登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 文献综述 > 理工学类 > 数学与应用数学 > 正文

恶劣天气图像数据中灭失系数的估计—基于机器学习方法文献综述

 2020-05-01 08:48:22  

1、 选题目的和意义: 雾霾对交通出行影响很大,准确估计能见度对交通通行具有重要的现实意义。

众所周知,道路上视频监控很容易获取。

同时,我们不难发现,在晴空和有雾状态下的图像具有明显的差异。

能否利用不同时刻的图像数据来实时估计能见度是一个值得研究的课题。

而灭失系数是表达能见度的一个重要参数。

另外,机器学习是近年来热门研究领域。

利用机器学习的方法,针对恶劣天气图像数据估计灭失系数是本课题的目标。

2、 国内外研究现状: 随着环境污染越来越严重,雾霾天变得越来越频繁,对雾霾的严重程度和何时能消散进行研究对于减少交通事故,保障人民生命和财产的安全具有十分重要的意义,因此这也是众多中外学者关心和研究的问题。

随着计算机技术的发展和道路交通通讯设施的完善,以机器学习为方法利用计算机对雾霾天图像进行处理来研究这一问题已越来越引起重视。

在1999年ICCV会议(国际计算机视觉大会)上,Shree K. Nayar和Srinivasa G. Narasimhan[1]提出,计算机视觉系统必须包括能够使它们在烟雾、雾、雨、雹和雪的存在下运行的机制,因为在现实中我们无法摆脱恶劣天气的干扰,对此,他们开发了用于从恶劣天气条件下拍摄的图像中恢复相关场景属性(例如三维结构)的模型和方法。

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图