一种基于实景图像的低能见度识别算法

为了利用大量视频监控设备提高能见度数据采集密度,提出一种基于实景图像转换的、采用简单卷积神经网络分类提取能见度等级的算法。该算法假设视频设备水平安装且具备开阔视野, 对原始视频图像进行水平分块,提取各分块的梯度、饱和度和亮度信息组成新的图像,基于简单卷积神经网络建模。采用2019年9月—2020年12月上海洋山港气象站29668张视频图像进行训练,建立识别模型,并采用2021年1—5月5757张视频图像对模型进行测试。采用该算法建立的模型参考雾的预报等级(GB/T 27964—2011)将能见度分为5个等级进行检验,白天准确率为87.99%,夜间准确率为81.32%,优于直接采用AlexNet模型。对1000 m以下低能见度天气的识别准确率达95%以上。利用现有的视频摄像头,可有效弥补气象站点能见度仪数据不足的问题,在气象业务上有一定的应用价值。     

基于全视野数字图像的能见度估算方法

基于全视野数字图像的能见度估算方法是将全视野图像大气透射率与大气能见度通过曲线拟合方法建立联系,得到估算模型进行能见度估算。首先通过历史全视野图像和对应时刻的大气能见度建立样本数据集,再利用暗原色先验理论获取全视野图像大气透射率,通过多项式拟合方法建立离散样本数据集中大气透射率与对应时刻大气能见度的关系,即全视野图像能见度估算模型,最终将所需估算时刻的数字图像输入估算模型进行能见度估算,得到大气能见度数值。结果表明:建立的基于全视野数字图像能见度估算模型在环境光照均匀时大气能见度估算值与能见度实测值有较好的一致性,可作为前向散射仪的补充观测方法,弥补其采样存在的局限性。     

基于迁移学习和Xception网络的海雾能见度等级估测研究

采用基于Xception卷积神经网络算法构建了一个海雾能见度识别的框架,通过对海雾能见度探测设备同位置摄像头监控图像的采集,将图像样本结合能见度数据进行标签分类,利用迁移学习结合Xception网络进行训练,提取图像能见度特征,构建能见度等级估测模型,实现能见度等级的估测。通过对浙江省宁波市北仑区三山大闸摄像头监控进行图像的采集,抽取万余有效样本进行训练,进行能见度等级识别结果分析,结果显示模型识别精度可达99.36%,验证集准确率可达99.20%。基于Xception算法的海雾能见度等级估测方法如果在数据集健康准确的情况下,能够满足海雾能见度实时性和识别准确率的要求,可以作为未安装能见度探测设备地区的能见度等级辅助监测方法。     

地基可见光全天空云图云量图像处理识别方法

为增强地基可见光全天空云图中云与天空的特征和区别,提高云检测率,基于图像复原和图像增强技术提出一种改善云图质量的方法。该方法采用暗通道去雾算法进行图像复原;采用亮度直方图均衡增强图像纹理细节;综合两种方法,先图像复原,再图像增强。按低能见度薄云、低能见度厚云、高能见度薄云、高能见度厚云4种情况分别进行讨论,结果表明:除高能见度薄云采用单一的图像复原使云检测效果降低外,图像复原和图像增强都能使云检测和云量识别准确率提高;综合二者,云检测和云量识别准确率进一步提高;该方法对薄云和低能见度云图的改善最为显著。     

农作物实景监测中的图像数据质量控制方法研究

农作物实景自动监测系统具有自动、非接触、非破坏性等优点,是传统农业气象观测的补充。开展图像质量控制是合理使用农作物实景自动监测系统资料的基础。利用郑州、泰安和固城三地的历史农作物实景图像资料,设计了基于颜色特征参数检测和基于暗通道先验直方图检测的图像数据质量控制方法。通过对2010—2012年三年夏玉米和冬小麦等不同天气条件下得到的农作物实景自动观测资料进行质量控制与应用效果检验。结果表明:两种质量控制方法均可判断出农作物实景自动监测系统中图像观测资料的异常数据;基于颜色特征参数检测方法可有效识别出像素缺失图像,准确率达100%;基于暗通道先验直方图检测方法能有效识别出污染图像,平均准确率为95.7%,平均召回率为87.5%。该质量控制方法可减小模型估算值与观测数据之间的误差,目前已应用于省级农业自动观测业务系统。     

