基于视频的雾天能见度监测方法研究

摘要

目前我国高速公路能见度监测主要依靠能见度观测仪，该方法覆盖区域有限且成本较高，而我国高速公路图像采集设备应用广泛，可以合理利用监控视频对能见度进行监测，因此本文提出一种基于视频的雾天能见度监测方法。该方法将图像划分若干个窗格，以均方差和平均梯度为监测因子，通过相关性分析筛选出最优兴趣窗格的图像特征矩阵，建立BP神经网络修正线性残差组合模型。通过本文研究得到以下结论: (1)以均方差和平均梯度为监测因子，最优兴趣窗格的亮度特征与能见度呈高度相关，说明亮度对比是能见度监测的关键性因素。东海和灌南场景对比分析可得，灌南场景以深色的树木为背景，降低目标物与背景的亮度对比，模型精度有所下降。而东海场景以浅色的天空为背景，目标物与背景形成较强对比，更有利于能见度监测。 (2)能见度5000m以下，200m和1500m附近是能见度分段敏感区域，在此区域划分能见度区间并进行分段建模，可提高模型精度。通过随机森林算法对图像进行能见度区间判定，图像分类正确率在96％以上，表明随机森林算法对图像的能见度区间判定具有较强能力。 (3)证实了基于BP神经网络修正线性残差组合模型具有精度高、误差小等优点。光线充足情况下，组合模型的相对误差在10％以下，模型精度相对稳定;光线较弱情况下，模型精度表现一般，相对误差控制在15％左右;组合模型监测效果优于单一线性回归模型，进一步提高了模型的精度和普适性，验证了该方法在测量雾天能见度具有可行性和有效性。

目录

声明

摘要

第一章绪论

1．1研究目的和意义

1．1．1研究背景

1．1．2研究目的和意义

1．2国内外研究现状

1．3主要研究内容

1．4技术路线

1．5论文章节安排

第二章数据与方法

2．1研究数据

2．2数据预处理

2．2．1颜色空间的转换

2．2．2去噪处理

2．2．3分窗格处理

2．3基于图像的能见度监测算法设计

2．3．1能见度的定义

2．3．2能见度检测原理

2．3．3基于图像的能见度监测算法设计

2．4本章小结

第三章基于图像的能见度特征分析

3．1图像特征的定义

3．1．1像素特征的选取

3．1．2监测因子的计算

3．2图像特征的对比分析

3．2．1像素特征的对比分析

3．2．2监测因子的对比分析

3．2．3窗格尺寸的对比分析

3．3能见度分段监测研究

3．3．1能见度分段区间模型的建立

3．3．2分段模型结果分析

3．4兴趣窗格的相关性分析及分布

3．4．1兴趣窗格的相关性分析

3．4．2兴趣窗格的位置分布

3．5本章小结

第四章基于能见度区间的图像分类

4．1随机森林算法

4．2基于随机森林的能见度区间判定模型

4．2．1图像特征提取

4．2．2随机森林的构建

4．3结果与分析

4．4本章小结

第五章基于图像的能见度监测模型

5．1能见度监测模型的构建

5．1．1二元线性回归模型的构建

5．1．2 BP神经网络模型

5．1．3 BP神经网络修正线性残差组合模型的构建

5．2训练模型结果分析

5．2．1模型精度指标的制定

5．2．2能见度监测模型结果分析

5．3验证模型结果分析

5．3．1不同光照强度对模型精度的影响

5．3．2不同能见度级别对模型精度的影响

5．3．3实验结果分析

5．4本章小结

第六章总结与展望

6．1讨论与结论

6．2创新点

6．3展望

参考文献

作者简介

致谢