基于道路圖像的能見(jiàn)度檢測(cè)綜述

1、基于道路圖像的能見(jiàn)度檢測(cè)綜述靳引利 1) 2) ，許倩1)(長(zhǎng)安大學(xué)電子與控制工程學(xué)院，陜西西安 710064 ；長(zhǎng)安大學(xué)電子與控制工程學(xué)院，陜西西安 710064 )摘要 ： 能見(jiàn)度不僅影響道路通行能力，而且極易引發(fā)交通事故，威脅生命與財(cái)產(chǎn)安全，故監(jiān)測(cè)與檢測(cè)能見(jiàn)度是保證道路通暢與安全的重要手段。傳統(tǒng)能見(jiàn)度檢測(cè)多依賴(lài)氣象設(shè)備，安裝與維護(hù)成本較高，難以高密度布設(shè)；隨道路監(jiān)控系統(tǒng)的應(yīng)用，為以圖像處理的能見(jiàn)度研究提供了條件。通過(guò)介紹能見(jiàn)度相關(guān)理論基礎(chǔ)，對(duì)比目測(cè)、器測(cè)、圖像檢測(cè)的方法特點(diǎn)。圍繞道路交通環(huán)境，著重討論采用基于圖像特征法、模型學(xué)習(xí)的白天能見(jiàn)度檢測(cè)及光源特征推演的夜間能見(jiàn)度檢測(cè)研究進(jìn)展、結(jié)果

2、， 并以此為基礎(chǔ)闡述了道路交通領(lǐng)域能見(jiàn)度檢測(cè)的研究應(yīng)用前景。 關(guān)鍵字：能見(jiàn)度檢測(cè)；圖像處理；特征法；模型學(xué)習(xí)；Summary on Visibility Detection Base on Road ImageJIN Yin-li 12 , XU Qian 1( College of Electrical and Control Engineering, Changan University, Xian, 710064 ) Abstract: Visibility not only affects the capacity of freeway, but also easily leads t

3、o accidents, threatening life and property safety. Traditional visibility detecting depends on meteorological facilities, but it has a high cost on installat ion and maintenance of the facilities. Therefore, it sdifficult to lay meteorological facilities with high density in the freeway. With the fr

4、eeway monitoring system being widely using, it makes a foundation for study visibility based on images.Describe The basic theory research, and compare the principle, the advantages and disadvantages of the three methods-visual method, instrumental method, image detection method; Around the road traf

5、fic environment, discuss the status of daytime, nighttime visibility detection, and elaborate on the basis of trends in the transport sector application visibility detected using image processing research.Key words: visibility detection, image processing, feature detection, model learning0 引言能見(jiàn)度是衡量大

6、氣透明度的物理量，同時(shí)也是重要的交通氣象觀測(cè)要素之一。在霧、 沙塵、 霾、 大風(fēng)等惡劣天氣影響下道路環(huán)境能見(jiàn)度較低，導(dǎo)致行車(chē)環(huán)境的可視性與辨識(shí)度降低，駕駛員通過(guò)視覺(jué)獲得周邊信息量降低，對(duì)行車(chē)安全構(gòu)成威脅，因此監(jiān)測(cè)與檢測(cè)能見(jiàn)度是預(yù)防低能見(jiàn)度安全隱患的重要手段。特別是在具備高速度、大流量特性的高速公路上，出現(xiàn)雨、雪、大霧等惡劣氣象時(shí)，低能見(jiàn)度對(duì)駕駛員視覺(jué)干擾嚴(yán)重，極易引發(fā)交通事故，且往往會(huì)引起連鎖反應(yīng)，導(dǎo)致嚴(yán)重追尾事件或重大人員傷亡事故。因此及時(shí)與準(zhǔn)確掌握道路能見(jiàn)度是關(guān)系到道路使用者生命、財(cái)產(chǎn)安全的大事，也是道路運(yùn)營(yíng)者需要全力解決的問(wèn)題。本文通過(guò)介紹國(guó)內(nèi)外道路交通領(lǐng)域的能見(jiàn)度檢測(cè)方法，著重于綜述基