基于多尺度融合网络的高速公路能见度估计北大核心

为了实现近实时公里级的高速公路能见度监测,提出了一种基于多尺度融合网络的能见度估计方法。首先,从道路监控视频中提取道路场景图像,并对图像进行质量控制;分别采用引导滤波、光谱滤波、景深估计模型从路面场景图像中提取细节结构特征、光谱特征与场景深度特征;然后,构建多尺度融合网络自适应融合结构特征、光谱特征与场景深度特征,并从中提取能见度特征;最后在网络末端输出图像场景所对应的能见度等级。此外,为了训练与测试模型,构建了真实道路场景图像数据集,共包含18 000张标注图像。实验结果表明,多尺度融合网络可显著提升高速公路能见度估计的准确性,能见度等级分类准确率可达81.76%。     

基于高速公路视频图像的能见度计算

能见度作为重要的气象观测因素之一,影响高速公路行车安全.基于视频资料的能见度计算方法类似于人眼的感知方式,具备对恶劣天气条件和复杂场地的适应性.基于安徽省2016年10月17日、12月1日和7日的3次大雾天气过程,选取跨省分布的3个高速公路站点,使用对应时次下视频图像灰度值均方差与能见度观测值建立计算模型.结果表明：1）随着大雾天气过程变化,模型计算结果较好体现了能见度的变化规律,对高速公路行车具有指导意义;2）基于视频图像的能见度计算方法类似于人眼观测,能见度越高,人眼分辨地物清晰度越高,图像均方差越大;3）由于监测原理和环境差异,能见度测量值与模型计算结果之间存在误差,理论上大雾空间分布越均匀,能见度仪和监控摄像头距离越近,计算误差越低.     

对比法测量气象能见度的理论分析

本文从能见度定义出发,提出了一种新型的能见度测量方法——对比法。对比测量法就是以自然水平天空为背景,人工设定一个亮度可调的目标物,用同一测量系统分别测量目标物亮度与天空背景亮度的差异,当该差值小于某设定阈值时,就认为该目标物的视亮度与天空背景亮度相同,根据目标物的实际亮度值就可以计算出大气透过率,进而计算气象能见度。采用检测目标物亮度与天空背景亮度对比确定气象光学距离方法的优点在于：理论上采用能见度定义,满足目标物刚好“可见”条件,实际使用中只需要人工目标物设计成亮度多级重复循环变化,对于接收端仅需要测量亮度差是否达到预先设定值进行判断。只要人工目标物有足够的亮度重复精度,就能保证测量结果的准确性,而检测器实质上是一个差分检测放大系统,这种差分电路对于共模信号都有较好的抑制能力,并且不需要测量绝对光强度,可以降低技术工艺方面要求。本文从理论推导人手,根据实际情况进行了必要的简化,得出对比法的计算公式,最后根据实际天空背景亮度变化情况给出了人工目标物亮度的变化范围。     

基于视频监控的能见度测量

针对目前白天气象能见度观测的手段和方法,提出了利用视频监控进行能见度测量的思路,同时设计基于边缘存量的神经网络能见度检测算法并获得了与前向散射能见度仪相近的测量结果,能有效测量气象能见度值,有助于实现利用分布较广的多点监控视频补充前向散射能见度仪的单点测量,从而可得到格点更为精细的能见度测量结果。     

晴空与有云大气辐射分布的数值模拟及其对全天空图像云识别的应用

全天空图像自动云识别的研究相对来说是一项较新的研究领域。当前国际上较为通用的全天空图像云识别方法主要依靠图像蓝红灰度值对比的阈值方法进行判断。然而非洁净大气中气溶胶的增多给云识别增加了难度,同时太阳高度角不同天空色度分布情况也不同。文中利用Libradtran辐射传输模式,计算了不同能见度不同太阳高度角情况下3个典型波长(450,550,650nm;蓝/绿/红)无云及有云大气的天空辐亮度分布情况,并进行了比较分析。结果表明,相同太阳高度角情况下,无云及有云大气中蓝红比值随能见度的下降呈单调下降趋势。在特定的云光学厚度和能见度情况下,天空色度彼此呈现出类似的分布状况。全天空图像阈值判断云识别自适应算法的建立需要与太阳高度角、地面能见度联系起来。当前尚无法建立一个判断阈值随太阳高度角以及能见度变化的函数关系式。较为可行的办法是建立典型能见度、典型太阳高度角情况下的辐射信息库,在具体云识别时,首先确定太阳高度角,而后根据天空辐射比情况确定天空能见度,并利用辐射信息标准库做云或非云判别。该工作为全天空云识别算法提供判别依据,同时建立云识别随能见度和太阳高度角变化的判别信息库。     

