基于图像自动识别的大气能见度测量方法研究

摘要

雾霾天气使得外界环境模糊不清，给人们的日常生活等方面带来了严重的影响，尤其是在航空航天、交通运输等方面危害极大。随着生活节奏的加快，交通运输方面的压力剧增，能见度的准确测算十分必要。因此，近年来能见度测量的研究火热。本文利用数字摄像机来拍摄图像，再对其进行自动选取目标区域后进行能见度测算。主要研究内容如下： (1)通过了解大气能见度测量的发展趋势，分析现有的能见度测量方法的优缺点，最终选用数字摄像法测算能见度。对拍摄的旋转角度不定、大小不一、角度不同、目标物无法分辨，导致目标物距离无法确定的图片，本文针对Harris角点检测和Sift特征点检测两个算子各自的缺点，结合两种算子的特性，提出了适用于本文的图像快速匹配的Harris-Sift算法。 (2)提出了图像能见度测算目标区域自动选取的算法。将图像进行规则分幅切割后，选用OTSU大津法进行自适应阎值分割，再利用图像连续膨胀消除繁杂区域，得到分离的多连通区域。接着，标记膨胀后多连通域的“伪”质心，再以“伪”质心为中心，标记6x6大小的待测目标区域。最后，利用暗通道先验算法的透射率计算公式，选取暗通道中Ic最大的点所在目标区域作为最终的能见度测算目标区域。 (3)建立了图像自动识别的能见度测算系统。基于柯西米德白天能见度测量原理，利用暗通道先验算法，得到大气透射率，计算大气消光系数，反演大气能见度。本文通过对连续10天不同方向、不同摄像机拍摄的图像进行测算对比得到，利用像素较高的摄像机拍摄的向光一侧的图像测算结果最好，且测算数据更稳定。最终，将测算出的110天图像能见度与CJY-1G前向散射仪的数据进行对比，准确率达92.30%。 (4)建立了分段能见度测量模型。通过对110天测算数据和CJY-1G数据的线性分析，建立了整体的线性回归模型，经计算准确率为80.77%。分析原因后，根据实际情况，建立了分段能见度测量模型，准确率提升了10.58%，为91.35%。

目录

声明

1 绪论

1.1 课题研究背景与意义

1.2 能见度测量方法的发展

1.2.1 人工目测法

1.2.2 能见度仪测量法

1.2.3 数字摄像法

1.3 数字摄像法的能见度研究现状

1.4 本文主要工作

2 基于数字摄像法的能见度测量

2.1 Koschmieder测量原理

2.2 暗通道先验算法

2.2.1 雾霾数字图像模型

2.2.2 透射率求取

2.2.3 能见度求取

2.3 数字摄像法的系统设计

2.4 本章小结

3 基于Harris和Sift算法的图像匹配

3.1 基于等间隔采样的图像缩放

3.1.1 图像缩放原理

3.1.2 等间隔采样法缩放

3.2 Harris和Sift结合的图像匹配

3.2.1 Harris角点检测

3.2.2 Sift特征点检测

3.2.3 Harris-Sift图像特征点匹配

3.3 本章小结

4 图像目标区域自动选取

4.1 规则分幅图像切割

4.2 基于OTSU的图像自适应阈值分割

4.2.1 阈值分割的原理和分类

4.2.2 OTSU自适应阈值分割

4.3 图像连续膨胀

4.3.1 数字形态学基本概念和运算

4.3.2 膨胀处理算法

4.4 目标区域自动选取

4.4.1 图像连通域

4.4.2 “伪”质心标记

4.4.3 目标区域选取

4.5 本章小结

5 图像自动识别的能见度测量模型

5.1 不同去雾系数选取

5.2 拍摄图像的选取条件

5.2.1 不同方位选取

5.2.2 不同摄像机选取结果

5.2.3 拍摄图像结果分析

5.3 能见度测量模型建立

5.3.1 线性回归模型

5.3.2 结果拟合分析

5.4 本章小结

6 总结与展望

6.1 总结

6.2 展望

致谢

参考文献