原文传递
雾霾天气条件下能见度的检测与恢复算法研究
| 论文题名： | 雾霾天气条件下能见度的检测与恢复算法研究 |
| 关键词： | 道路能见度;图像处理;大气散射模型;暗通道先验算法;引导滤波算法;深度学习;雾霾天气 |
| 摘要： | 近年来，国内雾霾污染已呈现常态化的趋势，雾霾的治理问题成为了当今社会各界的关注重点之一。雾霾天气的发生，以及其引起的能见度降低的问题，不仅危害人类的身心健康，更是给人类的活动与出行带来了极大的困扰。特别地，大气能见度对于交通运输中的参与者都有着重要的影响，尤其是突发性的雾霾天气，严重危害了驾驶人员的行车安全。因此，道路的能见度检测已经成为了智能交通系统一个重要的组成部分。具体而言，本文针对雾霾天气条件下的能见度检测与恢复问题，分别提出了以下研究要点： 首先，现有的能见度检测设备和方法存在着性价比低或者适用性差等方面的问题，如何有效的检测大气能见度值显得至关重要。针对这一问题，本文采用图像处理的方法进行雾霾天气能见度的估计算法研究。首先介绍了大气散射模型，然后结合暗通道先验和引导滤波算法进行了雾霾图像透射率图的精细化估计，最后根据光学能见度与大气消光系数的关系给出了雾霾能见度的估计值。其中，本文通过获取车道线起点和终点信息对大气消光系数进行了近似估计。大量实验结果进一步地验证了该估计算法的精确性。 其次，根据高速公路相关的法律规定，提出了一种基于深度学习的雾霾图像能见度检测模型，实现了能见度等级的快速识别。具体做法是：首先采集大量的道路监控图像创建包含训练和测试样本的雾霾图像数据库，并使用暗通道先验算法计算图像的能见度值进行数据库的打标签操作，然后分别采用一个三层和五层的卷积神经网络在Caffe深度学习平台上进行分类模型的训练，最后通过实验的对比验证了模型的有效性。 最后，考虑到车载相机的普遍应用，提出了一种改进的暗通道先验算法进行雾霾图像的恢复研究。该方法首先基于暗通道先验得到初始透射率图，进一步针对软抠图透射率估计算法时间复杂度较高的问题，提出了基于交叉相对总变差模型的精细化透射率估计新方法。与交叉双边滤波、引导滤波等已有算法的实验结果比较显示，本文算法能够获得精度更高的透射率图以及视觉感知更佳的去雾霾图像。 |
| 作者： | 许艳丽 |
| 专业： | 图像处理与图像通信 |
| 导师： | 李海波 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京邮电大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
