一種支持向量機(jī)和數(shù)字圖像相結(jié)合的能見度檢測(cè)算法

文/胡霖

1 支持向量機(jī)

1.1 支持向量機(jī)(support vector machines，SVM)

支持向量機(jī)(support vector machines，SVM)是一種先進(jìn)的機(jī)器學(xué)習(xí)方法，其理論主要是建立在統(tǒng)計(jì)學(xué)習(xí)理論VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理基礎(chǔ)之上。

支持向量機(jī)在機(jī)器學(xué)習(xí)方面最主要的優(yōu)勢(shì)是在解決小樣本、非線性和高維模式識(shí)別問題中，支持向量機(jī)能夠解決“維數(shù)災(zāi)難”和“過學(xué)習(xí)”等問題給信息識(shí)別造成的阻礙。另一個(gè)優(yōu)勢(shì)為支持向量機(jī)是一種發(fā)展比較成熟的機(jī)器學(xué)習(xí)方法，理論成熟，數(shù)學(xué)模型易于理解。

支持向量機(jī)促進(jìn)了模式識(shí)別、函數(shù)估計(jì)、回歸分析、時(shí)間序列預(yù)測(cè)等方面的發(fā)展，在文本識(shí)別、手寫字體識(shí)別、人臉圖像識(shí)別、基因分類及時(shí)間序列預(yù)測(cè)等領(lǐng)域有著重要應(yīng)用。

1.2 支持向量機(jī)基本算法

支持向量機(jī)是一種兩類分類器，其基本算法如下。

設(shè)海量信息中的樣本集中n個(gè)樣本，樣本集表示為(xi, yi)，i=1，2……n，可以表示樣本屬于xi的類別。實(shí)際應(yīng)用中，支持向量機(jī)依據(jù)訓(xùn)練樣本的信息找到識(shí)別樣本所需的超平面將訓(xùn)練樣本分為兩類。在識(shí)別樣本的超平面中，ω是一個(gè)n維向量，x是樣本的向量表示，b為實(shí)數(shù)。

對(duì)于給定的樣本，理想的情況是使兩類分類邊界的間距最大，稱之為間隔，間隔在數(shù)學(xué)上的定義為歸一化間隔ω和b后，間隔可以表示為：

歸一化后的間隔，稱為幾何間隔。

在兩類樣本之間的幾何間隔中，ω是自變量，目標(biāo)函數(shù)是關(guān)于ω的二次函數(shù)，約束條件是ω的線性函數(shù)，這時(shí)，支持向量機(jī)的目標(biāo)識(shí)別問題就轉(zhuǎn)化為二次規(guī)劃函數(shù)的求解問題，此時(shí)它的約束條件為：

為了解決目標(biāo)識(shí)別過程中產(chǎn)生的誤差問題，此時(shí)需要引入松弛因子和懲罰因子C，引入后信息識(shí)別的過程中支持向量機(jī)會(huì)在錯(cuò)分時(shí)繼續(xù)工作，此時(shí)幾何間隔在約束條件下變?yōu)椋?/p>

利用拉格朗日乘子，最優(yōu)決策函數(shù)為：

1.3 支持向量機(jī)核函數(shù)

在信息識(shí)別的過程中，往往存在線性不可分的問題，這種情況下需要引入核空間理論，核空間理論可以解決線性不可分中的高維運(yùn)算過程中的內(nèi)積問題。在支持向量機(jī)算法中，不同的核函數(shù)可以在信息識(shí)別中有不同的效果。

在信息識(shí)別過程中，窮舉搜索法可以幫助找到最合適的核函數(shù)和核函數(shù)參數(shù)。用窮舉搜索法可以利用線性核函數(shù)、多項(xiàng)式核函數(shù)、徑向基核函數(shù)、二層神經(jīng)網(wǎng)絡(luò)核函數(shù)等進(jìn)行實(shí)驗(yàn)，并在實(shí)驗(yàn)的過程中自動(dòng)根據(jù)數(shù)據(jù)情況調(diào)整核函數(shù)的參數(shù)大小。

