基于图像处理的能见度检测方法研究
发布时间：2021-11-09 22:42
作为气象部门监测的常规项目之一,大气能见度与其他天气信息一样受到人们尤其是广大机动车司机的密切关注。能见度信息在公路运输、机场航空、海上航行、农业生产等领域都备受重视,低能见度天气现已成为导致交通事故发生的主要因素之一,因此实现对能见度的全方位检测和实时预报意义重大。传统的能见度检测仪器价格昂贵、操作复杂、难以大规模安装,不能满足要求;而场景摄像机广泛使用,基于图像处理的能见度检测并不增加硬件成本。论文从场景图像边缘信息与能见度之间存在的密切关系入手,选择基于模型训练的能见度检测方法作为研究方向。作者采用数字图像处理技术从场景图像中提取出与能见度关联度较大的图像特征并形成特征向量,利用机器学习算法建立图像特征向量与能见度真值之间的关系模型,用于计算待测图像的能见度。论文首先针对图像特征提取提出了不同的方案,在后续实验中验证分析不同方案对模型检测性能的影响。其次,将相关向量回归机（RVR）应用于能见度检测,并采用网格搜索算法进行参数优化,针对基于RVR的能见度检测模型主要研究不同的图像特征提取方案对模型检测性能的影响,通过实验确定最佳方案;并与K近邻（KNN）、未参数优化RVR以及未参数...
【文章来源】：长沙理工大学湖南省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
图２．１前向散射仪??散射式能见度仪由于占地面积较小、安装和操作较为方便等优点，在许多行业得到??
?第三章基于图像处理的能见度检测模型???３．２数据采集及选择??论文所用到的实验数据包括图像数据和能见度数据两个部分。??为了验证说明论文能见度检测方法的可行性，以及研究分析不同场景对实验结果的??影响，通过场景摄像机对两个不同的场景进行图像数据采集，采集时间为２０１８年９？１２??月，采集地点为长沙南郊云塘附近（如图３．２、３．３所示），因为论文研究的是白天能见??度检测问题，所以选用７：００？１７：００的图像作为图像数据集。??能见度数据是通过专业仪器实时测得的，以此作为能见度真值。采集时间一致的图??像数据与能见度数据组成一个实验样本数据。??ｒｎｍｍ??图３．２场景一??图３．３场景二??３．３图像特征提取??能见度实质是人眼对具有高对比度图像边缘的感知能力，所以要求检测结果也要能??够与人眼感知保持一致性。由于人眼对亮度对比的差异相对于色度差异更为敏感，并且??对一个物体的感知结果会受到其周围环境的影响，所以首先要对采集得到的彩色图像数??２１??
化处理，再提取出与边缘以及对比度信息密切相关的图像特征作为研究??对象。??３．３．１测试区域选择??在场景图像中挑选出的测试区域需包含与背景有较大亮度差异、有明显边缘特征以??及相对静止的近似黑色目标物；因为相对静止的物体在训练过程中引入误差较少，有利??于提高学习的正确率，目标物边缘不清晰会导致提取的特征不明显，模型训练的稳定性??会因此受到影响［５９］，论文研究的测试区域选择方式有如下两种。??选择方式一：选择单一区域作为测试区域，这是一种比较常见的测试区域选择方法，??如图３．４、３．５所示黑色矩形框区域为在场景一、场景二中所选定的测试区域，两个测试??区域像素大小一致，而且都拥有边缘特征明显的屋檐作为近似黑色目标物。??选择方式二：论文提出在场景图像中选择远近距离不同的多个区域作为测试区域。??根据人眼的视觉特点，当能见度较高时，距离摄像机较近的物体一直处于清晰状态，只??有当能见度低于某值并持续降低时，其边缘才会逐渐变得模糊，即当能见度值在较高区??间变化时，场景图像中离摄像机较近物体的边缘以及对比亮度特征变化不大；同理当能??见度处于较低状态时，距离摄像机较远的物体一直处于模糊状态，只有当能见度高于某??值并持续提高时，其边缘才会逐渐变得清晰，也就是说当能见度值在较低区间变化时，??场景图像中离摄像机较远物体的边缘以及对比亮度特征变化不大；所以如果在图像中只??挑选单一区域作为测试区域的话，有可能会影响到模型整体的检测效果，所以尝试在场??景图像中选择远近不同的多个小区域作为测试区域。??不同测试区域选择方式对能见度检测结果的影响，将在后续的实验中将进行对比分??析说明。??「二一?一??
