基于亮度对比度和暗原色先验原理的白天道路图像能见度检测方法

低能见度是对道路通行影响最为严重的气象要素之一。随着数字摄像技术和图像识别技术的发展以及气象和交通部门间信息共享工作的开展,利用高速公路沿线摄像头视频数据快速识别能见度成为提高能见度时空监测精度的重要手段。本文提出了一种基于亮度对比度和暗原色先验原理的白天道路图像能见度检测方法。首先根据霍夫变换直线检测方法提取道路兴趣域,然后根据亮度对比度方法检测人眼可分辨最远像素点,将其作为目标点,最后基于暗原色先验原理求取目标点的透射率,并根据能见度与消光系数的关系公式求取图像能见度值。利用安徽省京台高速吴玗北段和宁绩高速宁国互通段视频图像资料和邻近交通气象站能见度监测资料,采用绝对误差和能见度等级误差对能见度检测效果进行检验。结果表明,本方法对能见度的变化较为敏感,能见度等级的检测效果较好,准确度可达95%,对开展公路交通视频图像能见度识别工作具有较好借鉴应用意义。     

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、机场大雾以及高速公路低能见度图像,构建优化三种不同场景下的能见度估计模型,并探讨了不同模型的适用性。1)基于气象站点观测的能见度估计,运用相关系数矩阵和特征重要性分析筛选出相对湿度、温度、水平风速3个变量,并考虑昼夜分别构建三元三次多项式拟合模型,模型的决定系数(R²)可达0.9以上;2)基于机场大雾图像的能见度估计深度学习模型,利用尺度不变特征变换方法提取图像关键点的特征向量,输入全连接神经网络(fully connected neural network)模型,加快训练过程并提高模型的可解释性;3)基于高速公路图像的能见度估计的反演模型,根据暗通道先验理论和能见度测量基本方程,计算大气光亮度和透射率,并根据图像距离信息得到单目图像的能见度,该方法无须预置目标物和...     

全天空数字相机观测云量的初步研究

采用带有鱼眼镜头的数字相机拍摄全天空图像,对图像进行处理并分析,实现根据图像获取云量的目的。介绍了工作的基本原理和方法并给出初步实验结果。结果表明,用目前分析图像所获取的算法计算云量（与观测员记录相比）,平均误差在15％以内,结果的准确度受地面能见度影响较大,对能见度达15km以上的图像分析效果最好。     

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.     

夜间能见度的观测方法

大气探测中,夜间能见度的观测,是目前普遍存在问题较大的一个观测项目.本文通过长期对夜间能见度观测,摸索、积累一些经验,并提出一些做好夜间能见度观测的方法和要求.     

基于雾条件下能见度估算的导线覆冰气象模型

在总结分析导线覆冰模型理论框架及其影响导线覆冰增长强度的主要气象因子的基础上,根据四川省二郎山观冰站2006年1月—2009年3月的覆冰观测资料和同期常规气象资料,分析发现覆冰密度仅与气温相关显著,运用非线性回归分析建立了导线覆冰密度模型;利用能见度与液态水含量的转换关系估算了空气中的液态水含量及其输送指标,在此基础上建立了一个以气温、风速等常规气象观测要素为参数的导线覆冰模型,以便于工程应用。对模型拟合结果进行分析,实测冰厚和拟合冰厚之间的相关系数为0.8340,拟合冰厚的均方根误差为28.61 mm。     

基于神经网络的广州市能见度预报

在研究了广州市能见度变化特征及低能见度发生的主要影响因素的基础上,利用广州市环境监测站2007-2009年的空气污染物（PM10、SO2、NO2）监测数据及同期地面气象要素（10min平均风速、最大风速、气温、相对湿度、露点温度、气压、24h降水量）观测资料筛选出主要的预报因子,用径向神经网络建立预报模型,并对2009年9月1日到12月25日的能见度进行预报试验.结果表明径向神经网络预报模型在能见度低于10km时预报准确率明显高于统计回归预报方程.采用分级方法统计得出在未出现低能见度情况下,中低能见度,中高能见度预报准确率分别为80％,69.6％,均高于线性回归预报方程（40％,47.8％）.     

全天空成像仪云量计算方法的改进

全天空成像仪（total sky imager 440,TSI-440）可以实现白天全天空云量的持续自动监测,时空分辨率较高,得到的云量计算结果更精确.首先介绍了TSI-440的基本原理和资料格式,并基于太湖地区2008年5-10月的TSI-440资料及无锡站地面观测资料,采用统计方法详细地分析了不同天气情况下图像的成像特征及云量的计算误差.结果发现：图像的成像特征与能见度密切相关,红蓝比值随着能见度的减小而增大.另外,仪器在处理阴天图像及复杂天空（多云）图像时,易造成一定的云量计算误差.针对上述问题,本文通过直方图分析,重新选定了红蓝比阈值（晴空点阈值0.62,云点阈值0.66）,基于新阈值计算的云量结果较仪器自带的处理结果更为准确,减小了因天气状况不同而产生的云量计算误差.     