7、于圖像處理的能見(jiàn)度研究狀況，期望全面了解行業(yè)內(nèi)該領(lǐng)域現(xiàn)狀，并對(duì)其發(fā)展起到推進(jìn)作用作者簡(jiǎn)介：靳引利(1972)男，副教授，碩士生導(dǎo)師，研究方向?yàn)榻煌ㄏ到y(tǒng)分析與仿真、交通機(jī)電系統(tǒng)、交通信息系統(tǒng)、交通控制與評(píng)估研究、軟件工程 ( yljin ) ； 許倩 (1990 )女， 在讀碩士，控制理論與控制工程專(zhuān)業(yè)( xuqianchn。1 能見(jiàn)度定義與檢測(cè)方法1.1 能見(jiàn)度定義國(guó)際照明委員會(huì)CIE（ International Commission on Illumination）對(duì)能見(jiàn)度定義1為在人肉眼沒(méi)有任何幫助的條件下，所能識(shí)別物體的最大距離稱(chēng)為當(dāng)前能見(jiàn)距離。我國(guó)在相關(guān)氣象規(guī)范23 中對(duì)能見(jiàn)度也進(jìn)行

8、了定義，即白天指視力正常（對(duì)比閾值為0.05 ）的人，在當(dāng)時(shí)的天氣條件下，能夠從天空背景中看到和辨認(rèn)的目標(biāo)物（黑色、大小適度）的最大水平距離（m） ；夜間指中等強(qiáng)度的發(fā)光體能被看到和識(shí)別的最大水平距離（m） 。然而能見(jiàn)度定義中未明確提出對(duì)目標(biāo)物的形狀、具體大小、觀測(cè)角度等方面要求4 。目前在研究與應(yīng)用中，能見(jiàn)度定義成立是基于多個(gè)假設(shè)條件：觀測(cè)時(shí)間段，主要集中在白晝；觀測(cè)者視力正常；觀測(cè)角度為水平方向；背景為天空；選擇亮度較低的目標(biāo)物，多為黑體物體且大小適中。1.2 能見(jiàn)度檢測(cè)方法能見(jiàn)度檢測(cè)方法主要分為三類(lèi)：目測(cè)法、器測(cè)法、圖像視覺(jué)特征檢測(cè)法5 ，通過(guò)對(duì)比三種檢測(cè)方法的原理、優(yōu)缺點(diǎn)67 可得到表

9、1。表 1 能見(jiàn)度檢測(cè)方法對(duì)比Tab.1 Comparison of visibility detection methods方法原理優(yōu)點(diǎn)缺點(diǎn)目測(cè)法通過(guò)人眼觀測(cè)，依靠經(jīng)驗(yàn)對(duì)能見(jiàn)度估測(cè)。方法較為原始，操 作簡(jiǎn)單，經(jīng)濟(jì)，能 夠反映一定的能見(jiàn) 度狀況，在某些場(chǎng) 合仍然在用。屬于主觀判斷過(guò)程，缺乏客觀性；人眼在觀測(cè)中存在一定的盲區(qū)，當(dāng)光線或亮度低于一定的閾值時(shí)，人眼對(duì)物體的可辨性降低，檢測(cè)誤差較大；同時(shí)觀測(cè)頻率受限。器測(cè)法通過(guò)氣象檢測(cè)設(shè)備測(cè)量一定空間范圍的氣象參數(shù)，得到大氣消光系數(shù)，計(jì)算能見(jiàn)度值。主要檢測(cè)設(shè)備有透射儀與散射儀。測(cè)量精度相對(duì)較 高，適合對(duì)能見(jiàn)度 測(cè)量要求較高的場(chǎng) 合。安裝與維修費(fèi)用昂貴，

10、采樣范圍有限， 對(duì)于交通上常出現(xiàn)局部 “小氣候”， 器測(cè)法較難反映整體路段能見(jiàn)度信息，存在檢測(cè)局限性；測(cè)量的可靠性受硬件系統(tǒng)的穩(wěn)定性影響，對(duì)安裝環(huán)境有一定技術(shù)要求。圖像視 覺(jué)特征 法檢測(cè) 法通過(guò)提取采集的圖像特征，分析特征參數(shù)與能見(jiàn)度的關(guān)系，反演能見(jiàn)度值。采集設(shè)備有車(chē)載攝 像機(jī)與路側(cè)攝像 機(jī)，應(yīng)用場(chǎng)合較為 靈活；測(cè)量結(jié)果比 較可靠。檢測(cè)精度受圖像質(zhì)量的影響較大； 對(duì)檢測(cè)算法與圖像處理技術(shù)有較 高的要求。由上表可知，目測(cè)法主觀性強(qiáng)，精確度較低；器測(cè)法精度高，能夠滿足對(duì)能見(jiàn)度的檢測(cè)要求， 但是費(fèi)用較高，不適用于密集型布設(shè)。而圖像視覺(jué)特征法精確度與算法關(guān)聯(lián)緊密，且對(duì)圖像采集設(shè)施有依賴(lài)性。但是在道路交

