一种雾天彩色图像复原快速方法研究

暗通道优先法则在处理自然雾天图像方面取得了非常好的效果,但是该方法需要消耗大量的存储和计算时间。提出了一种改进的雾天彩色图像增强快速方法。首先,根据雾天图像模型和先验知识,计算雾天图像的暗通道先验值;并估算初始透射率图像和大气光。然后利用数学形态学方法对初始透射率图像进行处理得到优化的透射率图;并根据这个优化透射率图、大气光和原始雾天图像计算去雾图像。最后利用gama校正获得最终的彩色增强图像。仿真实验结果表明本文提出的方法能较好地对雾天彩色图像进行去雾处理,且计算速度较快。相比于基于暗原色先验的单一图像去雾方法,图像尺寸越大,该方法的计算效率越高,计算时间优势越明显。     

雾天观测云时应注意的几个问题

阐述了雾天观测云时存在的一些误区,从分析雾和云的生成原理和各自特点出发提出了区别方法,供广大同行参考。     

引导滤波在雾天图像清晰化中的应用

根据大气散射物理模型,分析并解决单幅图像去雾的关键问题,以消除雾气对室外机器视觉系统的影响.实验结果表明:利用引导滤波器的局部平滑特性估计大气光幕,可有效克服光晕效应和颜色过饱和现象;通过计算雾气最浓区域的平均值获取大气光强度值,可解决部分图像偏色问题;对复原的图像进行自适应增强处理,提高了图像的整体视觉效果.通过与多种典型的图像去雾算法的比较,说明该方法能更有效地消除图像中的雾气、真实复原场景的对比度和颜色,同时具有很快的执行速度,有利于算法的实时实现.     

高亮度激光交通可变情报板技术研究

大雾天气极易降低交通情报板的可视性,使行车安全存在极大的隐患。研究了一种低能见度条件下提高交通可变情报板可视性的技术,探讨利用激光照明替代发光二极管(light emitting diode,LED)来制作交通可变情报板,使其达到在雾区低能见度条件下具有良好的可视性。通过分析激光(laser diode,LD)和LED在雾中的衰减特性,了解不同颜色光在雾中的衰减特性。实验中通过使用激光二极管为发光光源,组成阵列结构,通过汉字图形编码控制,制作出简易显示模块。通过对比相同功率驱动下LD与LED在低能见度条件下的发光可见性,表明基于激光交通可变情报板在低能见度条件下具备潜在的应用价值。     

基于雾天高速车路协同模拟驾驶的驾驶人视觉信息加工模式

为探讨雾天高速公路车路协同系统信息介入对驾驶人视觉信息加工模式的影响,首先,依托驾驶模拟平台设计了车路协同环境下的雾天高速公路驾驶模拟实验,获取驾驶人的视觉行为参数;其次,将前方道路定义为关键兴趣区域,分别提取驾驶人在全局水平及兴趣区域的注视、扫视等显性视觉特性指标,并分析其分布规律;最后,采用因子分析方法获取信息提取...     

一种基于修正直方图的图像增强算法

针对雾天降质图像对比度低的问题,提出了一种基于修正直方图的图像增强算法。统计图像的直方图时,每个像素分为两部分,一部分累加到当前像素灰度级,剩余部分按灰度级平均分配,实现直方图的修正,然后根据修正直方图产生灰度映射函数,由于每个像素只有一部分累加到当前灰度级,这样可以避免局部图像的过度增强。实验表明,该算法比经典的直方图均衡化算法、局部直方图均衡化算法有更好的增强效果。     

基于跟驰模型的雾天安全限速研究

为准确描述雾天交通流特性,挖掘交通流速度以及交通状态的关系,本文通过对不同气质的驾驶人在不同能见度下的驾驶行为进行问卷调查,分析雾天驾驶人的驾驶心理特性,在NaSch模型中引入加速概率,改变以往加速过程中的贪婪机制,构建考虑雾天驾驶心理的道路交通流模型。通过数值模拟,得到不同能见度水平下车流密度、车头间距、速度以及排队长度的变化趋势,并利用主成分分析法构建交通运行水平模型,为高速公路雾天不同能见度下选择合适的限速值和行车间距建议值提供辅助决策。     

基于双主干网络的雾天交通目标检测方法研究

车辆和行人安全监测是城市交通监测的一项重要任务。 针对雾霾等复杂恶劣天气条件下,监测采集的图像视觉效果差、噪声高、目标检测困难等问题,提出了一种双主干网络(MobileNets VGG-DCBM Network, MVNet)用于雾天交通目标检测,结构受 PCCN 和 CBNet 网络结构的启发,由改进的深度可分离卷积神经网络 MobileNets 和基于 VGGNet 构建的 VGG-DCBM 网络组成;采用并行方式构建双主干目标检测网络结构,以改进的 MobileNets 为主主干网络,VGG-DCBM 为辅助主干网络,共同提取特征信息,实现不同网络间特征层信息的融合;MVNet 网络结构采用并行方式获取两个不同网络提取的不同特征层信息,通过采用通道拼接的方法实现不同网络特征信息之间的融合,以获得更丰富的细节特征;在 RTTS 和 HazePerson 数据集上,平均精度均值(mean Average Precision, mAP)分别达到 71. 50%和 89. 84%;实验结果表明:在雾霾等复杂恶劣天气条件下具有较强的鲁棒性且能够准确的检测到车辆和行人,在目标检测性能上优于对比方法。     

蒙特卡洛方法数值研究大气颗粒物动力学效应和辐射传输性质

爆发性增强的雾天,空气污染严重能见度低,这与大气边界层湍流性质、悬浮颗粒的动力学及散射性质密切相关.文中基于颗粒群平衡方程和Mie理论,采取加权蒙特卡洛方法,自行开发了Fortran程序.文中计算所得的颗粒尺度分布函数、颗粒散射性质与实验值、理论解一致,验证了数值模型和方法的正确性.此外,数值研究了雾爆发性增强阶段雾滴谱拓宽、能见度降低的机理,讨论湍流输运和颗粒局部聚集效应下颗粒间的碰并过程,并耦合颗粒散射性质,数值分析雾发展中湍流耗散率对颗粒对径向相对速度、系统透过率的影响;以及颗粒对径向相对速度与系统透过率、颗粒尺度的关系.研究结果表明:随着湍流耗散率的增大,颗粒的径向相对速度呈现先缓慢而后快速增大的变化趋势.1000s时刻,湍流的耗散率为1.0×10-2m2/s3,颗粒径向相对速度(无量纲)为0.0969;对于0.6μm的可见光,雾环境颗粒系统的透过率为0.47.此外,雾发展中雾滴易与气溶胶碰并,系统的散射性质与水组成的雾滴系统不同,天气的能见度明显降低.      

RBF神经网络在雾天图像复原中的应用

针对雾天图像的特点及传统算法复原效果的不佳,提出了一种基于RBF神经网络的雾天图像复原算法。实验结果表明,该算法能够有效地提高图像清晰度和对比度,复原后的图像视觉效果得到了明显改善。