专利名称: | 基于图像学习的能见度测量方法 |
摘要: | 本发明公开了一种基于图像学习的能见度测量方法。本发明利用现有摄像头拍摄的场景图像,预处理并提取图像中符合人眼视觉特征的局部对比度作为图像特征,进行机器学习,并验证训练数据,去除训练数据中误差较大的值,重新建立模型。通过单幅场景图像自动计算当前能见度值。本发明考虑了因图像中传输通道噪声等引起的误差,和训练学习数据中存在的偏差,提高了能见度测量结果的准确度,所述的能见度测量方法适用于任何天气条件下(雾、雨、雪、扬沙等)气象能见度的实时测量,适用于公路、气象观测站等任何需要监测能见度的场所。 |
专利类型: | 发明专利 |
国家地区组织代码: | 北京;11 |
申请人: | 郝红卫;殷绪成 |
发明人: | 郝红卫;殷绪成 |
专利状态: | 有效 |
申请日期: | 2011-09-28T00:00:00+0800 |
发布日期: | 2019-01-01T00:00:00+0800 |
申请号: | CN201110289744.6 |
公开号: | CN102509102A |
分类号: | G06K9/62(2006.01)I |
申请人地址: | 100083 北京市海淀区学院路30号 |
主权项: | 一种基于图像学习的能见度测量方法,其特征在于,利用现有摄像头拍摄得到的场景图像,无需专门设置目标物与架设摄像头,主要步骤包括图像训练过程和测试过程:图像训练过程包括读入图像及相应能见度(2),灰度化图像并提取感兴趣区域(3),图像配准和滤波(4),计算局部对比度(5),所有训练图像全部读取完毕后,将局部对比度作为输入、能见度值作为输出、训练模型(7),保存训练好的模型(8),使用训练好的模型测试训练数据(9),计算结果的相对误差,若有大于50%的结果(10),去除结果中相对误差大于50%的训练数据(11) |
所属类别: | 发明专利 |