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。     

基于能见度数据分析的气溶胶吸湿增长特征研究

基于相对湿度、能见度等气象数据,分析气溶胶吸湿增长特性,有助于了解气溶胶对大气环境和区域气候的影响.利用南京地区2016年1-12月、2017年2-12月、2018年1-8月和12月相对湿度和能见度等数据,通过非线性拟合研究气溶胶吸湿增长因子(f(RH))与相对湿度(RH)之间的关系.结果表明,吸湿增长因子在RH值较低...     

双光路能见度测量方法和试验

双光路能见度测量系统是一种基于CCD (Charge-Coupled Device) 数字摄像和光在大气中衰减理论的能见度测量系统,首先设置远、近两个固定距离的特性相同的目标光源和背景装置,然后通过CCD拍摄所设置的目标光源和背景,拍摄的图像由1394数据线和图像采集卡传输到计算机,通过数字图像处理获取目标光源和背景的灰度信息,最终利用相应的算法计算能见度。试验表明:双光路能见度测量系统和透射式能见度仪对比偏差随能见度的升高而升高,而与前向散射式能见度仪对比偏差随能见度的升高有小幅降低,通过白天和夜晚数据对比可知,白天太阳光的影响已基本消除。     

基于数字摄像技术测量气象能见度--双亮度差方法和试验研究

数字摄像技术在地基、空基定量化大气遥感上的应用是一个方兴未艾的研究领域.作者阐述了基于数字摄像技术,利用地平线附近两个不同距离的目标物和其对应水平天空背景亮度差的比值计算白天气象能见度的方法(简称双亮度差方法)及其标准观测条件,该方法能够消除CCD(电荷耦合器件)数字摄像系统暗电流和背景杂散光的影响,可以增大数字摄像能见度观测系统(DPVS)的测量范围,提高测量精度.2002年在合肥骆岗机场进行了DPVS同V(a)is(a)l(a)前向散射仪、透射仪以及目测的对比试验,大量实测数据表明:DPVS和V(a)is(a)l(a)仪器以及目测的一致性相当好,采用双亮度差方法,即使能见度达到基线长度的200倍,DPVS也能给出可信的测量结果.     

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。     

前向散射式能见度仪检测不确定度评定方法

根据能见度计量检测实验室(合肥)前向散射式能见度仪检测实例,展示了前向散射式能见度仪检测结果的测量不确定度评定方法。首先,介绍了能见度检测系统组成和技术要求;其次,建立前向散射式能见度仪示值误差测量模型,分析了测量不确定度来源;最后,依据不同的评定方法,对测量不确定度分量进行评定。研究结果表明:前向散射式能见度仪检测结果的不确定度分量主要有被测能见度仪、测量标准器、试验舱引入的标准不确定度。在50m和200m检测点,示值误差的扩展不确定度U(k=2)分别为4.9m和14.3m;在500~10000m检测点,相对扩展不确定度U(k=2)在8.5%~11.0%之间。     

前向散射式能见度仪测试方法研究

针对气象行业前向散射式能见度仪检测标准缺失现状,开展了前向散射式能见度仪室内测试方法研究.文中介绍了前向散射式能见度仪的工作原理,阐述了测量标准设备的组成和技术要求,详细论述了前向散射式能见度仪的测试项目和测试方法,展示了多台前向散射式能见度仪室内实测结果.研究表明:利用试验舱模拟能见度进行测量范围和示值误差测试具有可...     

北京地区低能见度区域分布初探

选用了水平能见度小于1000m的低能见度作为影响城市交通运输的一个指标，并研究了低能见度在北京地区时空分布特征。按水平能见度小于1000m的出现频率，多年日均变化曲线及全年日均、月均、季均变化特征，将北京地区划分为3个区，即东南部平原地区、西北部山区及东北－西南部过渡区。同时讨论了雾、浮尘等天气现象对北京地区低能见度的影响，得出影响北京地区低能见度的主要因子是雾。     

双流机场低能见度天气预报方法研究

在信息量较大, 而预报对象与预报因子的关系又不清楚的状况下, 智能机器学习方法是解决这类问题的较好手段。利用1997—2001年成都站的常规探空资料和双流机场的地面观测资料, 使用支持向量机 (Support Vector Machines, 简称SVM) 方法, 选取多种核函数进行双流机场低能见度天气的预报建模试验。测试结果表明:以径向基函数和拉普拉斯函数构造的SVM预报模型实验效果最好, Ts评分分别为0.287和0.292, 远高于双流机场低能见度天气出现的频率 (0.155)。试验结果还表明:以径向基函数构造的SVM预报模型空报较多, 漏报较少; 而以拉普拉斯函数构造的SVM预报模型空报较少, 漏报较多。因此, 如果强调模型对低能见度天气预报的准确性, 则应采用以拉普拉斯函数构造的预报模型, 如果强调对低能见度天气的预防性, 则应采用以径向基函数构造的预报模型。