雾天多次散射对激光透射仪能见度测量的影响

为了分析雾天多次散射引起的激光透射仪能见度测量误差，结合激光大气透射仪的系统参量，基于平流雾和辐射雾分布模型，采用蒙特卡洛法对激光在雾中的传输特性进行了理论分析和数值模拟，获得了雾天透过率数据，并计算得到了多次散射引起的能见度误差。结果表明，在雾天气下随着空气中含水量的增多，多次散射越明显，透过率测量误差越大，辐射雾的透过率相对误差高达116.76%；同等条件下，当接收机直径为100cm时，辐射雾多次散射引起的能见度测量误差为19.30%；同时选取较小的接收机直径可以减小多次散射引起的能见度测量误差。因此, 在雾天应用激光透射仪进行能见度测量时，需考虑多次散射的影响。此研究结果对实际雾天气下激光大气透射仪能见度的测量具有重要的指导意义。     

基于多通路融合网络的高速公路雾天能见度等级识别

雾天是影响高速公路交通安全的重要因素。研究从监控图像进行高速公路雾天能见度的自动识别方法可以为交通管理部门的智能管理和决策提供技术支持。根据大气散射模型分析出与雾浓度相关的多个物理因素,提出了综合这些物理因素的多通路融合识别网络。该网络使用三个通路联合学习深度视觉特征、传输矩阵特征和场景深度特征,并设计注意力融合模块来自适应地融合这三类特征以进行能见度等级识别。同时构建了一个合成数据集和一个真实的高速公路场景数据集,用于网络参数学习和性能评估。实景数据集中的图像是从中国多条高速公路的监控视频中收集的。在这两个数据集上的实验表明,所提方法可以适应不同的监控拍摄场景,能够比现有方法更准确地识别能见度等级,有效提升了识别精度。     

可见光-远红外图像的多模态能见度深度学习模型

为了增强能见度深度学习模型在小样本条件下的准确率和鲁棒性,提出一种基于可见光-远红外图像的多模态能见度深度学习方法.首先,利用图像配准获取视野范围与分辨率均相同的可见光-远红外输入图像对;然后,构造三分支并行结构的多模态特征融合网络;分别在可见光图像、远红外图像及其累加特征图中提取不同性质的大气特征,各分支的特征信息通过网络结构实现模态互补与融合;最后在网络末端输出图像场景所对应的能见度的等级.采用双目摄像机收集不同天气情况下的室外真实可见光-远红外图像作为实验数据,在不同性能指标、多角度下的实验结果表明,与传统单模态能见度深度学习模型相比,多模态能见度模型可显著提高小样本条件下能见度检测的准确率和鲁棒性.     

能见度与缺失分析的改进PageRank算法

本文在对PageRank进行分析的基础上,提出了基于链接能见度和缺失分析的改进PageRank算法,该算法根据链接不同特性赋予它不同的点击概率,同时分析了缺失率产生的原因并提出相关改进措施.通过试验系统的收集了四个数据集合上证明该算法较原PageRank在缺失率上会下降,且计算性能效率会提高.     

高速公路雾天通行保障与导航系统研究

高速公路雾天行车存在着严重的安全隐患,针对雾天能见度低对高速公路产生的影响,提出了一种新颖的、行之有效的解决方法,并且实现了其主体部分的功能.     

热门游戏榜 寂静岭:归乡

系列游戏背景《寂静岭》系列是PS时代诞生的游戏,游戏以"大雾"的背景来烘托对未知的恐惧,在能见度极低的大雾中突然出现一些长得极为恐怖的怪物确实能够让人不寒而栗,这成为了《寂静岭》的标志之一。在怪物设计上,"寂静岭"系     

基于马尔算法的高速公路视频监控图像能见度研究

根据高速公路沿线的监控摄像机,对监控视频画面中的图像进行采集,通过对视频图像特征的分析处理,建立图像与真实场景之间的关系,根据图像特征随着真实场景的变化,运用图像处理的方法如：灰度变换、图像分割和特征提取等对图像进行图像处理,提出运用马尔算法,分别提取出目标物与背景,并将其逐一进行背景差计算,能够准确的监控图像中汽车的位置变化,确定目标物的位置,进而判别出能见度的大小。     

CAN总线在新型能见度预警系统中的应用

对高速公路的能见度状况进行全天候实时全程监测具有重要意义.本文利用CAN总线价格低廉、可靠性高、结构灵活等优点,将其应用于研制的新型高速公路能见度预警系统,并详细介绍了系统的通信设计,从而为实现对高速公路的能见度状况进行全天候实时全程监测提供了解决途径.     

一种边缘保护的低能见度水下图像增强方法

针对低能见度水下图像对比度差、噪声强、边缘模糊,严重影响人工判读及图像分割等处理的特点,提出一种基于快速Curvelet变换的低能见度水下图像非线性增强方法。首先对低能见度水下图像进行Curvelet分解;基于Sigmoid函数构造分段非线性增益函数以增强低频子带的大系数并衰减小系数,从而有效提高图像的整体对比度;结合阈值去噪对高频子带系数进行非线性增强,在去除噪声的同时保护边缘细节;经Curvelet重构得到增强图像。实验结果表明,与直方图均衡化、多尺度Retinex增强及小波变换增强等经典方法相比,该方法在提高图像整体对比度、抑制背景噪声的同时,更好地保护了水下目标的边缘细节。