论文总字数：16193字

摘 要

在世界经济和科技迅速发展的大环境里，大气能见度过低产生的影响越来越明显，最近几年的时间里，很多重大的交通事故发生的原因都是由于雾天能见度过低而人们没有提前预知导致的。大气能见度代表着我们所生活的环境中空气质量的好坏，能见度较低代表空气中的污染物颗粒以及悬浮颗粒含量较高，对人体伤害较大，雾天能见度低在对我国经济发展产生危害的同时，更加严重的影响到了我国人民的生命和财产安全。因此能见度的识别显得尤为重要。

本文主要研究基于图像分析的能见度识别，其中为了表征图像能见度，以雾天和非雾天表示能见度好和不好。为了基于图像识别出图像是否能见度好，首先研究能见度的影响机理，然后能见度的识别方法，为了使用机器学习的方法识别图像能见度，分别研究了决策树和支持向量机（SVM），然后根据图像的暗通道理论提取图像暗通道直方图，根据直方图为特征，使用决策树和SVM判别图像的能见度。最终使用暗通道直方图为特征并使用决策树为分类器时通常识别准确率达到百分之七十，而使用高斯核函数的SVM分类时偶尔准确度能达到百分之九十，平均准确度约为 百分之八十，基本完成了图像能见度的识别。

关键词： 图像能见度；暗通道直方图；SVM

ABSTRACT

In the whole environment of the rapid development of the world"s economy and science and technology,the impact of low visibility is more and more obvious. In recent years, many major traffic accidents have occurred because foggy visibility is too low and people have not foreseen in advance. Caused. Atmospheric visibility represents the quality of the air in the environment we live in. The lower visibility means that the pollutant particles in the air and the suspended particles are high, which does harm to the human body. The low visibility in fog is harmful to China"s economic development. Meanwhile, it has more seriously affected the lives and property of our people. Therefore, the identification of visibility is particularly important.

This paper mainly studies the visibility recognition based on image analysis. In order to characterize image visibility, foggy and non-foggy days indicate good and bad visibility. In order to identify whether the image is good or not based on the image, firstly study the influence mechanism of visibility, and then the visibility identification method. In order to identify the image visibility using machine learning method, the decision tree and support vector machine (SVM) are studied separately, and then according to the image. The dark channel theory extracts the dark channel histogram of the image. According to the histogram, the decision tree and SVM are used to discriminate the visibility of the image. Finally, the dark channel histogram is used as the feature and the decision tree is used as the classifier. The recognition accuracy is usually 70%, while the SVM classification using the Gaussian kernel function can occasionally achieve 90% accuracy. The average accuracy is 90%. About 80%, the image visibility is basically completed.

Keywords: image visibility; dark channel histogram; SVM

目录

摘要...........................................................................I

Abstract .....................................................................II

第一章 引言....................................................................1

1.1选题意义及背景............................................................1

1.2国内外研究现状............................................................1

1.3本文主要内容及篇章结构....................................................2

第二章 能见度检测基础技术.....................................................3

2.1能见度影响机理............................................................3

2.2能见度识别常用方法........................................................4

2.2.1人工观察法............................................................4

2.2.2散射法................................................................4

2.2.3摄像法................................................................5

第三章 分类技术研究............................................................7

3.1决策树....................................................................7

3.2支持向量机................................................................7

第四章 图像特征处理与能见度识别...............................................10

4.1图像特征提取.............................................................10

4.2能见度分类...............................................................12

第五章 结束语.................................................................14

致谢..........................................................................15

参考文献......................................................................16

第一章 引言

1.1选题意义及背景

大气能见度的好坏时刻影响着我们的生活品质，经济迅速发展的时代背景下，人们对出行交通工具的依赖程度不断提高，交通运输领域在我们的生活中的作用也变得越来越重要，但是在恶劣天气如雨、雪、雾霾下，公路的交通运输受到很大影响，交通滞留、道路封锁甚至重大交通事故，给人们的生活及生命财产安全都带来了很大的隐患^[1,2]。近些年来，空气污染的强烈影响下，我国雾霾天气所占的比重愈来愈大^[3,4]。在2016年冬季甚至出现了全国大范围的雾霾红色预警局面，京津冀及周边23个城市的相继雾霾红色预警状况，造成了交通系统的全面瘫痪，高速公路封锁、飞机航班延误、铁路停运、机动车限行等局面，同时对人们的生命财产造成了很大的威胁。

伴着世界科技和经济的迅速腾飞，大气能见度过低所带来的影响日益明显，最近几年的时间里，很多重大的交通事故发生的原因都是由于雾天能见度过低而人们没有提前预知导致的。大气能见度代表着我们所生活的环境中空气质量的好坏，能见度较低代表空气中的污染物颗粒以及悬浮颗粒含量较高，对人体伤害较大，雾天能见度低在对我国经济发展产生危害的同时，更加严重的影响到了我国人民的生命和财产安全。虽然我们无法避免恶劣天气因素的发生，但对危险情况的提前预测同样可以带来很大的安全保障，尤其是对雾天能见度的监测，可以极大程度的减少交通事故发生的概率^[5]。因此对于雾天能见度检测与预测方法的研究，不仅有利于人们的身体健康，还能够为人们的生活出行安全提供重要导向。随着高速公路建设的不断完善以及我国汽车个人保有的不断普遍，对大气能见度的检测和预测要求越来越高，对雾天能见度检测及预测方法进行研究已成为亟待解决的问题。

1.2国内外研究现状

20世纪初期Koschmieder提出的Koschmieder定律首次对能见度展开了研究，传统的能见度仪器有着高昂的价格，遇到恶劣天气时容易受到影响从而降低测量精度。近些年电子技术的迅速发展，基于数字摄像的能见度检测逐渐拉开序幕。

剩余内容已隐藏，请支付后下载全文，论文总字数：16193字