近幾年來,國內(nèi)的霧霾污染已呈常態(tài)化趨勢,社會各界對霧霾污染問題越來越重視。霧霾天氣不僅會危害人們的健康,還會給人們的出行帶來不便。特別是在高速公路路段,容易發(fā)生突發(fā)性團霧,極大地威脅著人們的行車安全。因此,對能見度實施準確的檢測是解決該問題的重要環(huán)節(jié)之一,但是現(xiàn)有的設備和方法,準確性和普及型仍然有待提高。目前,基于霧霾視頻圖像的能見度檢測已引起了國內(nèi)外研究學者的廣泛關注。本文針對上述問題,基于江蘇省高速公路的霧霾視頻圖像展開研究,提出了三個霧霾能見度檢測算法,主要闡述如下:首先,鑒于Inception網(wǎng)絡的提出,其在圖像處理領域具有廣泛的適用性,可以有效地提取圖像信息。而對于霧霾圖片的能見度檢測而言,Inception V4網(wǎng)絡由于其網(wǎng)絡結(jié)構(gòu)有著良好的性能,并且計算量低,網(wǎng)絡的訓練速度相較于之前的網(wǎng)絡有著顯著地提高,因此本文在Inception網(wǎng)絡的基礎上,對霧霾能見度檢測展開研究。本文研究并提出了一種基于Inception V4網(wǎng)絡的霧霾能見度檢測算法�；赥ensorflow框架搭建Inception V4網(wǎng)絡,在數(shù)據(jù)預處理和網(wǎng)絡結(jié)構(gòu)方面做了略微調(diào)整以適應本文數(shù)據(jù)集,從而構(gòu)建霧霾能... 

【文章來源】：南京郵電大學江蘇省

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

實驗用圖

京郵電大學碩士研究生學位論文 第三章 基于 Inception 的霧霾能見度檢測計算機實驗結(jié)果本章實驗基于 Tensorflow 框架，在 Tensorflow 下搭建 Inception V4 模型，進行訓練。針訓練得到的模型，采用測試集進行驗證，測試集用圖如圖 3-19 所示。

圖 4-1 原始圖片和圖像頻譜根據(jù)圖像離散余弦變換的特性，在離散余弦變換后，頻域中的低頻信息主要集中在左上角，高頻信息主要集中在右下角。此外，經(jīng)過離散余弦變換后的圖像具有信息強度集中的特征，大離散余弦變換后的低頻部分集中了大多數(shù)的能量。并且圖像的低頻信息也反映了圖像平緩變化的部分，而我們在對霧霾圖片進行能見度檢測時，是以車道線為目標標志物，我們所尋找的就是車道線看得見與看不見之處的那個交點。因此提取霧霾圖片的低頻信息這也符合我們根據(jù)車道線檢測能見度值的特性。所以，在實驗時我們提取了圖像左上角區(qū)域信息，作為網(wǎng)絡的輸入數(shù)據(jù)。根據(jù) Inception V4 網(wǎng)絡的輸入要求我們提取頻譜圖片左上角 299*299的區(qū)域信息作為網(wǎng)絡的輸入。在實驗時，我們選取編號為 1、2、4、5、6 場景的霧霾圖片作為訓練集數(shù)據(jù)，選取編號為 3 的場景中 210 張圖片作為測試集數(shù)據(jù)。4.3.2 網(wǎng)絡訓練及測試

【參考文獻】：
期刊論文
[1]基于內(nèi)容分析法的深度學習國內(nèi)研究綜述[J]. 申枝,馬力,官巍.  中國醫(yī)學教育技術. 2019(01)
[2]基于深度學習的目標視頻跟蹤算法綜述[J]. 陳旭,孟朝暉.  計算機系統(tǒng)應用. 2019(01)
[3]深度學習在文字識別領域的應用[J]. 李新煒,殷韶坤.  電子技術與軟件工程. 2018(24)
[4]深度學習算法中卷積神經(jīng)網(wǎng)絡的概念綜述[J]. 李策,陳海霞,漢語,左勝甲,趙立剛.  電子測試. 2018(23)
[5]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 張亞倩.  信息通信. 2018(11)
[6]基于交通圖像的能見度檢測算法研究[J]. 周潔.  自動化技術與應用. 2017(10)
[7]機器學習算法研究及前景展望[J]. 陳嘉博.  信息通信. 2017(06)
[8]基于深度學習的人體行為識別研究[J]. 遲元峰,顧敏.  工業(yè)控制計算機. 2017(01)
[9]基于攝像機動態(tài)標定的交通能見度估計[J]. 宋洪軍,郜園園,陳陽舟.  計算機學報. 2015(06)
[10]基于高頻和中頻信息的圖像超分辨率重建[J]. 陳偉超,陳華華.  杭州電子科技大學學報(自然科學版). 2015(01)

碩士論文
[1]霧天圖像能見度檢測方法研究[D]. 徐敏.西南科技大學 2018
[2]基于深度學習的車輛定位及車型識別研究[D]. 張飛云.江蘇大學 2016
[3]基于交通視頻的能見度估計研究[D]. 項文書.上海交通大學 2014



本文編號：2927612