發(fā)布時(shí)間：2018-07-27 12:19

【摘要】：能見度是一個(gè)重要的氣象觀測(cè)指標(biāo),低能見度對(duì)氣象、交通、軍事和農(nóng)業(yè)等領(lǐng)域影響很大。其中對(duì)交通領(lǐng)域的影響最大,高速公路經(jīng)常發(fā)生由低能見度天氣引發(fā)的交通事故,相當(dāng)一部分都是多車連環(huán)相撞的重大交通事故,這對(duì)人們的生命和財(cái)產(chǎn)安全造成了很大的威脅。為了解決這個(gè)問題,需要在道路上密集布設(shè)能見度檢測(cè)設(shè)備,及時(shí)對(duì)低能見度情況進(jìn)行預(yù)警,保障交通運(yùn)行的安全,傳統(tǒng)能見度儀操作復(fù)雜、價(jià)格昂貴,不能滿足要求。視頻圖像能見度檢測(cè)具有成本低、操作簡(jiǎn)單和可靠性高等優(yōu)點(diǎn)受到了很多研究者的關(guān)注。論文在現(xiàn)有研究成果的基礎(chǔ)上,對(duì)一些視頻圖像能見度算法做了進(jìn)一步的研究和改進(jìn),論文的主要研究工作如下:研究了雙亮度差法,用這種算法實(shí)現(xiàn)了能見度的檢測(cè),并做了誤差分析,當(dāng)目標(biāo)物黑體背后有遮擋物且背景天空灰度分布不均勻時(shí),傳統(tǒng)雙亮度差法會(huì)出現(xiàn)較大檢測(cè)誤差,論文針對(duì)這個(gè)問題做了算法改進(jìn),用區(qū)域生長(zhǎng)法分割出圖像的天空區(qū)域,并對(duì)天空區(qū)域像素灰度求均值,實(shí)驗(yàn)證明該改進(jìn)算法可以得到更準(zhǔn)確的能見度值。研究了暗通道先驗(yàn)法,利用暗通道理論求出透射率,并用攝像機(jī)標(biāo)定技術(shù)進(jìn)行三維重建,得到距離信息,計(jì)算出能見度。針對(duì)用傳統(tǒng)暗通道先驗(yàn)理論估算出的透射率天空區(qū)域的值偏小,提出一種用k-means聚類算法自適應(yīng)分割閾值的方法來(lái)準(zhǔn)確分割出天空區(qū)域,并修正天空區(qū)域透射率。對(duì)估算透射率過程中需要計(jì)算的大氣光亮度值,當(dāng)圖像中有純白色物體干擾時(shí),用傳統(tǒng)方法計(jì)算會(huì)出現(xiàn)估計(jì)值比實(shí)際值大,論文提出用閾值法估算大氣光亮度。實(shí)驗(yàn)證明這些改進(jìn)可以使能見度檢測(cè)結(jié)果更加準(zhǔn)確。對(duì)雙亮度差法、改進(jìn)的雙亮度差法、暗通道先驗(yàn)法和改進(jìn)暗通道先驗(yàn)法做能見度檢測(cè)實(shí)驗(yàn),用幾種不同天氣的視頻圖像數(shù)據(jù),驗(yàn)證了改進(jìn)的雙亮度差法和改進(jìn)的暗通道先驗(yàn)法都比其對(duì)應(yīng)的傳統(tǒng)算法檢測(cè)結(jié)果更準(zhǔn)確、可靠,而這些算法綜合比較后得出,能見度檢測(cè)準(zhǔn)確度最高的是改進(jìn)的暗通道先驗(yàn)法,該改進(jìn)算法能適應(yīng)各種不同天氣。
[Abstract]:Visibility is an important meteorological observation index. Low visibility has great influence on meteorological, traffic, military and agricultural fields. Among them, it has the greatest impact on the traffic field. Traffic accidents caused by low-visibility weather often occur on expressways. Quite a number of major traffic accidents are caused by multi-vehicle pile-ups. This poses a great threat to the safety of people's lives and property. In order to solve this problem, it is necessary to place the visibility detection equipment on the road densely, to warn the low visibility situation in time, to ensure the safety of traffic operation. The traditional visibility meter is complex, expensive and unable to meet the requirements. Visibility detection of video images has attracted many researchers' attention because of its low cost, simple operation and high reliability. Based on the existing research results, this paper makes further research and improvement on some visibility algorithms of video images. The main research work of this paper is as follows: the double brightness difference method is studied, and the visibility detection is realized by this algorithm. The error analysis is done. When there is an occlusion behind the blackbody and the background sky gray distribution is not uniform, the traditional double brightness difference method will have a large detection error. In this paper, the algorithm is improved to solve this problem. The region growing method is used to segment the sky region of the image, and the average value of the pixel gray level in the sky region is obtained. The experimental results show that the improved algorithm can get more accurate visibility value. The dark channel priori method is studied and the transmittance is calculated by using the dark channel theory. The range information is obtained and the visibility is calculated by the camera calibration technique. In view of the small value of the transmittance sky region estimated by the traditional dark channel priori theory, an adaptive threshold segmentation method based on k-means clustering algorithm is proposed to segment the sky region accurately and to correct the transmittance of the sky region. For the atmospheric luminance value which needs to be calculated in the process of estimating transmittance, when there is interference of pure white object in the image, the estimated value by traditional method will be larger than the actual value. In this paper, the threshold method is proposed to estimate atmospheric luminance. Experiments show that these improvements can make the visibility detection results more accurate. For the double brightness difference method, the improved double brightness difference method, the dark channel priori method and the improved dark channel prior method, the visibility detection experiments are done, and the video image data of several different weather conditions are used. The improved double brightness difference method and the improved dark channel priori method are verified to be more accurate and reliable than the corresponding traditional algorithms. The improved algorithm can adapt to different weather conditions.
【學(xué)位授予單位】：長(zhǎng)沙理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：U495;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 錢立志;王曙光;張江輝;陳翠華;;一種彈載視頻圖像實(shí)時(shí)消旋方法[J];彈箭與制導(dǎo)學(xué)報(bào);2009年03期

