孟祥环，罗素云

（上海工程技术大学 机械与汽车工程学院，上海201620）

0 引 言

图像中的天空像素检测一直以来都是计算机视觉技术的挑战，并且具有广泛的应用，例如：自主车辆或无人机导航、实时天气分类、图像编辑、天空替换和场景解析。在城市气候研究方面也发挥着重要作用，如：使用鱼眼摄影计算天空视角因子（SVF），用于城市的气象监测［1］。

在计算机视觉的相关研究中，天空检测技术大体上可以分为以下几种，一种是遍历图片中的所有像素点，逐像素地寻找与天空相关的像素点。这种方法侧重于寻找与天空相关联的单个像素，如采用一种基于物理的方法，利用图片中的颜色变化来识别天空［2］；基于颜色值和每个颜色通道的二维多项式生成天空像素概率图，进而进行天空的识别［3］；另一种方法则侧重于寻找天空和地面边界，利用改进的能量函数优化和图像的梯度信息来优化提取天空边界线［4］，然而实际的城市场景中，天空部分容易被建筑物、旗帜或其他障碍物隔开，造成天空区域不连续，使天空区域的识别变得十分困难［5］。随着深度学习的快速发展，多层卷积网络被广泛的应用于各种场景之中，它通过使用训练好的语义分割卷积神经网络（CNN）模型，对室外图像中的不同类别（如天空、建筑物、树木和汽车）进行分类，例如SegNet和模型框架，但是它并不是专门为天空像素识别而设计的，这种方法需要大量的数据集和高性能的计算机做支撑。……