11、通領(lǐng)域，可以憑借路側(cè)監(jiān)控或者車(chē)載攝像機(jī)等圖像采集設(shè)備構(gòu)建低成本能見(jiàn)度檢測(cè)平臺(tái)，故基于圖像處理的能見(jiàn)度檢測(cè)具有很大的研究?jī)r(jià)值與發(fā)展空間。2 能見(jiàn)度檢測(cè)理論基礎(chǔ)根據(jù)能見(jiàn)度的定義，各研究人員在能見(jiàn)度測(cè)量或計(jì)算方面提出了一定的理論基礎(chǔ)。然而白天與夜間能見(jiàn)度定義不同，故能見(jiàn)度的檢測(cè)理論也存在白天與夜間的差異。（ 1） 白天能見(jiàn)度計(jì)算1924 年， Koschmieder 提出的 Koschmieder 定律將大氣能見(jiàn)度與大氣消光系數(shù)聯(lián)系起來(lái)，形成了大氣能見(jiàn)度定量計(jì)算的理論基礎(chǔ)，即設(shè)觀測(cè)目標(biāo)物亮度L 與目標(biāo)物自身亮度L0 和背景環(huán)境亮度Lb 之間關(guān)系滿足L L0 e x Lb （1 e x ） ，其中為觀

12、測(cè)時(shí)大氣消光系數(shù)，x為觀測(cè)點(diǎn)與目標(biāo)物之間距離。Duntley 在 Koschmieder 定律的基礎(chǔ)上得到了亮度對(duì)比關(guān)系C C0 e x，其中 C 為目C標(biāo)物的視亮度與背景亮度差，C0 為目標(biāo)物的固有亮度與背景亮度差，則e x ，記C0C ，稱(chēng) 為視覺(jué)對(duì)比閾值。根據(jù)國(guó)際民航組織推薦為0.05，即得到白天能見(jiàn)度為C02.996VR 。2）夜間能見(jiàn)度計(jì)算Allard 定律是測(cè)量夜間大氣能見(jiàn)度的基礎(chǔ)，夜間一般選取燈光為目標(biāo)物，且夜間能見(jiàn)度以燈光到達(dá)觀測(cè)者眼中的照度來(lái)衡量。根據(jù)Allard 定律，在夜間以燈光源為目標(biāo)物時(shí)，大氣消光系數(shù)為，光強(qiáng)為I 0的光源在距離光源x 處產(chǎn)生的照度為E ，滿足 EI

13、02 e x，x那么當(dāng)夜間光源到達(dá)觀測(cè)者眼中的照度恰好為眼睛照度閾值E0 時(shí)，則此時(shí)能見(jiàn)度V 滿足E I0 e V。0 e。0 V23 能見(jiàn)度檢測(cè)發(fā)展現(xiàn)狀目前基于圖像處理的能見(jiàn)度檢測(cè)多集于對(duì)白天檢測(cè)，且主要圍繞以下兩類(lèi)方法：（ 1 ） 特征檢測(cè)法，即通過(guò)檢測(cè)地平線附近目標(biāo)物和對(duì)應(yīng)水平天空亮度差值之比，或?qū)ふ覉D像特征信息與大氣消光系數(shù)之間的關(guān)系計(jì)算能見(jiàn)度；（ 2） 模型學(xué)習(xí)法，即通過(guò)機(jī)器學(xué)習(xí)或樣本訓(xùn)練構(gòu)建圖像與能見(jiàn)度之間的對(duì)應(yīng)關(guān)系模型，利用模型匹配或計(jì)算待測(cè)圖像能見(jiàn)度。在特征檢測(cè)中比較直接的方法是通過(guò)檢測(cè)固定目標(biāo)物或標(biāo)記的圖像特征，建立目標(biāo)物圖像特征與能見(jiàn)度關(guān)系模型，反演計(jì)算能見(jiàn)度值。Kwon

