基于频谱分析和改进Inception的雾霾能见度检测研究

发布时间：2020-12-20 09:19

　　近几年来,国内的雾霾污染已呈常态化趋势,社会各界对雾霾污染问题越来越重视。雾霾天气不仅会危害人们的健康,还会给人们的出行带来不便。特别是在高速公路路段,容易发生突发性团雾,极大地威胁着人们的行车安全。因此,对能见度实施准确的检测是解决该问题的重要环节之一,但是现有的设备和方法,准确性和普及型仍然有待提高。目前,基于雾霾视频图像的能见度检测已引起了国内外研究学者的广泛关注。本文针对上述问题,基于江苏省高速公路的雾霾视频图像展开研究,提出了三个雾霾能见度检测算法,主要阐述如下:首先,鉴于Inception网络的提出,其在图像处理领域具有广泛的适用性,可以有效地提取图像信息。而对于雾霾图片的能见度检测而言,Inception V4网络由于其网络结构有着良好的性能,并且计算量低,网络的训练速度相较于之前的网络有着显著地提高,因此本文在Inception网络的基础上,对雾霾能见度检测展开研究。本文研究并提出了一种基于Inception V4网络的雾霾能见度检测算法。基于Tensorflow框架搭建Inception V4网络,在数据预处理和网络结构方面做了略微调整以适应本文数据集,从而构建雾霾能... 

【文章来源】：南京邮电大学江苏省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

实验用图

京邮电大学硕士研究生学位论文 第三章 基于 Inception 的雾霾能见度检测计算机实验结果本章实验基于 Tensorflow 框架，在 Tensorflow 下搭建 Inception V4 模型，进行训练。针训练得到的模型，采用测试集进行验证，测试集用图如图 3-19 所示。

图 4-1 原始图片和图像频谱根据图像离散余弦变换的特性，在离散余弦变换后，频域中的低频信息主要集中在左上角，高频信息主要集中在右下角。此外，经过离散余弦变换后的图像具有信息强度集中的特征，大离散余弦变换后的低频部分集中了大多数的能量。并且图像的低频信息也反映了图像平缓变化的部分，而我们在对雾霾图片进行能见度检测时，是以车道线为目标标志物，我们所寻找的就是车道线看得见与看不见之处的那个交点。因此提取雾霾图片的低频信息这也符合我们根据车道线检测能见度值的特性。所以，在实验时我们提取了图像左上角区域信息，作为网络的输入数据。根据 Inception V4 网络的输入要求我们提取频谱图片左上角 299*299的区域信息作为网络的输入。在实验时，我们选取编号为 1、2、4、5、6 场景的雾霾图片作为训练集数据，选取编号为 3 的场景中 210 张图片作为测试集数据。4.3.2 网络训练及测试

【参考文献】：
期刊论文
[1]基于内容分析法的深度学习国内研究综述[J]. 申枝,马力,官巍.  中国医学教育技术. 2019(01)
[2]基于深度学习的目标视频跟踪算法综述[J]. 陈旭,孟朝晖.  计算机系统应用. 2019(01)
[3]深度学习在文字识别领域的应用[J]. 李新炜,殷韶坤.  电子技术与软件工程. 2018(24)
[4]深度学习算法中卷积神经网络的概念综述[J]. 李策,陈海霞,汉语,左胜甲,赵立刚.  电子测试. 2018(23)
[5]卷积神经网络研究综述[J]. 张亚倩.  信息通信. 2018(11)
[6]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)
[7]机器学习算法研究及前景展望[J]. 陈嘉博.  信息通信. 2017(06)
[8]基于深度学习的人体行为识别研究[J]. 迟元峰,顾敏.  工业控制计算机. 2017(01)
[9]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)
[10]基于高频和中频信息的图像超分辨率重建[J]. 陈伟超,陈华华.  杭州电子科技大学学报(自然科学版). 2015(01)

硕士论文
[1]雾天图像能见度检测方法研究[D]. 徐敏.西南科技大学 2018
[2]基于深度学习的车辆定位及车型识别研究[D]. 张飞云.江苏大学 2016
[3]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



本文编号：2927612