度值。当然,要直接测量目标物和背景的亮度还是相对困难的。假如能从实时的天气图像中提取相关的有用信息,就能很方便地计算出能见度。只要图像信息目标物和背景的特征、亮度、色彩等参数与实际能见度相关性较好,再通过不断学习修正,就能够实现实用化[6]。

①首先,根据观测场四周远近目标物明显的方向(如图2),在观测场中1.5 m 高处水平安装若干台CCD 照相机,用于定时或实时遥控照相以提取天气实况图像。

②要求相机按统一且固定的参数设定模式(如光圈、速度、焦距、ISO 等)进行图像提取,以便获取相同条件下的图像;同时,要求相机防水,镜头加遮光罩。

③在实时上传的图片中,选取图像中的目标物。目标物最好是经实际距离测量的,且不能太大。对于近处的目标物应尽量选取天空作为背景。

④用专用软件分别读取相片图像所选取目标物区域和背景区域信息[7](第3 节中“图像参数提取与识别”)。本文采用Photoshop 软件中的图像参数提取方式。虽然该方法简单,但由于提取到的参数为整张照片图像的平均参数,对于目标物及背景真实参数有一定的偏差,所以会造成能见度测定值的误差。此外,还可以在同一图像中分别裁剪目标物区域和背景区域的区块图像,分别通过Photoshop 软件自动提取参数。

⑤通过所提取的参数进行计算,得出σt值,再代入气象能见度或气象光学视程公式,最后得到能见度测量值。

⑥经过试验验证,对计算得到的、经实际测量发现误差大的能见度值,需采用经多次试验得到的修正系数C,按照式(9)对σt值进行修正:

3 图像参数提取与识别

3.1 目标物轮廓特征提取

目标物的识别首先是对物体轮廓的识别,即在二维图像空间任意点k1和k2形成一个点对,其像素值分别为m、n。将它们归化为概率P(m,n),则[P(m,n)]为灰度共生矩阵。以其为基础进行分析,并计算出图像纹理的一些共同特征,反映物体的形状的粗细及纹理的清晰度[8]。式(10)反映了图像灰度分布的均匀性和纹理粗细程度。式(11)反映了图像的清晰度和纹理的深浅。

①二阶矩。

②对比度。

3.2 目标物色彩特征提取

提取色彩特征[9],使轮廓特征形成互补关系。其常用色调、饱和度、亮度(hue saturation value,HSV)方式,H用角度0°～360°度量;V取值0(黑)～1(白)之间;S取值0(浅)～1(深)之间;RGB 颜色空间取值0～255。它们之间的关系为:

4 试验验证与分析

4.1 试验验证

4.1.1 验证方法一

首先,选取不同地点、不同能见度、具有代表性的照片,根据图片中人眼可识别的物体的大致距离,确定图像中地点当时天气的能见度值。然后,在Photoshop软件中打开该图像,在软件功能区中点击“亮度/对比度”,在弹出框内点击“自动”,在“亮度”和“对比度”进度尺下“数据框”分别记录下数据;再点击“色阶”功能键,同样点击“自动”获取“色阶”数据(此数据可以作修正用)。

试验1 图像如图3 所示。

图3 试验1 图像Fig.3 Images of experiment 1

试验1 验证结果如表3 所示。

表3 试验1 验证结果Tab.3 Validation results of experiment 1

4.1.2 验证方法二

选取同一地点不同能见度的代表性照片,以人眼判断最远可识别目标物距离作为该图像中当时天气的能见度值。然后,通过Photoshop 分别裁剪同一图像中,目标物区域和背景区域的区块图像,并自动提取参数,从而产生两组参数参与能见度值计算。

根据验证方法二,可得试验2 图像如图4 所示,试验2 数据如表4 所示。

表4 试验2 验证结果Tab.4 Validation results of experiment 2

图4 试验2 图像Fig.4 Images of experiment 2

4.2 结果分析

①假设所选取照片中人眼视觉能见度是准确的,那么利用图像测定能见度值与视觉能见度的偏差。试验1 的结果比较大,特别是能见度越低偏差越大,说明利用整体图像提取参数以计算能见度时可靠性较差。其原因是没有考虑目标物远近造成的消光系数的差异。实际上,远处的亮度和近处的亮度是不一样的,所以就造成了偏差。而试验2 选取了目标物区域和背景区域,分别提取参数来计算能见度。此时,考虑了远近物体亮度的差异,所以有效地减少了与视觉能见度的偏差,与人工观测的拟合度更好。

②此外,从表3、表4 的数据可以看出,用同一相机在同一观测地点、方向和选取同一目标物和背景,与不同观测地点、不同目标物和背景,甚至不同相机获取的图像参数都会有偏差。而试验2 的可比性和可靠性占优。其得到的测量结果自然就越接近于真实值。假如所选取的目标物经过实际测量后加入本次试验验证,结果会更可靠。

③试验2 所选取的目标物若是用3.1 节、3.2 节的方法进行目标物特征参数提取,对于目标物清晰度的辨析更为准确。以上两种方法均没考虑目标物的实际颜色,而是按水平天空背景和黑色目标物的特征公式计算(气象光学视程公式)。当然,本次试验所选取的目标物均为接近于黑色或灰色,所以其造成的影响应该不是太大。若有条件的话,还是应当按3.1 节、3.2 节的公式进行图像参数提取。

④能见度观测无论采取人工方法还是器测方式,都存在优缺点。其缺点一是人的主观性造成观测数据差异大,二是因工作强度大而不能连续观测造成观测效率不高。但对于能见度观测,人工观测也有其优势,就是不易受外界干扰,对目标物看得见就是看得见,看得清就是看得清,对能见度的定性比器测强。器测方面显而易见的优势在于大大减轻观测员的劳动强度,且能够连续观测,消除不同人员观测能见度值的差异性,对能见度的定量比人工强。其不足主要是受限于设备和算法的滞后,技术手段还需加强[10]。

5 结论

本文提出了利用图像参数分析来测定能见度的方法,是一种新的尝试。它既保留了目前前向散射式能见度仪自动测量的优点,又能客观地反映出视程内所有消光因子的影响,克服了短距离采样而造成测量结果代表性差的问题。最主要的成果是在当今热门的图像智能识别中探索出一种应用途径,对新形势下气象科技创新,以及气象现代化具有重要意义[11]。