计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
3期
892-897
,共6页
大气能见度%空域%频域%傅里叶变换%周向谱%监督学习
大氣能見度%空域%頻域%傅裏葉變換%週嚮譜%鑑督學習
대기능견도%공역%빈역%부리협변환%주향보%감독학습
atmospheric visibility%spatial domain%frequency domain%Fourier Transform (FT)%circumferentialdirection spectrum%supervised learning
大气能见度不仅影响海路空交通运输和居民出行,而且是空气质量检测的主要指标.现有基于图像处理的能见度评测方法存在采用固定公式计算、稳定性差、对适用环境要求苛刻等问题.能见度监督学习测量方法直接从观测场景图像中提取空域边缘相关特征与频域能量分布特征构成高维特征向量,无需人工设立目标物或对观测场景建模.它通过k最近邻(kNN)选取与待测图像相似样本进行支持向量回归机(SVR)的训练,动态构建图像特征与能见度之间的学习模型,将各种能见度影响因子隐藏于模型内.对自然场景的测量实验结果表明,该方法的测量正确率最高可达96.29％,且具有良好的稳定性和实时性,操作简单,便于大规模推广.
大氣能見度不僅影響海路空交通運輸和居民齣行,而且是空氣質量檢測的主要指標.現有基于圖像處理的能見度評測方法存在採用固定公式計算、穩定性差、對適用環境要求苛刻等問題.能見度鑑督學習測量方法直接從觀測場景圖像中提取空域邊緣相關特徵與頻域能量分佈特徵構成高維特徵嚮量,無需人工設立目標物或對觀測場景建模.它通過k最近鄰(kNN)選取與待測圖像相似樣本進行支持嚮量迴歸機(SVR)的訓練,動態構建圖像特徵與能見度之間的學習模型,將各種能見度影響因子隱藏于模型內.對自然場景的測量實驗結果錶明,該方法的測量正確率最高可達96.29％,且具有良好的穩定性和實時性,操作簡單,便于大規模推廣.
대기능견도불부영향해로공교통운수화거민출행,이차시공기질량검측적주요지표.현유기우도상처리적능견도평측방법존재채용고정공식계산、은정성차、대괄용배경요구가각등문제.능견도감독학습측량방법직접종관측장경도상중제취공역변연상관특정여빈역능량분포특정구성고유특정향량,무수인공설립목표물혹대관측장경건모.타통과k최근린(kNN)선취여대측도상상사양본진행지지향량회귀궤(SVR)적훈련,동태구건도상특정여능견도지간적학습모형,장각충능견도영향인자은장우모형내.대자연장경적측량실험결과표명,해방법적측량정학솔최고가체96.29％,차구유량호적은정성화실시성,조작간단,편우대규모추엄.
