基于图像处理的能见度检测方法研究

基于图像处理的能见度检测方法研究

论文摘要

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以及未参数优化支持向量回归机(SVR)进行对比实验,实验结果表明经网格搜索算法优化的RVR模型检测性能优于其他三种模型。最后,通过对遗传算法(GA)和网格搜索算法(GSA)寻优原理以及优缺点进行分析,针对支持向量回归机(SVR)需要优化的参数较多而且寻优困难等问题,结合GA和GSA对SVR模型进行参数寻优,建立基于改进SVR参数优化的能见度检测模型,通过实验分析研究三种不同参数优化方式对模型检测性能的影响,实验结果表明组合GA与GSA对SVR模型进行参数优化可以有效提升模型的检测性能。实验对比分析RVR模型和SVR模型的检测性能,两者在检测结果的相关性、正确率以及MAPE上并不存在一致性的差异,两者在低能见度环境下的检测性能优于高能见度环境,但RVR模型训练所需时间比SVR模型要短,另外RVR模型单个样本测试速度也比SVR模型要快,模型可较好的应用于能见度检测。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  •   1.1 研究背景与意义
  •   1.2 大气能见度检测方法简述
  •     1.2.1 传统方法
  •     1.2.2 基于图像的大气能见度检测方法
  •   1.3 国内外研究现状
  •     1.3.1 国外研究现状
  •     1.3.2 国内研究现状
  •   1.4 论文的主要内容及章节安排
  • 第二章 能见度检测基础
  •   2.1 能见度定义及其影响因素
  •     2.1.1 能见度的定义
  •     2.1.2 影响能见度的因素
  •   2.2 能见度检测原理
  •     2.2.1 大气与视觉
  •     2.2.2 大气消光系数与大气能见度的关系
  •     2.2.3 器测法原理
  •     2.2.4 基于图像的能见度检测原理
  •   2.3 模型训练法基本原理
  •   2.4 支持向量回归机与相关向量回归机
  •     2.4.1 支持向量回归机
  •     2.4.2 相关向量回归机
  •     2.4.3 RVR与SVR的优势比较
  • 第三章 基于图像处理的能见度检测模型
  •   3.1 检测流程设计
  •   3.2 数据采集及选择
  •   3.3 图像特征提取
  •     3.3.1 测试区域选择
  •     3.3.2 测试区域提取
  •     3.3.3 图像特征计算
  •     3.3.4 特征向量提取
  •   3.4 能见度数据归一化处理
  •   3.5 模型参数的优化方法
  •     3.5.1 网格搜索算法
  •     3.5.2 遗传算法
  •     3.5.3 遗传算法和网格搜索算法组合参数优化
  •   3.6 本章小结
  • 第四章 实验与结果分析
  •   4.1 一般实验情况
  •     4.1.1 实验数据
  •     4.1.2 实验数据安排
  •     4.1.3 模型评价指标
  •   4.2 基于相关向量回归机的能见度检测模型实验分析
  •     4.2.1 空子窗及子窗数量对检测结果的影响
  •     4.2.2 不同图像特征对检测结果的影响
  •     4.2.3 不同测试区域选择方式对检测结果的影响
  •     4.2.4 不同模型检测效果对比
  •   4.3 基于支持向量回归机的能见度检测模型实验分析
  •     4.3.1 网格搜索算法参数寻优
  •     4.3.2 遗传算法参数寻优
  •     4.3.3 遗传算法与网格搜索算法相结合参数寻优
  •   4.4 RVR模型与SVR模型实验对比分析
  •   4.5 章末小结
  • 总结与展望
  • 参考文献
  • 致谢
  • 附录A 攻读硕士学位期间发表论文及成果
  • 附录B 攻读硕士学位期间获得的奖励
  • 文章来源

    类型: 硕士论文

    作者: 陈强

    导师: 叶青

    关键词: 能见度,数字图像,相关向量回归机,支持向量回归机,参数优化

    来源: 长沙理工大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 气象学,计算机软件及计算机应用

    单位: 长沙理工大学

    分类号: P415.33;TP391.41

    DOI: 10.26985/d.cnki.gcsjc.2019.000498

    总页数: 70

    文件大小: 4980K

    下载量: 457

    相关论文文献

    • [1].雾霾时车辆尾气排放对驾驶员能见度的影响[J]. 安全与环境学报 2020(01)
    • [2].深度学习在机场能见度预测中的应用[J]. 计算机产品与流通 2020(04)
    • [3].华北冬季能见度变化的三种典型特征及影响因子分析[J]. 环境保护科学 2020(03)
    • [4].多元动态逐步回归方法在北京地区能见度预报中的应用[J]. 干旱气象 2020(04)
    • [5].铜仁区域恶劣能见度分布特点及主要影响因子初探[J]. 中低纬山地气象 2020(04)
    • [6].自动能见度数据类型及其质量控制方法[J]. 陕西气象 2017(02)
    • [7].试析火灾烟场能见度的计算机可视化[J]. 数字技术与应用 2015(03)
    • [8].基于透射法的空气能见度测量[J]. 实验技术与管理 2013(11)
    • [9].雾天高速公路交通事故的特征及与能见度的关系[J]. 科技导报 2020(11)
    • [10].青海省公路沿线能见度时空变化特征及其影响因素[J]. 干旱气象 2017(06)
    • [11].珠海市近34年能见度的变化特征[J]. 广东气象 2018(03)
    • [12].武汉机场目测与器测能见度资料的对比分析[J]. 科技创业月刊 2017(09)
    • [13].浅析新型自动站能见度传感器故障排查和数据处理[J]. 现代农业 2017(07)
    • [14].能见度传感器清洁维护的时机选择与注意事项[J]. 现代农业科技 2017(14)
    • [15].能见度变化与船舶适用的行动规则[J]. 世界海运 2016(01)
    • [16].基于图像识别的雾霾能见度测量系统设计[J]. 信息技术 2016(01)
    • [17].能见度人工观测与新型站仪器测量的对比分析[J]. 气象水文海洋仪器 2014(04)
    • [18].高能见度服装辅料在功能性服装中的应用检验[J]. 轻工科技 2015(01)
    • [19].郑州机场2004~2012年能见度的变化特征[J]. 干旱气象 2014(05)
    • [20].如何进行航空气象主导能见度的准确观测[J]. 中国民航飞行学院学报 2012(02)
    • [21].天津地区能见度变化特征及影响因素研究[J]. 生态环境学报 2012(11)
    • [22].北京机场高速公路能见度与大气动力和热力因子的诊断及物理分析[J]. 气候与环境研究 2008(03)
    • [23].长江三角洲背景地区大气污染对能见度的影响[J]. 中国环境科学 2017(12)
    • [24].基于监控视频的高速公路能见度检测方法及系统[J]. 西南交通大学学报 2018(01)
    • [25].青岛近岸能见度逐小时分级预报模型初探[J]. 海洋湖沼通报 2018(01)
    • [26].湖北襄阳机场能见度特征分析及其对飞行的影响[J]. 科学技术创新 2018(26)
    • [27].大连地区能见度影响因子及个例分析[J]. 沙漠与绿洲气象 2018(04)
    • [28].又到一年雾霾时 亲,你们还好吗?[J]. 宠物世界(猫迷) 2014(11)
    • [29].南极长城站能见度变化分析[J]. 极地研究 2014(03)
    • [30].探讨近35年来大连地区5月份高能见度天气统计及分析[J]. 资源节约与环保 2014(06)

    标签:;  ;  ;  ;  ;  

    基于图像处理的能见度检测方法研究
    下载Doc文档

    猜你喜欢