双亮度差方法测量白天气象能见度时的误差分析

对数字摄像能见度观测系统采用双亮度差方法测量白天气象能见度时非标准观测条件引起的误差进行理论分析, 并给出了相应的误差控制措施。结果表明:对于正南、正北方地平线附近天空亮度的分布, 除了天空布满均匀云层和晴天的中午较为均匀以外, 其他时刻垂直相对梯度都较大, 通常在4%/°～10%/°范围内, 而水平相对梯度大多较小, 低于2%/°;不同组的目标-背景视线方向不一致是不容忽视的一个误差源, 为了限制和最大程度地减小其不利影响, 最好选择具有相同视线仰角的目标物和天空背景, 且视线方位角的差异越小越好;可对目标物两侧的天空背景的亮度进行测量, 内插获得与目标物视线方向一致的天空背景的亮度;视线方向上气柱照明不均匀会导致测量误差且人工无法调控, 应尽量选择下垫面特性较为均匀的观测场地, 通过多次采样平均在一定程度上能够减小其影响, 也可实时监测视野范围内场地和天空的亮度分布, 识别较差的照明状况以免获得误差较大的观测记录;利用树木、草丛、山体、墙壁和窗户等暗目标物难以满足双亮度差方法对观测条件的要求, 最好采用反射率足够低的人工实用黑体目标物。     

高速公路夜间大雾图像特征及其识别

基于高速公路夜间交通监控图像,选择其附近能见度自动监测数据作为图像是否有大雾的标准,分析有雾或无雾环境对光源及其成像的影响,提取相应的特征值,利用支持向量机的方法建立了大雾识别模型。结果表明:大雾存在时空气消光系数增大,LED电子显示屏、车灯等光源在图像上呈现出亮度减弱而梯度小,散射较明显的特点;纹理特征表明有雾时图片纹理简单、纹理较浅分布均匀,像素之间相关性大,无雾时则反之;模型评估得出临界成功指数为0.74,虚警率为0.18,有较好的识别效果。     

基于多灰度共生矩阵特征值的黄渤海白天海雾识别算法

本文基于多灰度共生矩阵特征值,即相关性、对比度、同质性和能量,进行联合海雾遥感判识,提出一种高准确率黄渤海白天海雾识别算法。采用第二代静止气象卫星FY-4A可见光、近红外和红外数据,将该算法应用于黄渤海区域白天海雾判识,并利用2019—2020年沿黄渤海气象站点能见度实测数据及CALIPSO卫星数据产品对本算法识别结果进行精度验证。结果表明：海雾识别平均检测率(POD)为92%,误报率(FAR)为27%,临近成功指数(CSI)为69%,可以实现对海雾的动态监测,为海上交通等领域提供较好的数据支持。     

前向散射式能见度仪示值对比及标定方法研究

实时、准确的能见度测量数据对指导交通监测预警和空气质量评价具有重要意义。叙述前向散射式能见度仪测量原理,介绍能见度实验室内的检测技术和检测方法。基于安徽省大气探测技术保障中心研制的能见度环境模拟方舱,对3个国产厂家的前向散射式能见度仪进行检测,对比了能见度仪示值的一致程度,分析了影响示值偏差的原因。针对我国目前未建立能见度量传体系现状,提出了标定厂家系统常数以减少测量误差的方法。研究结果表明:同一厂家生产的前向散射式能见度仪测量结果一致性相对较好。能见度小于1.5km时,标准偏差均值最大为131.3m。能见度在1.5~10km时,标准偏差均值最大为457.4m。不同厂家生产的能见度仪示值偏差较大,能见度在1.5~10km时,最大相对误差均值达到-40.9%。重新标定系统常数后,能见度仪示值一致性明显提高。     