2 陳欣琳;魏東;金亮;;視頻圖像的壓縮傳輸技術(shù)研究[J];硅谷;2009年15期

3 黃強(qiáng);孫建勛;;公安視頻圖像信息聯(lián)網(wǎng)平臺(tái)的技術(shù)研究[J];科技視界;2013年28期

4 張正蘭,張明;視頻圖像數(shù)字化的處理技術(shù)[J];河海大學(xué)學(xué)報(bào);1997年04期

5 王樸;多媒體會(huì)議系統(tǒng)中視頻圖像的組合[J];國(guó)防科技大學(xué)學(xué)報(bào);1998年03期

6 李春宇;陳蕊麗;李陟;;視頻圖像中目標(biāo)長(zhǎng)度的測(cè)量方法[J];中國(guó)人民公安大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

7 劉偉;;基于視頻圖像的車速檢測(cè)研究[J];山東交通學(xué)院學(xué)報(bào);2013年04期

8 李朝暉;TMS320C6201 DMA在視頻圖像編碼中的應(yīng)用[J];華北航天工業(yè)學(xué)院學(xué)報(bào);2003年03期

9 李慧子;穆飛鵬;佟磊;;視頻圖像液位測(cè)量技術(shù)的專利分析[J];電視技術(shù);2013年S2期

10 孫展明;尹偉中;;論視頻圖像偵查[J];中國(guó)人民公安大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

相關(guān)會(huì)議論文 前10條

1 鄭鋼;;體育運(yùn)動(dòng)視頻圖像實(shí)時(shí)分析系統(tǒng)初步構(gòu)建[A];第九屆全國(guó)體育科學(xué)大會(huì)論文摘要匯編(2)[C];2011年

2 郝光遠(yuǎn);魏崇健;張建廷;;血管造影視頻圖像的數(shù)字化處理[A];2009中華醫(yī)學(xué)會(huì)影像技術(shù)分會(huì)第十七次全國(guó)學(xué)術(shù)大會(huì)論文集[C];2009年

3 孟兵林;張淞華;陳長(zhǎng)庚;;視頻圖像技術(shù)在武術(shù)項(xiàng)目技術(shù)分析中的應(yīng)用[A];第十一屆全國(guó)運(yùn)動(dòng)生物力學(xué)學(xué)術(shù)交流大會(huì)論文匯編（摘要）[C];2006年

4 嚴(yán)圣華;羅兵;;一種視頻圖像退化幀的恢復(fù)新法[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展——全國(guó)第17屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2006年

5 吳鋒;成奇名;周玉彬;潘瑋;劉娟;張信民;俞夢(mèng)孫;;基于視頻圖像提取肌電生物反饋儀放松反饋信號(hào)的設(shè)計(jì)及實(shí)現(xiàn)[A];自主創(chuàng)新與持續(xù)增長(zhǎng)第十一屆中國(guó)科協(xié)年會(huì)論文集（3）[C];2009年

6 胡芊;楊正球;;基于去噪聲的視頻圖像中的字幕提取[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)通信與信息技術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

7 劉永信;魏平;侯朝楨;;視頻圖像中運(yùn)動(dòng)目標(biāo)檢測(cè)的快速方法[A];第三次全國(guó)會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文集[C];2002年

8 陳媛媛;付繼華;王中宇;;基于ARM嵌入式系統(tǒng)的視頻圖像采集與顯示[A];2007'中國(guó)儀器儀表與測(cè)控技術(shù)交流大會(huì)論文集（二）[C];2007年

9 李宇成;王目樹;陰亮;賈雁;;基于視頻圖像的車輛外形參數(shù)測(cè)量[A];中國(guó)計(jì)量協(xié)會(huì)冶金分會(huì)2008年會(huì)論文集[C];2008年

