雾尘条件下粮库监控系统图像清晰化技术研究

发布时间：2023-02-18 16:36

　　随着产业技术升级,智能安防监控、图像采集、目标识别与追踪等设备在粮库安全保障中得到大面积推广。安防视频监控系统能够对粮库主要的进出口储粮通道、库区、作业点、器械库、药品库等一些重要场所的工作情况进行实时监控,对于人员聚集、越界、区域入侵、作业人员违章等异常行为进行警告,不仅减少了现场检查,降低了粮库人工管理的成本,更有利于储粮工作过程中的管理和数据的收集。然而,粮库中粉尘和雾霾天气的出现,导致监控系统获取的粮库图像质量严重下降,细节信息模糊,限制了对图像进一步的识别、分析与利用。因此,本文基于机器学习的方法,针对如何提高雾尘环境下粮库图像质量,进行全面的研究,具体研究内容如下:1.针对粮库雾尘环境下采集到的图像背景中大多含有白色区域,然而现有去雾方法在处理该类图像时由于白色区域的存在会影响到大气光值估计的准确性,提出了基于四叉树分解的方法在天空区域内对大气光进行准确估计;同时,基于现有去雾方法容易受手工特征提取及假设条件的限制,本文提出改进的基于神经网络的方法。首先,利用多尺度卷积神经网络通过学习的方式获得粗略透射图透,然后使用图像融合方法对其进行细化;最后,将估计的参数带入大气散射模...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景和意义
    1.2 相关技术研究现状
        1.2.1 传统图像去雾技术
        1.2.2 基于机器学习的图像去雾技术
    1.3 论文的主要研究工作
    1.4 论文的组织结构
2 图像去雾的基础和机器学习
    2.1 粮库雾尘环境的成因
    2.2 图像退化及颜色失真机理分析
    2.3 大气散射理论方法
        2.3.1 入射光衰减模型
        2.3.2 大气光成像模型
        2.3.3 大气光散射模型
    2.4 图像去雾技术
        2.4.1 CLAHE方法
        2.4.2 暗通道方法
        2.4.3 多尺度Retinex方法
    2.5 机器学习理论
        2.5.1 卷积神经网络
        2.5.2 支持向量机
    2.6 本章小结
3 基于多尺度卷积神经网络的粮库图像去雾方法
    3.1 粮库图像的特点及重点监控区域
    3.2 基于神经网络去雾方法的不足及改进
    3.3 四叉树分解法获取大气光
    3.4 基于多尺度卷积神经网络的透射率估计
        3.4.1 网络设计
        3.4.2 网络训练
        3.4.3 透射图的细化
        3.4.4 复原无雾图像
    3.5 实验结果分析与对比
        3.5.1 合成图像对比实验
        3.5.2 真实图像对比实验
    3.6 本章小结
4 基于SVM的自适应单幅图像去雾方法
    4.1 雾天图像分类
        4.1.1 训练样本
        4.1.2 暗通道直方图特征
        4.1.3 纹理特征
        4.1.4 模型训练与图像分类
    4.2 图像质量评价指标
    4.3 自适应图像去雾
    4.4 实验结果与分析
    4.5 图像质量评价与对比
    4.6 本章小结
5 总结与展望
    5.1 工作总结
    5.2 展望
参考文献
致谢
作者简介、攻读硕士学位期间取得的阶段性成果



本文编号：3745318