1.4 支持向量機(jī)與數(shù)字圖像在能見度識(shí)別中作用

現(xiàn)階段，由于氣候和環(huán)境的變化，能見度識(shí)別受到了更廣泛的關(guān)注度。支持向量機(jī)與數(shù)字圖像可以幫助實(shí)現(xiàn)更高質(zhì)量的能見度識(shí)別效果，支持向量機(jī)可以深度挖掘能見度較低情況下的影像信息數(shù)據(jù)，為人們提供更加直觀的圖像信息。

2 基于支持向量機(jī)和數(shù)字圖像相結(jié)合的能見度檢測(cè)算法

2.1 能見度檢測(cè)算法的重要意義

近年來，全球氣候不斷變暖，惡劣天氣頻發(fā)，特別是我國很多城市，霧霾天氣多發(fā)，霧霾天氣給社會(huì)生態(tài)環(huán)境和人們的正常生活帶來了很大的困擾，特別是在交通出行方面。飛機(jī)、高速、水運(yùn)等都會(huì)受到霧霾天氣的影響，進(jìn)而取消航班、封閉高速以及停運(yùn)。準(zhǔn)確的能見度檢測(cè)可以有效地緩解霧霾天氣帶來的交通問題。

以往，能見度檢測(cè)主要是通過人眼識(shí)別或者利用一起進(jìn)行檢測(cè)人眼進(jìn)行能見度檢測(cè)，受到視力和主觀因素的影響，存在的誤差較大；利用儀器設(shè)備進(jìn)行檢測(cè)經(jīng)濟(jì)成本較高，操作又十分困難。因此，基于支持向量機(jī)和數(shù)字圖像相結(jié)合的能見度檢測(cè)算法受到了越來越多的關(guān)注。

2.2 基于支持向量機(jī)和數(shù)字圖像相結(jié)合的能見度檢測(cè)算法

能見度監(jiān)測(cè)的依據(jù)是《中華人民共和國道路交通安全法實(shí)施條例》，第81條規(guī)定如下：機(jī)動(dòng)車在高速公路上行駛，遇有霧、雨、雪、沙塵、冰雹等低能見度氣象條件時(shí)，應(yīng)當(dāng)遵守下列規(guī)定：

（1）能見度小于200米時(shí)，開啟霧燈、近光燈、示廓燈和前后位燈，車速不得超過每小時(shí)60公里，與同車道前車保持100米以上的距離；

（2）能見度小于100米時(shí)，開啟霧燈、近光燈、示廓燈、前后位燈和危險(xiǎn)報(bào)警閃光燈，車速不得超過每小時(shí)40公里，與同車道前車保持50米以上的距離；

（3）能見度小于50米時(shí)，開啟霧燈、近光燈、示廓燈、前后位燈和危險(xiǎn)報(bào)警閃光燈，車速不得超過每小時(shí)20公里，并從最近的出口盡快駛離高速公路。

基于支持向量機(jī)和數(shù)字圖像相結(jié)合的能見度檢測(cè)算法，主要流程如下：

2.2.1 根據(jù)不同用途，創(chuàng)建不同功能的圖像庫

在支持向量機(jī)中，圖像庫的數(shù)據(jù)集分為兩個(gè)，一個(gè)是訓(xùn)練樣本的數(shù)據(jù)集，另一個(gè)是驗(yàn)證訓(xùn)練樣本準(zhǔn)確性的數(shù)據(jù)集。

根據(jù)《中華人民共和國道路交通安全法實(shí)施條例》規(guī)定的內(nèi)容，又可以把訓(xùn)練數(shù)據(jù)和驗(yàn)證數(shù)據(jù)分為三個(gè)類別：訓(xùn)練數(shù)據(jù)集的圖像根據(jù)能見度在200米、100米和50米范圍內(nèi)。

實(shí)際操作中，要選擇不同等級(jí)的能見度的天氣狀況的視頻或圖像，視頻需要按幀進(jìn)行計(jì)算，按照能見度的大小，將這些視頻或圖像按照高能見度(200米范圍)，中等能見度(100米)和低能見度(50米范圍)進(jìn)行分類。值得注意的是，為了提高算法的計(jì)算速度，視頻每幀和圖像應(yīng)當(dāng)設(shè)置將圖片大小統(tǒng)一設(shè)置為256×256，并將照片標(biāo)記為high、mid和low三個(gè)等級(jí)，同時(shí)設(shè)置照片數(shù)量。驗(yàn)證數(shù)據(jù)集中的圖像設(shè)置方式與訓(xùn)練圖像相同，區(qū)別是驗(yàn)證數(shù)據(jù)集中的圖片數(shù)量較少，通常設(shè)置為訓(xùn)練數(shù)據(jù)集中圖像數(shù)量的12.5%即可。