14、T M 8通過(guò)檢測(cè)視頻圖像中人為設(shè)置的多個(gè)目標(biāo)物得到亮度與距離關(guān)系計(jì)算能見(jiàn)度，其中測(cè)量精度與目標(biāo)物設(shè)置稀疏程度有關(guān)。該方法需要人為安裝目標(biāo)物或標(biāo)記目標(biāo)物，成本較高且操作比較繁瑣。在研究的進(jìn)一步推動(dòng)下產(chǎn)生了無(wú)需人為設(shè)置目標(biāo)物的檢測(cè)方法，陳啟美等人9結(jié)合攝像機(jī)標(biāo)定，利用人眼可分辨率獲取圖像興趣域像素點(diǎn)計(jì)算最遠(yuǎn)距離，并通過(guò)Kalman 濾除檢測(cè)干擾，實(shí)驗(yàn)表明經(jīng)過(guò)Kalman 濾波后檢測(cè)結(jié)果比人眼觀測(cè)值略小，差分均值為3.87，方差為5.57。同時(shí)他們又提出了通過(guò)攝像機(jī)自標(biāo)定技術(shù)恢復(fù)圖像距離信息410，建立圖像虛擬觀測(cè)目標(biāo)物，采用檢測(cè)虛擬目標(biāo)物的邊緣，擬合虛擬目標(biāo)和距離曲線，結(jié)合人眼可分辨計(jì)算能見(jiàn)度，

15、實(shí)驗(yàn)檢測(cè)結(jié)果與人眼及能見(jiàn)度儀檢測(cè)相比誤差在10%以?xún)?nèi)。該方法避免了人為安裝或標(biāo)記目標(biāo)物，降低了檢測(cè)成本與操作要求，但提高了攝像機(jī)的標(biāo)定要求。此外還可通過(guò)檢測(cè)圖像灰度或像素拐點(diǎn)，建立拐點(diǎn)與消光系數(shù)關(guān)系，結(jié)合攝像機(jī)模型與大氣對(duì)比度衰減模型計(jì)算能見(jiàn)度。其中，陳啟美等人111213 在攝像機(jī)標(biāo)定基礎(chǔ)上，通過(guò)提取圖像中亮度和高度一致的路面區(qū)域，建立路面亮度變化曲線求取拐點(diǎn)進(jìn)而計(jì)算能見(jiàn)度值，實(shí)驗(yàn)檢測(cè)結(jié)果與目測(cè)相比較，檢測(cè)精度可達(dá)94%。宋洪軍等人14采用區(qū)域搜索算法與紋理特征提取識(shí)別霧天，求取興趣域像素拐點(diǎn)與消光系數(shù)，結(jié)合能見(jiàn)度定義計(jì)算能見(jiàn)度值，通過(guò)實(shí)驗(yàn)檢測(cè)三種場(chǎng)景能見(jiàn)度，表明該算法與人眼觀測(cè)效果一致，準(zhǔn)

16、確率高于86%且檢測(cè)誤差在 20m 以?xún)?nèi)。劉建磊等人15提出了拐點(diǎn)線檢測(cè)濾波器，應(yīng)用能見(jiàn)度計(jì)算模型與拐點(diǎn)檢測(cè)結(jié)果計(jì)算霧天能見(jiàn)度，結(jié)果表明該方法與基于區(qū)域增長(zhǎng)算法相比運(yùn)行時(shí)間與檢測(cè)誤差分別降低80%和12.2%，提高了霧天能見(jiàn)度檢測(cè)速度與精度。在何凱明提出暗通道先驗(yàn)知識(shí)16的基礎(chǔ)上，苗苗 17以及郭尚書(shū)等5人利用暗通道先驗(yàn)知識(shí)估算出透射率，并通過(guò)導(dǎo)向?yàn)V波優(yōu)化進(jìn)而計(jì)算消光系數(shù)反演能見(jiàn)度，結(jié)果說(shuō)明該方法的檢測(cè)結(jié)果與人工目測(cè)數(shù)據(jù)、氣象監(jiān)控?cái)?shù)據(jù)基本一致。但是采用暗通道先驗(yàn)知識(shí)的方法檢測(cè)精度與圖像質(zhì)量關(guān)聯(lián)較大，易受干擾，對(duì)圖像質(zhì)量要求較高。綜上研究知，圖像特征的能見(jiàn)度檢測(cè)方法以研究單張圖像內(nèi)部特征關(guān)聯(lián)為主