【参考文献】：
期刊论文
[1]基于交通图像的能见度检测算法研究[J]. 周洁. 自动化技术与应用. 2017(10)
[2]基于相关向量机的短期风速预测模型[J]. 韩中合,李秋菊,苑一鸣,周沛,徐搏超. 电力科学与技术学报. 2017(03)
[3]基于图像兴趣窗格测算大气能见度的方法研究[J]. 花毓幸,曾燕,邱新法. 科技通报. 2017(08)
[4]前向散射式能见度仪示值对比及标定方法研究[J]. 王敏,张世国,汪玮,方海涛,陆斌,刘清彬,高兰达. 气象科技. 2017(02)
[5]基于暗原色先验理论的大气能见度测量[J]. 赵瑞,胡辽林,赵江涛. 激光与光电子学进展. 2016(06)
[6]透射式能见度仪动态范围扩展方法[J]. 肖韶荣,吴群勇,周佳,徐猛,尚国庆. 应用光学. 2014(04)
[7]基于暗通道先验的视频能见度测量方法[J]. 郭尚书,齐文新,齐宇. 计算机与数字工程. 2014(04)
[8]改进的基于图像边缘的能见度反演方法[J]. 吕艳芬,杨玲,甄小琼. 计算机工程与应用. 2015(10)
[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白天能见度算法设计[J]. 陈晓婷,鲁昌华,张玉均,刘文清,戴庞达,常峰,朱超. 电子测量与仪器学报. 2013(04)
硕士论文
[1]基于图像的能见度反演方法研究[D]. 陈爱月.南京信息工程大学 2018
[2]基于机器视觉的大气能见度测量方法研究[D]. 赵瑞.西安理工大学 2017
[3]基于监控图像的高速公路能见度估计研究[D]. 许倩.长安大学 2016
[4]基于监控视频分析的高速公路能见度检测与预警系统研究[D]. 王金冕.长安大学 2016
[5]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
[6]基于交通视频的能见度估计研究[D]. 项文书.上海交通大学 2014
[7]大气能见度测量若干关键技术研究[D]. 卢家亮.合肥工业大学 2014
[8]基于机器学习方法的网络流量感知与预测研究[D]. 王瑞雪.江南大学 2013
[9]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：3486035
【文章来源】：长沙理工大学湖南省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
图２．１前向散射仪??散射式能见度仪由于占地面积较小、安装和操作较为方便等优点，在许多行业得到??
?第三章基于图像处理的能见度检测模型???３．２数据采集及选择??论文所用到的实验数据包括图像数据和能见度数据两个部分。??为了验证说明论文能见度检测方法的可行性，以及研究分析不同场景对实验结果的??影响，通过场景摄像机对两个不同的场景进行图像数据采集，采集时间为２０１８年９？１２??月，采集地点为长沙南郊云塘附近（如图３．２、３．３所示），因为论文研究的是白天能见??度检测问题，所以选用７：００？１７：００的图像作为图像数据集。??能见度数据是通过专业仪器实时测得的，以此作为能见度真值。采集时间一致的图??像数据与能见度数据组成一个实验样本数据。??ｒｎｍｍ??图３．２场景一??图３．３场景二??３．３图像特征提取??能见度实质是人眼对具有高对比度图像边缘的感知能力，所以要求检测结果也要能??够与人眼感知保持一致性。由于人眼对亮度对比的差异相对于色度差异更为敏感，并且??对一个物体的感知结果会受到其周围环境的影响，所以首先要对采集得到的彩色图像数??２１??
