Visibility is a very important meteorological metric and is particularly relevant in populous cities such as Hong Kong. Visibility in Hong Kong is quite low throughout the year due to air pollution from vehicle exhaust and other pollution sources in surrounding cities. By Ding. The topography and geography of the hilltops make Hong Kong’s visibility very poor when winds from the north occur. Visibility also directly affects the tourism industry, which is one of Hong Kong’s important economic pillars. Therefore, this has promoted the Hong Kong Meteorological Observatory (HKO) to provide this useful meteorological information to the public. At present, the common method for measuring visibility in the world is to use human observation to obtain it. Manual observation and determination of various land landmarks are used to determine the visible distance. This kind of investigation obviously involves a human element. In December 2006, at a workshop hosted by the City University of Hong Kong, the Hong Kong University of Science and Technology proposed the industrial application issue of “automatic calculation of atmospheric visibility based on real-time images of video cameras”, which is to seek to develop an efficient automatic It is a specialized algorithm that calculates popularity visibility by automatically processing images captured by video cameras. The key to this method is how to determine the visibility of the image by selecting the unique characteristics of the image. Star calculation, thus realizing a real-time automatic visibility calculation system. This article ll: Based on this requirement, we propose…’r a method of automatic visibility measurement and calculation based on the visual characteristics of video images. Experimental data shows that the algorithm is “jili”. Correct and valid.
La clave para utilizar la teoría fractal para extraer información marginal en una imagen es calcular la dimensión fractal de la imagen. Existen muchos métodos para calcular la dimensión fractal. Entre ellos, la dimensión de caja se utilizó anteriormente en el campo del procesamiento de imágenes debido a su cálculo relativamente sencillo y a su evaluación visual. Amplia, pero la dimensión de caja también tiene el problema de que los resultados contables son inconsistentes con las expectativas teóricas. El modelo de campo aleatorio fractal discreto de Brown (DFBR) en la teoría fractal fue propuesto por Pentland porque las imágenes en escala de grises compuestas por la cartografía de superficie de la mayoría de las escenas naturales satisfacen el campo aleatorio fractal isótropo de Brown. Teniendo en cuenta las características de los datos de impresiones de teledetección, el autor utiliza el modelo DFBR para intentar diseñar un método de cálculo de la dimensión fractal de los píxeles, y utiliza la programación en lenguaje Matlab para completar el proceso y extraer la información marginal de las impresiones de teledetección de alta resolución.
Utilice el algoritmo anterior para extraer los bordes de la imagen. En primer lugar, confirme el tamaño de la ventana de cálculo. Cuando la ventana de cálculo 13 es de 5×5, aunque la información de los bordes de la imagen es rica, la continuidad no es buena, muchos bordes sutiles están mezclados, y la dimensión fractal cambia mucho, aparecen valores de dimensión fractal anormales, y los bordes de la carretera No es sobresaliente, la información del patrón de arado es redundante, y la zona residencial está mezclada (véase la figura 5b). La razón principal es que cuando la ventana es de 5×5, sólo hay dos conjuntos de variables que participan en el ajuste de parámetros, lo que da lugar a una baja precisión de la dimensión fractal obtenida. Cuando la ventana es de 7×7, el contorno de la imagen es claro, la información de los bordes de cada objeto es sobresaliente, el valor anormal de la dimensión fractal es pequeño, los barrancos y los límites de las carreteras en las dos direcciones diagonales de la imagen son prominentes, las líneas de arado son claras y la estructura interna de la zona residencial es obvia. La información marginal está bien representada (véase la figura 5c).Cuando la ventana El se hace cada vez mayor, debido al aumento de las variables que intervienen en el ajuste, la dimensión fractal se mantiene relativamente estable. Sin embargo, a medida que aumenta la ventana, la pérdida de información de los bordes de la imagen se hace cada vez más evidente, como carreteras, barrancos, límites, arados y En comparación con la imagen de ventana pequeña, la estructura de textura interna de la zona residencial es borrosa, y los detalles y las características de los bordes no son evidentes.
El cálculo cuantitativo de la visibilidad meteorológica tiene un significado práctico extremadamente importante para la aviación, el transporte y el turismo. El estudio de un método de cálculo sencillo y práctico tiene cierto valor social. El artículo estudia principalmente un método basado en el procesamiento de bordes de imágenes, que utiliza el gradiente de los bordes de la imagen, el contraste, el brillo y otras características intrínsecas de la imagen para determinar cuantitativamente la visibilidad de marcadores preestablecidos en el suelo en función de umbrales preestablecidos, logrando así el cálculo automático de la visibilidad por adelantado. el objetivo de. El método de este artículo verifica la viabilidad y eficacia de utilizar estas características intrínsecas de las imágenes para calcular la visibilidad mediante la comparación de datos experimentales.
Este artículo está organizado como sigue: 1) Se da la definición de visibilidad en la ciencia atmosférica pequeña y se analiza la complejidad de la definición de visibilidad en la ciencia atmosférica, y luego se da una definición simplificada de la visibilidad basada en el procesamiento de imágenes, por lo que la j básica: El algoritmo de visibilidad para el procesamiento de imágenes no es factible; 2) Dar tt sobre la base de la definición anterior; un método de cálculo de visibilidad basado en el borde de la imagen: 3) Utilice el algoritmo anterior para dar los resultados experimentales, y analizar la exactitud de los resultados experimentales condiciones y eficacia; 4) Conclusiones y expectativas.
}i En la actualidad, el método habitual para medir la visibilidad en el mundo es recurrir a la observación humana. Los investigadores manuales deducen la distancia real que se puede ver situando diversos marcadores terrestres (1andmark) metros. Obviamente, este tipo de investigación tiene elementos artificiales. En este artículo se estudiará un método basado en el procesamiento de bordes de imagen, que utiliza las características inherentes a las imágenes, como el gradiente de bordes de imagen de red, el contraste y el brillo para determinar la visibilidad de los marcadores de tierra preestablecidos en función de umbrales preestablecidos, y luego calcular automáticamente la H que se puede ver. Por último, se ofrecen y analizan los resultados experimentales para aclarar la viabilidad, fiabilidad y precisión del algoritmo.
La llamada "capacidad de ver" se refiere a la capacidad visual de nuestros ojos. Hay muchos factores que determinan esta capacidad visual. En primer lugar, depende de la visión de cada uno. Al mismo tiempo, también determina: el campo de visión del observador depende de la forma del objeto objetivo, el tamaño del objeto y el contraste entre el fondo y las características de color del objeto objetivo y el fondo. El contraste de color y el contraste de anchura determinan la iluminación durante la observación, si hay objetos más brillantes que el objeto objetivo y, lo que es más importante, la transparencia de la atmósfera. Estos factores cambiarán mucho a medida que cambien el tiempo y el lugar. El cambio en el valor de "visibilidad" también es bastante impresionante.