17、，在圖像質(zhì)量與信息理想的條件下檢測(cè)準(zhǔn)確率較高， 而一旦采集的圖像道路線形、周邊環(huán)境等復(fù)雜時(shí)會(huì)算法難度會(huì)增大，同時(shí)該方法主要針對(duì)單幀圖像，處理大量圖像處理時(shí)效率會(huì)低。在利用模型學(xué)習(xí)法的研究中，Hallowell R G 等人 18提出基于標(biāo)志圖像計(jì)算能見(jiàn)度，通過(guò)與樣本庫(kù)中已知能見(jiàn)度的圖像對(duì)比得出待檢測(cè)圖像能見(jiàn)度。Hautiere N 等人19通過(guò)采集大量場(chǎng)景圖像作為樣本用于機(jī)器學(xué)習(xí)，研究場(chǎng)景內(nèi)的物理特性，用非線性數(shù)據(jù)回歸的方式求解能見(jiàn)度。許茜等人20通過(guò)提取興趣域圖像特征及向量，訓(xùn)練支持向量回歸機(jī)構(gòu)建圖像特征與能見(jiàn)度值之間的關(guān)系模型，實(shí)現(xiàn)待測(cè)圖像能見(jiàn)度值的計(jì)算，結(jié)果表明該方法與常用前向散射儀檢測(cè)

18、結(jié)果基本一致，其中實(shí)驗(yàn)中總樣本量的90.5%分布在相對(duì)誤差小于20%的區(qū)域內(nèi)。夏創(chuàng)文 21及 Chunxue Liu 等人 2223提出了一種基于視頻的高速公路霧級(jí)別檢測(cè)方法，采用邊緣檢測(cè)提取出可疑霧區(qū)，利用梯度計(jì)算和距離變換來(lái)區(qū)分并分割天空與真實(shí)霧區(qū)，以霧區(qū) HSV 顏色空間的統(tǒng)計(jì)直方圖為顏色特征向量，對(duì)一系列視頻幀特征提取融合后利用SVM 分類(lèi)器分類(lèi)霧等級(jí)，結(jié)果表明該方法對(duì)霧天霧等級(jí)檢測(cè)結(jié)果比較理想，準(zhǔn)確率達(dá)90%以上。 模型學(xué)習(xí)法的特點(diǎn)是需要大量的樣本，并且這些樣本需要滿足一定的完備性，即在相同場(chǎng)景相似時(shí)間段的樣本中盡可能包含不同能見(jiàn)度條件下拍攝的圖片，并包含圖像對(duì)應(yīng)的能見(jiàn)度真值，對(duì)圖像

19、采集要求比較嚴(yán)格。夜間檢測(cè)主要通過(guò)研究圖像光源特征推演能見(jiàn)度，Narasimhan 等人 2425通過(guò)求解點(diǎn)光源的傳輸公式，在已知散射粒子的條件下，計(jì)算能見(jiàn)度，但檢測(cè)范圍有限制。Gallen 等人 2627采用直接求取光源亮度計(jì)算大氣消光系數(shù)進(jìn)而得到能見(jiàn)度，該方法側(cè)重理論，未考慮實(shí)際應(yīng)用性。戴龐達(dá)等人28分析多次散射條件下光源圖像亮度與大氣消光系數(shù)關(guān)系，提出了消除光源波動(dòng)的雙光源能見(jiàn)度計(jì)算方法，實(shí)驗(yàn)結(jié)果表明在采用35m 基線長(zhǎng)度，設(shè)定觀測(cè)上限為15000m 時(shí)，觀測(cè)誤差均小于20%。并在此基礎(chǔ)上他們又提出了基于雙光源方法和曲線演化理論的夜間能見(jiàn)度反演算法29，利用雙光源特點(diǎn)分析目標(biāo)物亮度變化與

