基于图像处理的高速公路能见度检测技术研究
发布时间：2021-05-12 10:40
随着社会经济的迅速发展以及科技水平的不断提高,机器视觉在智能时代的应用越来越广泛,智能交通成为社会智能化发展的重要组成部分。但随着工业的发展,雾霾成为影响人们日常出行的因素,所以基于机器视觉的能见度检测方法成为当前十分热门的研究课题。本文在图像处理的基础上,提出基于灰度共生矩阵（GLCM）特征-SURF匹配特征-改进的粒子群算法（BAPSO）-增量概率神经网络（IPNN）的高速公路能见度等级检测方法,以此来提高大气能见度检测的准确性以及实时性。本文在不同时间段对不同道路进行了图像样本采集并以此作为实验数据。采用图像处理方法对样本图像进行检测,同时为了提高能见度检测的速度,采用分步式处理方法:首先选择计算简单的灰度直方图方法计算样本灰度标准差进行能见度预判,若没有达到结束条件,接下来采取图像特征提取方法进行进一步的能见度等级检测。传统图像特征提取方法在低能见度情况下稳定性差,特征提取效果不佳,针对这个问题本文采用GLCM的对比度和能量两个特征参数与SURF匹配程度特征相结合的方法对样本图像进行特征描述,为组合的新特征向量赋予能见度等级标签,作为神经网络的输入数据。最后进行能见度等级分类,...
【文章来源】：沈阳理工大学辽宁省
【文章页数】：87 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 基于光学原理的大气能见度检测
1.2.2 基于摄像法的大气能见度检测
1.3 发展趋势及方向
1.4 本文章节安排
第2章 高速公路能见度等级预判
2.1 引言
2.2 灰度直方图
2.3 基于灰度直方图的高速公路能见度预判方法
2.3.1 图像灰度化
2.3.2 能见度预判
2.4 实验结果与分析
2.5 本章小结
第3章 基于GLCM和SURF的特征提取方法
3.1 引言
3.2 全局特征提取方法
3.2.1 颜色特征
3.2.2 灰度共生矩阵GLCM特征
3.2.3 形状特征
3.3 局部特征
3.3.1 Sift特征提取
3.3.2 SURF特征点提取
3.4 本章小结
第4章 基于BAPSO优化的IPNN检测结果分类算法
4.1 引言
4.2 概率神经网络PNN
4.3 增量概率神经网络IPNN
4.4 传统粒子群算法PSO
4.5 改进的粒子群优化算法BAPSO
4.6 基于BAPSO优化的IPNN
4.7 本章小结
第5章 基于图像处理的能见度检测结果分析
5.1 引言
5.2 .GLCM-SURF组合特征向量
5.2.1 灰度共生矩阵GLCM特征
5.2.2 SURF匹配程度特征
5.3 基于BAPSO-IPNN的检测结果分类
5.3.1 能见度等级分类分析
5.3.2 样本图像特征向量分类
5.3.3 能见度等级分类结果
5.4 实验结果与分析
5.5 本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢
【参考文献】：
期刊论文
[1]高速公路雾天能见度预测方法[J]. 龙科军,李超群,毛学军,胡玉婷. 徐州工程学院学报(自然科学版). 2017(01)
[2]高速公路监控系统现状及发展趋势探讨[J]. 李永民. 黑龙江科技信息. 2015(18)
[3]基于摄像机动态标定的交通能见度估计[J]. 宋洪军,郜园园,陈阳舟. 计算机学报. 2015(06)
[4]数字摄像法测量白天能见度算法设计[J]. 卢家亮,鲁昌华,蒋薇薇,陶志颖,查正兴. 电子测量与仪器学报. 2014(11)
[5]基于路面视亮度差平方最优化的视频能见度检测算法[J]. 吴炜,李勃,杨娴,端金鸣,陈启美. 电子与信息学报. 2014(10)
[6]一种改进的SURF快速匹配算法[J]. 崔振兴,曾威,杨明强,韩峰. 江苏师范大学学报(自然科学版). 2014(03)
[7]道路交通气象环境能见度检测器检测方法研究[J]. 赵丽. 交通标准化. 2014(06)
[8]基于路面亮度特征估算的视频能见度检测系统[J]. 杨娴,李勃,丁文,陈启美. 上海交通大学学报. 2013(08)