10 李宇成;王目樹;陰亮;賈雁;;基于視頻圖像的車輛外形參數(shù)測(cè)量[A];2008全國(guó)第十三屆自動(dòng)化應(yīng)用技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2008年

相關(guān)重要報(bào)紙文章 前10條

1 徐向軍邋王軼星;視頻圖像清晰流暢 檢驗(yàn)監(jiān)管效率倍增[N];中國(guó)國(guó)門時(shí)報(bào);2007年

2 ;大同市公共安全視頻圖像信息系統(tǒng)管理辦法[N];大同日?qǐng)?bào);2008年

3 ;長(zhǎng)沙市公共安全視頻圖像信息系統(tǒng)管理辦法[N];長(zhǎng)沙晚報(bào);2011年

4 湖南 雙龍一劍;截取視頻圖像兩法[N];電腦報(bào);2002年

5 本報(bào)記者 劉新暉 特約記者 應(yīng)春明 通訊員 鐘水容 石振軍;打造“天眼”工程 構(gòu)建平安韶關(guān)[N];韶關(guān)日?qǐng)?bào);2009年

6 山東省安丘市景藝耀華中學(xué) 裴玉蘭;“空手巧抓視頻圖像”更通用的技巧[N];中國(guó)電腦教育報(bào);2005年

7 張慧;我市將大力建設(shè)公共安全視頻圖像信息系統(tǒng)[N];太原日?qǐng)?bào);2011年

8 ;吉林省公共安全視頻圖像信息系統(tǒng)管理辦法[N];吉林日?qǐng)?bào);2012年

9 記者 顏家文 實(shí)習(xí)生 苑曉陽(yáng) 通訊員 袁志明;“天網(wǎng)”：人過留面車過留牌[N];長(zhǎng)沙晚報(bào);2012年

10 喬新生;查閱公共場(chǎng)所的視頻圖像應(yīng)該有法可依[N];法制日?qǐng)?bào);2013年

相關(guān)博士學(xué)位論文 前10條

1 李巖山;基于局部不變特征的交通異常視頻圖像檢測(cè)的關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2015年

2 王健;視頻圖像抗暈光研究[D];西安理工大學(xué);2009年

3 苑廷剛;運(yùn)動(dòng)視頻圖像多重處理技術(shù)系統(tǒng)在田徑科研領(lǐng)域中的應(yīng)用和創(chuàng)新[D];北京體育大學(xué);2011年

4 黃儒樂;基于視頻圖像的林火煙霧識(shí)別方法的研究[D];北京林業(yè)大學(xué);2012年

5 田鵬輝;視頻圖像中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法研究[D];長(zhǎng)安大學(xué);2013年

6 譚洪濤;視頻圖像降噪關(guān)鍵技術(shù)研究[D];重慶大學(xué);2010年

7 陳炳權(quán);車載視頻圖像處理算法的優(yōu)化與融合研究[D];湖南大學(xué);2014年

8 侯杰;基于視頻圖像的高大空間建筑火災(zāi)探測(cè)研究[D];清華大學(xué);2010年

9 李琦;面向行人群信息提取的視頻圖像目標(biāo)跟蹤算法研究[D];北京交通大學(xué);2013年

10 張世樂;視頻圖像語(yǔ)義信息提取研究[D];復(fù)旦大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 王艷玲;視頻圖像中的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究[D];河北師范大學(xué);2015年

2 杭誼青;基于CUDA的高分辨率視頻圖像幀間配準(zhǔn)與目標(biāo)定位快速實(shí)現(xiàn)[D];南京航空航天大學(xué);2015年

3 伍賽;運(yùn)動(dòng)視頻去模糊技術(shù)的研究與實(shí)現(xiàn)[D];復(fù)旦大學(xué);2014年

4 董春雨;基于視頻圖像的多車牌識(shí)別技術(shù)研究[D];長(zhǎng)安大學(xué);2015年

5 羅濤;基于注意機(jī)制的災(zāi)害視頻圖像識(shí)別方法研究[D];華南理工大學(xué);2015年

6 馬俊;基于FPGA的實(shí)時(shí)圖像采集與預(yù)處理系統(tǒng)研究[D];西南交通大學(xué);2015年

7 郭程義;Camshift和Kalman濾波算法在視頻圖像跟蹤中的應(yīng)用研究[D];鄭州大學(xué);2015年

8 徐旎林;基于視頻圖像的糧食輸送裝置自動(dòng)監(jiān)測(cè)技術(shù)研究[D];南京理工大學(xué);2015年

9 胡婷;H.264視頻流錯(cuò)誤隱藏方案研究[D];江西理工大學(xué);2015年

10 侯保衛(wèi);監(jiān)控視頻圖像中特走人物檢索與跟蹤系統(tǒng)研究與實(shí)現(xiàn)[D];中央民族大學(xué);2015年

，

本文編號(hào)：2147801