3种阈值方法在闪电通道图像识别中的应用

该文实现了3种常见的阈值算法在闪电通道识别中的应用。针对某些闪电通道图像对比度较低的特点,首先对原始图像去除背景光照不均的影响并进行图像增强,再根据所处理的闪电通道图像的具体情况,选择全局自适应阈值法、局部自适应阈值法或基于Otsu自适应阈值的Canny算子对增强后的图像进行边缘检测,进而对闪电通道进行识别。对所提取到的闪电通道进行形态学和细化处理,最终提取到由连续的像素点序列表示的闪电通道。针对数字图像中闪电通道背景的不同特点,文中提到的3种阈值方法能够有针对性地对不同图像进行通道检测,在保证准确获得清晰边缘信息的同时,较好地兼顾了对弱边缘信息的提取,有效保证了对闪电通道的识别效果。     

基于NOAA/AVHRR卫星资料的北京地区霾识别研究

利用2008—2013年NOAA/AVHRRlB卫星资料和气象观测资料,应用米氏散射理论、图像色彩处理技术、频数分布图和可见光通道表观反射率阈值技术,开展了北京地区霾的遥感识别研究,并在京津冀地区进行了应用。研究结果表明:易于识别的霾在NOAA/AVHRR遥感图像上一般以1、2、1波段或4、2、1波段进行红、绿、蓝三通道假彩色合成.图像颜色以灰色、紫色和蓝色三大系列为主;一般仅靠遥感图像难以识别霾与轻雾,但借助先验知识、周围环境和图像色彩.可在一定程度上区分霾与轻雾;NOAA/AVHRR图像的第一波段表观反射率作为光谱指标可以对霾进行较好识别,反射率识别指标值分别为:冬季0.15～0.32,春季0.15～0.30,夏季0.14～0.30,秋季0.14～0.32;指标对霾的有效识别准确率为82%。利用上述建立的颜色指标和光谱指标可以较好地对2013年1—3月发生在京津冀地区的雾霾进行有效监测。     

不同场景下的交通能见度估算模型的应用

能见度监测是交通出行安全的重要保障,尤其对机场和高速公路的大范围低能见度的监测和预警更为重要.在传统人工目测方法的基础上,以激光透射能见度仪为代表的仪器测量方法更为准确,但存在探测范围小、维护成本高、全覆盖耗资大的局限性.为了克服以上缺陷,使交通能见度的估计更为灵活、高效,本文基于机场气象站点观测数据、机场大雾以及高速...     

DNQ3型能见度仪故障分析及校准方法研究

为有效提高国家气象观测站能见度数据的准确性,确保能见度自动观测连续不断,对能见度仪开展故障维修、核查校准和疑误数据质控等工作显得非常重要。该文通过DNQ3型前向散射能见度仪的硬件结构和基本工作原理的介绍,以及对一些典型故障进行分析,总结出能见度仪的检测维修流程,归纳了对应的故障解决措施,凝练出该型能见度仪的核查校准和疑误数据质控方法,为一线业务人员排查能见度仪常规维护、故障排查、运行监控等提供借鉴。     

近地面太阳紫外线辐射强度分析与预报

利用2003年3月至2004年2月日照市气象台观测的太阳紫外线辐射强度资料及对应的云量、能见度、湿度气象资料,通过对气象因子与紫外线辐射强度关系的定量分析,建立了单因子识别紫外线辐射强度的数学模型。选用单因子贡献度的数学累积值计算多因子综合贡献度,通过多级判别分析,确定综合贡献度与紫外线辐射强度等级的对应关系。根据数值模式输出产品的解释应用结果,对紫外线辐射强度等级做预报。2004年3～4月试运行结果较好。     

多元动态逐步回归方法在北京地区能见度预报中的应用

基于2016年冬季的观测资料和ECMWF细网格240 h气象要素预报资料,选用与能见度变化相关的水汽、动力、热力等因素作为预报因子,利用多元动态逐步回归方程对北京地区未来10 d的能见度进行预报研究。同时将能见度分为3个等级:1 km、1～10 km(低能见度)和≥10 km,并从区域平均、空间分布及3次低能见度过程个例进行预报效果检验。多元动态逐步回归方法对北京地区的能见度及其变化趋势均有一定预报能力且效果稳定,其中≥10 km等级的能见度预报效果最好,TS评分为64.2%,其次是1～10 km,TS评分为53.1%,最后是1 km,TS评分为51.3%;两个低能见度等级中平原地区预报效果优于山区,表现为从东南向西北递减的特征;而≥10 km等级的呈相反变化,预报效果山区优于平原地区;北京地区3次雾霾过程个例预报也证实动态逐步回归方法能够较好预报北京地区持续性低能见度过程。