2.2.2 對(duì)能見度不同的圖像分別進(jìn)行預(yù)處理

對(duì)能見度不同的圖像分別進(jìn)行預(yù)處理，首先是要為圖像加上標(biāo)簽，將high、mid和low三個(gè)不同等級(jí)的能見度圖像分別標(biāo)記為標(biāo)記為0、1、2三個(gè)標(biāo)簽，并生成標(biāo)簽文件用于網(wǎng)絡(luò)識(shí)別；然后，通過生成訓(xùn)練過程中需要的圖像數(shù)據(jù)庫文件和均值文件。

2.2.3 對(duì)訓(xùn)練中的圖像進(jìn)行訓(xùn)練

能見度檢測(cè)模型主要是依據(jù)訓(xùn)練樣本中的數(shù)據(jù)進(jìn)行能見度判定，因此訓(xùn)練樣本的質(zhì)量十分關(guān)鍵。對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練，將訓(xùn)練樣本進(jìn)行歸納類別，用于識(shí)別圖像數(shù)據(jù)庫中的圖像屬于哪個(gè)級(jí)別的能見度。

2.2.4 優(yōu)化能見度檢測(cè)模型，對(duì)不同情況下的能見度進(jìn)行檢測(cè)

在圖像苦衷，不同能見度的圖像根據(jù)訓(xùn)練樣本，會(huì)自動(dòng)經(jīng)過支持向量機(jī)的分類進(jìn)入一個(gè)類別，根據(jù)類別將能見度進(jìn)行分類，識(shí)別能見度高低。

4 總結(jié)

極化SAR圖像分類一直是學(xué)術(shù)界研究的熱點(diǎn)問題，針對(duì)極化SAR圖像的分類問題，本文展開了實(shí)驗(yàn)研究。本文提取了預(yù)處理后Radarsat-2咸寧地區(qū)極化SAR數(shù)據(jù)的3種測(cè)量數(shù)據(jù)，7種極化目標(biāo)分解特征，6種紋理特征和顏色特征，在這些特征基礎(chǔ)之上進(jìn)特征選擇，并利用不同的分類算法進(jìn)行分類，得出如下結(jié)論：

（1）多特征融合對(duì)各地物的分類精度具有促進(jìn)作用，在測(cè)量數(shù)據(jù)基礎(chǔ)上的分類精度上尤其顯著；

（2）利用單一特征的分類精度整體低于多特征融合下的分類精度，表明了多特征對(duì)地物的表征更加完整，在分類時(shí)具有更強(qiáng)的適用性；

（3）根據(jù)本文提出的特征選擇參數(shù)來選擇特征并組合成特征向量用于分類，有效降低了分類時(shí)的計(jì)算量，解決了特征數(shù)據(jù)的冗余問題，實(shí)驗(yàn)結(jié)果表明，在不同分類器的實(shí)驗(yàn)中，運(yùn)行時(shí)間均有縮短，最多縮短34秒。

5 結(jié)束語

現(xiàn)階段，受到全球氣候變化的影響，加上工業(yè)等對(duì)環(huán)境的污染，霧霾天氣出現(xiàn)的頻率很高，給人們的正常生活和社會(huì)的經(jīng)濟(jì)發(fā)展帶來了很多問題，特別是在交通運(yùn)輸方面，影響了飛機(jī)、客運(yùn)和水運(yùn)等，高精度的能見度檢測(cè)方法是緩解霧霾天氣影響交通運(yùn)輸問題的重要方法。因此，本文介紹了支持向量機(jī)相關(guān)概念、原理、用法，并提出了一種支持向量機(jī)和數(shù)字圖像相結(jié)合的能見度檢測(cè)算法，為能見度檢測(cè)提供一種合理的算法。