[9]基于图像理解的能见度测量方法[J]. 许茜,殷绪成,李岩,郝红卫,曹晓钟. 模式识别与人工智能. 2013(06)
[10]数字摄像能见度仪的能见度算法设计及实现[J]. 常峰,陈晓婷,肖明霞,蒋薇薇. 微型机与应用. 2013(09)
博士论文
[1]摄像机标定方法及边缘检测和轮廓跟踪算法研究[D]. 袁野.大连理工大学 2002
硕士论文
[1]基于视频图像的能见度检测算法的研究[D]. 郭庚山.长沙理工大学 2015
[2]前向散射式能见度检测技术研究[D]. 李孟麟.天津大学 2007
本文编号：3183266
【文章来源】：沈阳理工大学辽宁省
【文章页数】：87 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 基于光学原理的大气能见度检测
1.2.2 基于摄像法的大气能见度检测
1.3 发展趋势及方向
1.4 本文章节安排
第2章 高速公路能见度等级预判
2.1 引言
2.2 灰度直方图
2.3 基于灰度直方图的高速公路能见度预判方法
2.3.1 图像灰度化
2.3.2 能见度预判
2.4 实验结果与分析
2.5 本章小结
第3章 基于GLCM和SURF的特征提取方法
3.1 引言
3.2 全局特征提取方法
3.2.1 颜色特征
3.2.2 灰度共生矩阵GLCM特征
3.2.3 形状特征
3.3 局部特征
3.3.1 Sift特征提取
3.3.2 SURF特征点提取
3.4 本章小结
第4章 基于BAPSO优化的IPNN检测结果分类算法
4.1 引言
4.2 概率神经网络PNN
4.3 增量概率神经网络IPNN
4.4 传统粒子群算法PSO
4.5 改进的粒子群优化算法BAPSO
4.6 基于BAPSO优化的IPNN
4.7 本章小结
第5章 基于图像处理的能见度检测结果分析
5.1 引言
5.2 .GLCM-SURF组合特征向量
5.2.1 灰度共生矩阵GLCM特征
5.2.2 SURF匹配程度特征
5.3 基于BAPSO-IPNN的检测结果分类
5.3.1 能见度等级分类分析
5.3.2 样本图像特征向量分类
5.3.3 能见度等级分类结果
5.4 实验结果与分析
5.5 本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢
【参考文献】：
期刊论文
[1]高速公路雾天能见度预测方法[J]. 龙科军,李超群,毛学军,胡玉婷. 徐州工程学院学报(自然科学版). 2017(01)
[2]高速公路监控系统现状及发展趋势探讨[J]. 李永民. 黑龙江科技信息. 2015(18)
[3]基于摄像机动态标定的交通能见度估计[J]. 宋洪军,郜园园,陈阳舟. 计算机学报. 2015(06)
[4]数字摄像法测量白天能见度算法设计[J]. 卢家亮,鲁昌华,蒋薇薇,陶志颖,查正兴. 电子测量与仪器学报. 2014(11)
[5]基于路面视亮度差平方最优化的视频能见度检测算法[J]. 吴炜,李勃,杨娴,端金鸣,陈启美. 电子与信息学报. 2014(10)
[6]一种改进的SURF快速匹配算法[J]. 崔振兴,曾威,杨明强,韩峰. 江苏师范大学学报(自然科学版). 2014(03)
[7]道路交通气象环境能见度检测器检测方法研究[J]. 赵丽. 交通标准化. 2014(06)
[8]基于路面亮度特征估算的视频能见度检测系统[J]. 杨娴,李勃,丁文,陈启美. 上海交通大学学报. 2013(08)
[9]基于图像理解的能见度测量方法[J]. 许茜,殷绪成,李岩,郝红卫,曹晓钟. 模式识别与人工智能. 2013(06)
[10]数字摄像能见度仪的能见度算法设计及实现[J]. 常峰,陈晓婷,肖明霞,蒋薇薇. 微型机与应用. 2013(09)
博士论文
[1]摄像机标定方法及边缘检测和轮廓跟踪算法研究[D]. 袁野.大连理工大学 2002
硕士论文
[1]基于视频图像的能见度检测算法的研究[D]. 郭庚山.长沙理工大学 2015
[2]前向散射式能见度检测技术研究[D]. 李孟麟.天津大学 2007
本文编号：3183266
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3183266.html