20、特征演化曲線關(guān)系，建立目標(biāo)亮度特征與能見(jiàn)度反演的關(guān)系模型計(jì)算能見(jiàn)度，并指出在200012000m 觀測(cè)范圍內(nèi)能見(jiàn)度反演值域標(biāo)準(zhǔn)能見(jiàn)度相關(guān)性大于0.98。肖韶榮等人30利用避光筒限制CCD 相機(jī)視角， 根據(jù)光雙源方法檢測(cè)能見(jiàn)度，實(shí)驗(yàn)檢測(cè)結(jié)果顯示有背景光下有避光筒和無(wú)避光筒時(shí)檢測(cè)能見(jiàn)度與無(wú)背景光下測(cè)量結(jié)果相關(guān)系數(shù)分別為0.9113、 0.3227，說(shuō)明添加避光筒可增強(qiáng)抑制背景光噪聲的能力，可提高檢測(cè)準(zhǔn)確率。綜上所述，白天與夜間的能見(jiàn)度檢測(cè)主要解決的問(wèn)題是從圖像特征中尋找與能見(jiàn)度相關(guān)信息， 包含目標(biāo)物與背景的亮度差、圖像像素與人眼分辨對(duì)比、灰度或亮度變化、圖像顏色特征分布等。通過(guò)從圖像中挖掘類(lèi)似特征

21、信息，在圖像成像模型的基礎(chǔ)上建立該類(lèi)信息與大氣消光系數(shù)關(guān)系，從而反演計(jì)算能見(jiàn)度值，或是建立該類(lèi)信息與大量樣本訓(xùn)練模型的匹配關(guān)系，從而獲取能見(jiàn)度值。0. 能見(jiàn)度檢測(cè)研究展望在道路交通領(lǐng)域，基于圖像處理的能見(jiàn)度檢測(cè)技術(shù)可以充分利用高速公路監(jiān)控系統(tǒng)，提高了交通設(shè)施資源的利用率，降低能見(jiàn)度的檢測(cè)成本；依托監(jiān)控系統(tǒng)可以增大高速公路環(huán)境下能見(jiàn)度檢測(cè)密度，提高對(duì)交通氣象的監(jiān)控能力；同時(shí)以交通圖像獲取道路能見(jiàn)度信息，可以為駕駛員與管理者提供及時(shí)、可靠的交通能見(jiàn)度信息，輔助管理進(jìn)行決策，為高速公路管制及聯(lián)動(dòng)控制提供信息保障。且隨著圖像處理技術(shù)進(jìn)一步發(fā)展與應(yīng)用會(huì)出現(xiàn)以下研究應(yīng)用：1) 離線檢測(cè)向在線監(jiān)測(cè)轉(zhuǎn)移，即實(shí)

22、現(xiàn)基于監(jiān)控視頻圖像的能見(jiàn)度實(shí)時(shí)計(jì)算，為道理管理者與駕駛?cè)藛T提供實(shí)時(shí)能見(jiàn)度信息，為保證行車(chē)與道路安全提供數(shù)據(jù)支撐。2) 能見(jiàn)度系統(tǒng)平臺(tái)搭建，即通過(guò)道路監(jiān)控系統(tǒng)與車(chē)載攝像機(jī)，搭建以固定和移動(dòng)式圖像采集方式的能見(jiàn)度檢測(cè)平臺(tái)，實(shí)現(xiàn)道路高密集點(diǎn)的能見(jiàn)度信息監(jiān)測(cè)。3) 單觀測(cè)點(diǎn)到多觀測(cè)點(diǎn)能見(jiàn)度的綜合分析，即依托高速公路監(jiān)控系統(tǒng)或者車(chē)載攝像機(jī)，可選取路段或路線某時(shí)段圖像信息獲取相應(yīng)能見(jiàn)度，對(duì)特殊交通環(huán)境，如山區(qū)道路、隧道間道路等交通氣象開(kāi)展研究，也可推進(jìn)對(duì)特殊交通氣象的研究，如團(tuán)霧等。參考文獻(xiàn)：1 CIE 95-1992.01.01, Contrast and Visibility (1st Edition

23、) S.2 QX/T 114 2010, 能見(jiàn)度等級(jí)和預(yù)報(bào)S.3 QX/T 76 2007, 高速公路能見(jiàn)度監(jiān)測(cè)及濃霧的預(yù)警預(yù)報(bào)S.4 陳釗正 , 周慶逵 , 陳啟美 . 基于小波變換的視頻能見(jiàn)度檢測(cè)算法研究與實(shí)現(xiàn)J. 儀器儀表學(xué)報(bào) ,2010,31(1):92-98.5 郭 尚 書(shū) , 齊 文 新 , 齊 宇 . 基 于 暗 通 道 先 驗(yàn) 的 視 頻 能 見(jiàn) 度 測(cè) 量 方 法 J. 計(jì) 算 機(jī) 與 數(shù) 字 工 程 ,2014,42(4):694-697.6 邢 向 楠 , 崔 巖梅 , 張 富 根 , 謝 邦 力 . 能 見(jiàn)度 測(cè)量 技 術(shù)現(xiàn)狀 及 發(fā)展 趨 勢(shì)綜 述 J. 計(jì) 測(cè)技 術(shù)