化处理，再提取出与边缘以及对比度信息密切相关的图像特征作为研究??对象。??３．３．１测试区域选择??在场景图像中挑选出的测试区域需包含与背景有较大亮度差异、有明显边缘特征以??及相对静止的近似黑色目标物；因为相对静止的物体在训练过程中引入误差较少，有利??于提高学习的正确率，目标物边缘不清晰会导致提取的特征不明显，模型训练的稳定性??会因此受到影响［５９］，论文研究的测试区域选择方式有如下两种。??选择方式一：选择单一区域作为测试区域，这是一种比较常见的测试区域选择方法，??如图３．４、３．５所示黑色矩形框区域为在场景一、场景二中所选定的测试区域，两个测试??区域像素大小一致，而且都拥有边缘特征明显的屋檐作为近似黑色目标物。??选择方式二：论文提出在场景图像中选择远近距离不同的多个区域作为测试区域。??根据人眼的视觉特点，当能见度较高时，距离摄像机较近的物体一直处于清晰状态，只??有当能见度低于某值并持续降低时，其边缘才会逐渐变得模糊，即当能见度值在较高区??间变化时，场景图像中离摄像机较近物体的边缘以及对比亮度特征变化不大；同理当能??见度处于较低状态时，距离摄像机较远的物体一直处于模糊状态，只有当能见度高于某??值并持续提高时，其边缘才会逐渐变得清晰，也就是说当能见度值在较低区间变化时，??场景图像中离摄像机较远物体的边缘以及对比亮度特征变化不大；所以如果在图像中只??挑选单一区域作为测试区域的话，有可能会影响到模型整体的检测效果，所以尝试在场??景图像中选择远近不同的多个小区域作为测试区域。??不同测试区域选择方式对能见度检测结果的影响，将在后续的实验中将进行对比分??析说明。??「二一?一??
【参考文献】：
期刊论文
[1]基于交通图像的能见度检测算法研究[J]. 周洁. 自动化技术与应用. 2017(10)
[2]基于相关向量机的短期风速预测模型[J]. 韩中合,李秋菊,苑一鸣,周沛,徐搏超. 电力科学与技术学报. 2017(03)
[3]基于图像兴趣窗格测算大气能见度的方法研究[J]. 花毓幸,曾燕,邱新法. 科技通报. 2017(08)
[4]前向散射式能见度仪示值对比及标定方法研究[J]. 王敏,张世国,汪玮,方海涛,陆斌,刘清彬,高兰达. 气象科技. 2017(02)
[5]基于暗原色先验理论的大气能见度测量[J]. 赵瑞,胡辽林,赵江涛. 激光与光电子学进展. 2016(06)
[6]透射式能见度仪动态范围扩展方法[J]. 肖韶荣,吴群勇,周佳,徐猛,尚国庆. 应用光学. 2014(04)
[7]基于暗通道先验的视频能见度测量方法[J]. 郭尚书,齐文新,齐宇. 计算机与数字工程. 2014(04)
[8]改进的基于图像边缘的能见度反演方法[J]. 吕艳芬,杨玲,甄小琼. 计算机工程与应用. 2015(10)
[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白天能见度算法设计[J]. 陈晓婷,鲁昌华,张玉均,刘文清,戴庞达,常峰,朱超. 电子测量与仪器学报. 2013(04)
硕士论文
[1]基于图像的能见度反演方法研究[D]. 陈爱月.南京信息工程大学 2018
[2]基于机器视觉的大气能见度测量方法研究[D]. 赵瑞.西安理工大学 2017
[3]基于监控图像的高速公路能见度估计研究[D]. 许倩.长安大学 2016
[4]基于监控视频分析的高速公路能见度检测与预警系统研究[D]. 王金冕.长安大学 2016
[5]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
[6]基于交通视频的能见度估计研究[D]. 项文书.上海交通大学 2014
[7]大气能见度测量若干关键技术研究[D]. 卢家亮.合肥工业大学 2014
[8]基于机器学习方法的网络流量感知与预测研究[D]. 王瑞雪.江南大学 2013
[9]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：3486035
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3486035.html
最近更新
教材专著
