1.基于图像自动识别的能见度测量方法，其特征在于，具体按照以下步骤实施：步骤1、采集含有目标的原始图像，不同日期，相同地点，同一拍摄角度采集不同天气情况的目标图像作为测试图像；

步骤2、分别采用最大类方差法对原始图像、测试图像进行阈值分割；具体过程为：利用最大类方差法进行原始图像、测试图像的阈值分割；

设原始图像或测试图像的像素为f(x,y)，阈值分割后为g(x,y)，则：设原始图像或测试图像的大小为M×N，分割阈值记作T；

分割阈值的计算过程为：目标图像素点在整幅图像的比例为 图像平均灰度为μ0；背景像素点在整幅图像的比例为 图像平均灰度为μ1；图像中像素的灰度值小于阈值T的像素个数记作N0，灰度大于阈值T的像素个数记作N1；图像的总平均灰度记为μ，类间方差记为g；则可得到下式：采用遍历法得到使类间方差g最大的阈值，即为求得的阈值T；

步骤3、使用菱形探针对阈值分割后的测试图像进行连续膨胀，得到膨胀图像；具体过程为：使用结构元素做“探针”搜集目标图像信息；先对结构元素S进行关于原点的条件反射V V得到S，然后对分割后测试图像上将S平移x，那些平移后与测试图像X至少有一个非零元素相交时，对应的原点位置集合即为膨胀运算结果；

则膨胀结果写成式(3)：

结构元素S即为菱形探针；

结构元素S连续膨胀多次，得到膨胀图像；

步骤4、对膨胀图像进行反着色，利用质心原理，查找连续膨胀后的多连通区域的“伪”质心标定；具体过程为：步骤4.1、对连续膨胀后的图像的像素进行逐个查找，将像素为0的部分所有点赋值为

1，像素为1的所有点赋值为0，得到反着色图像；

步骤4.2、对反着色图像利用bwlabel函数，找到反着色图像上分离的所有连通域，再利用质心查找的原理查找“伪”质心，质心查找原理如式(5)：其中，M10是物体上所有点x坐标的总和，M01是物体上所有点y坐标的总和，M00是物体的面积；

表示“伪”质心的位置；

步骤5、将“伪”质心作为拟选用多目标区域的中心，标记待选的多目标区域；具体过程为：将“伪”质心作为拟选用多目标区域的中心，利用Rectangle矩形函数标记待选多目标区域，设置区域大小为6×6的矩形区域；

‘Position’[x,y,w,h]       (6)式(6)中，x，y为左下角坐标，w，h分别代表宽和高；

步骤6、在分割后的原始图像的暗通道效果图中，找到对应的标记待选的多目标区域中c“伪”质心光强I(y)最大的中心点，该中心点所在的区域作为能见度测算的最终目标区域，选取合适的去雾系数ω，进行能见度的计算。

2.根据权利要求1所述基于图像自动识别的能见度测量方法，其特征在于，步骤6具体过程为：柯西米德白天能见度测量原理，如式(7)：其中Vmet表示大气能见度，β表示消光系数，ε表示比感阈值，选择0.05；

则式(7)改写为式(8)：

通过暗通道原理获得分割后原始图像的暗通道效果图，其中，暗通道先验原理，如式(9)：c c

其中 表示透射率，I (y)表示雾霾图像光强度，A 表示全球大气光强度，ω表示去雾系数，取值为0<ω<1；

透射部分光与入射光强之间符合朗伯‑比尔定律；

大气消光系数与透射率之间满足如式(10)的关系：‑βd(x)

t(x)＝e                    (10)其中，β为消光系数，d为目标物与接收点的距离，可通过在地图上标记测算；

c

根据式(9)，选取I (y)最大的中心点所在的区域作为能见度测算的最终目标区域，选取合适的去雾系数ω，去雾系数和能见度之存在选取规律，结合式(8)、(9)、(10)，可反演出大气能见度。

3.根据权利要求2所述基于图像自动识别的能见度测量方法，其特征在于，所述去雾系数和能见度之间存在选取规律如表1所示：表1