24、 ,2010,30(5):15-20.7 盧家亮 , 魯昌華 , 蔣薇薇 , 陶志穎 , 查正興 . 數(shù)字?jǐn)z像法測(cè)量白天能見(jiàn)度算法設(shè)計(jì)J. 電子測(cè)量與儀器學(xué)報(bào),2014-11 ， 28(11):1262-1267.8 Kwon T M. Atmospheric visibility measurements using video cameras: relative visibilityR. America: University of Minnesota Duluth, 2004.9 李勃 , 董蓉 , 陳啟美 . 無(wú)需人工標(biāo)記的視頻對(duì)比道路能見(jiàn)度檢測(cè)J, 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào) ,20

25、09-11,21(11):1575-1582.10 陳釗正 , 陳啟美 . 基于攝像機(jī)自標(biāo)定的視頻對(duì)比度能見(jiàn)度檢測(cè)算法與實(shí)現(xiàn)J. 電子與信息學(xué)報(bào) ,2010,32(12):2907-2912.11 張 瀟 , 李 勃 , 陳 啟美 . 基 于 亮度 特 征 的 PTZ 視 頻 能 見(jiàn) 度檢 測(cè) 算法 及 實(shí)現(xiàn) J. 儀 器 儀 表 學(xué) 報(bào) ,2011,32(2):382-387.12 楊嫻 , 李勃 , 丁文 , 陳啟美 . 基于路面亮度特征估算的視頻能見(jiàn)度檢測(cè)系統(tǒng)J. 上海交通大學(xué)學(xué)報(bào) ,2013,47(8):1257-1263.13 吳 煒 , 陳啟 美 . 基 于路 面視 亮 度 差平方

26、 最優(yōu)化 的視頻 能見(jiàn) 度檢測(cè)算法 J. 電 子 與信息 學(xué)報(bào) ,2014,36(10): 2412-2418.14 宋 洪 軍 , 陳 陽(yáng) 舟 , 郜 園 園 . 基 于 車(chē) 道 線 檢 測(cè) 與 圖 像 拐 點(diǎn) 的 道 路 能 見(jiàn) 度 估 計(jì) J. 計(jì) 算 機(jī) 應(yīng) 用 ,2012,32(12): 3397-3403.15 劉建磊 , 劉曉亮 . 基于拐點(diǎn)線的大霧能見(jiàn)度檢測(cè)算法J. 計(jì)算機(jī)應(yīng)用,2015,35(2):528-530.16 Kaiming He, Jian Sun, Xiaoou Tang. Single Image Haze Removal Using Dark Channel

27、 PriorC.IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2009:1956-1963.苗苗 . 基于高清視頻的能見(jiàn)度檢測(cè)技術(shù)D. 北京：北方工業(yè)大學(xué),2012.Hallowell R G, Matthews M P, Pisano P A. Automated extraction of weather variables from camera imageryC. Proceeding of the 2005 Mid-Continent Transportation Research Symposi

28、um, Ames, IA, 2005:1-13.Hautiere N, Babari R, Dumont E. Estimating meteorological visibility using cameras:a probabilistic model-driven approachC. Computer Science, Computer Vision ACCV,Berlin, 2011: 243-254.許茜 , 殷緒成 , 李巖 , 郝紅衛(wèi) , 曹曉鐘 . 基于圖像理解的能見(jiàn)度測(cè)量方法J. 模式識(shí)別與人工智能 , 2013,26(6):543-551.夏創(chuàng)文 . 高速公路網(wǎng)運(yùn)行監(jiān)測(cè)若干關(guān)鍵技術(shù)研究D. 廣州：華南理工大學(xué),2013.Chunxue Liu, Xiaobo Lu, Saiping Ji, Wei Geng.A Fog Level Detection Method Based on Image HSV Color HistogramC. Progress in Informatics and Computing (PIC), 2014, 373 - 377.Yang Liu, Xiaob