基于数码图像的能见度反演技术研究

摘要

针对现有的图像能见度测量方法存在预处理工作量大,参数误差修正困难等问题,引入卷积神经网络(CNN),提出了一种基于数码图像的白天能见度反演技术.首先利用图像采集设备采集不同场景下能见度图像;然后将图像直接作为输入,相应的能见度值作为标签训练神经网络,网络输出为预测的能见度值;最后以CJY-1G能见度仪的测量结果为基准,分别将不同场景下不同能见度范围内卷积神经网络方法和黑体像素方法(DPA)的预测值与其进行对比.实验结果表明,CNN方法测量结果优于DPA方法,且以大片森林为黑体目标物的场景更适合能见度反演研究,在能见度低于5km时,测量结果较为准确,卷积神经网络方法和CJY-1G测量结果相关性较好.