基于机器视觉的大气能见度测量方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 常用的能见度测量方法 | 第9-13页 |
| 1.2.1 目测法 | 第9-10页 |
| 1.2.2 器测法 | 第10-13页 |
| 1.3 基于机器视觉的能见度测量研究现状 | 第13-14页 |
| 1.4 研究内容与章节安排 | 第14-16页 |
| 2 基于机器视觉的能见度测量系统 | 第16-24页 |
| 2.1 测量系统设计 | 第16页 |
| 2.2 图像处理 | 第16-22页 |
| 2.2.1 边缘检测 | 第17-19页 |
| 2.2.2 膨胀与腐蚀 | 第19-21页 |
| 2.2.3 对比度增强 | 第21-22页 |
| 2.3 图像特征提取 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 基于暗通道先验理论的能见度测量 | 第24-36页 |
| 3.1 能见度测量原理 | 第24-25页 |
| 3.2 基于暗通道的能见度测量原理 | 第25-28页 |
| 3.2.1 雾霾图像物理模型 | 第25-26页 |
| 3.2.2 暗通道先验理论 | 第26-28页 |
| 3.3 暗通道算法研究与改进 | 第28-33页 |
| 3.3.1 去雾系数的选取 | 第28-29页 |
| 3.3.2 目标区域的选取 | 第29-30页 |
| 3.3.3 透射率的求取与优化 | 第30-33页 |
| 3.4 实验与分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于图像ROI的单区域能见度测量模型 | 第36-54页 |
| 4.1 图像预处理 | 第36-44页 |
| 4.1.1 图像ROI粗定位 | 第36-37页 |
| 4.1.2 图像ROI匹配 | 第37-43页 |
| 4.1.3 图像分区 | 第43-44页 |
| 4.2 基于暗通道先验理论 | 第44页 |
| 4.3 基于局部图像对比度 | 第44-47页 |
| 4.3.1 Sobel滤波 | 第45-46页 |
| 4.3.2 图像梯度 | 第46-47页 |
| 4.4 模型训练与实验结果分析 | 第47-52页 |
| 4.4.1 最小二乘法 | 第47-48页 |
| 4.4.2 实验结果与分析 | 第48-52页 |
| 4.5 本章小结 | 第52-54页 |
| 5 基于图像ROI多区域的能见度测量模型 | 第54-66页 |
| 5.1 合并图像单区域 | 第54-56页 |
| 5.2 建立能见度测量模型 | 第56-59页 |
| 5.2.1 多元线性回归 | 第56-57页 |
| 5.2.2 M5’回归树 | 第57-59页 |
| 5.3 模型训练与评估 | 第59-60页 |
| 5.3.1 监督学习 | 第59页 |
| 5.3.2 交叉验证 | 第59-60页 |
| 5.4 实验结果与分析 | 第60-65页 |
| 5.5 本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表的学术论文 | 第74页 |
