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...

Full description

Saved in:
Bibliographic Details
Published in应用气象学报 Vol. 33; no. 4; pp. 501 - 512
Main Authors 刘冬鞾, 穆海振, 贺千山, 史军, 王亚东, 武雪沁
Format Journal Article
LanguageChinese
Published 上海市生态气象和卫星遥感中心,上海200030%上海市气象信息与技术支持中心,上海200030%上海市气象与健康重点实验室,上海200030 01.07.2022
Subjects
算法
卷积神经网络
图像识别
低能见度
Online AccessGet full text
ISSN1001-7313
DOI10.11898/1001-7313.20220410

Cover

More Information
Summary: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.
ISSN:1001-7313
DOI:10.11898/1001-7313.20220410