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 chiave per utilizzare la teoria frattale per estrarre informazioni marginali in un'immagine è calcolare la dimensione frattale dell'immagine. Esistono molti metodi per calcolare la dimensione frattale. Tra questi, la dimensione box è stata utilizzata in passato nel campo dell'elaborazione delle immagini per la sua relativa semplicità di calcolo e di valutazione visiva. Pur essendo molto estesa, la dimensione box presenta il problema che i risultati contabili non sono coerenti con le aspettative teoriche. Il modello Discrete Fractal Brown Random field (DFBR) della teoria dei frattali è stato proposto da Pentland perché le immagini in scala di grigi composte dalla mappatura della superficie della maggior parte delle scene naturali soddisfano il campo casuale frattale isotropo di Brown. Alla luce delle caratteristiche dei dati delle impronte di telerilevamento, l'autore utilizza il modello DFBR per cercare di progettare un metodo di calcolo della dimensione frattale dei pixel e utilizza la programmazione in linguaggio Matlab per completare il processo ed estrarre le informazioni marginali delle impronte di telerilevamento ad alta risoluzione.
Utilizzare l'algoritmo sopra descritto per estrarre i bordi dell'immagine. Innanzitutto, confermare la dimensione della finestra di calcolo. Quando la finestra di calcolo 13 è 5×5, sebbene le informazioni sui bordi dell'immagine siano ricche, la continuità non è buona, molti bordi sottili sono mescolati e la dimensione frattale cambia notevolmente, appaiono valori anomali di dimensione frattale e i bordi stradali non sono eccezionali, le informazioni sul modello di aratura sono ridondanti e l'area residenziale è mescolata (vedere la Figura 5b). La ragione principale è che quando la finestra è 5×5, ci sono solo due serie di variabili che partecipano all'adattamento dei parametri, con conseguente bassa precisione della dimensione frattale ottenuta. Quando la finestra è 7×7, il contorno dell'immagine è chiaro, le informazioni sui bordi di ogni oggetto sono eccezionali, il valore anomalo della dimensione frattale è piccolo, i canali e i confini stradali nelle due direzioni diagonali dell'immagine sono evidenti, le linee di aratura sono chiare e la struttura interna dell'area residenziale è evidente. Quando la finestra El diventa sempre più grande, a causa dell'aumento delle variabili coinvolte nell'adattamento, la dimensione frattale è relativamente stabile. Tuttavia, con l'aumentare della finestra, la perdita di informazioni sui bordi dell'immagine diventa sempre più evidente, come ad esempio strade, canali, confini, aratri e Rispetto all'immagine della finestra piccola, la struttura interna della texture dell'area residenziale è sfocata e i dettagli e le caratteristiche dei bordi non sono evidenti.
Il calcolo quantitativo della visibilità meteorologica ha un significato pratico estremamente importante per l'aviazione, i trasporti e il turismo. Lo studio di un metodo di calcolo semplice e pratico ha un certo valore sociale. L'articolo studia principalmente un metodo basato sull'elaborazione dei bordi dell'immagine, che utilizza il gradiente dei bordi dell'immagine, il contrasto, la luminosità e altre caratteristiche intrinseche dell'immagine per determinare quantitativamente la visibilità di marcatori prestabiliti sul terreno in base a soglie prestabilite, ottenendo così il calcolo automatico della visibilità in anticipo. l'obiettivo di. Il metodo presentato in questo articolo verifica la fattibilità e l'efficacia dell'utilizzo di queste caratteristiche intrinseche delle immagini per calcolare la visibilità attraverso il confronto di dati sperimentali.
Questo articolo è organizzato come segue: 1) Viene data la definizione di visibilità nella scienza dell'atmosfera di piccole dimensioni e viene analizzata la complessità della definizione di visibilità nella scienza dell'atmosfera, quindi viene data una definizione semplificata di visibilità basata sull'elaborazione delle immagini, in modo che il j di base: l'algoritmo di visibilità per l'elaborazione delle immagini non è fattibile; 2) Dare tt sulla base della definizione di cui sopra; un metodo di calcolo della visibilità basato sul bordo dell'immagine: 3) Utilizzare l'algoritmo di cui sopra per dare i risultati sperimentali, e analizzare l'accuratezza dei risultati sperimentali condizioni e l'efficacia; 4) Conclusioni e aspettative.
Attualmente, il metodo comunemente utilizzato per misurare la visibilità nel mondo è l'osservazione umana. Gli investigatori manuali deducono l'effettiva distanza che può essere vista localizzando vari indicatori terrestri (1andmark) metri. Questo tipo di indagine presenta ovviamente elementi artificiali. Questo articolo studia un metodo basato sull'elaborazione dei bordi delle immagini, che utilizza le caratteristiche intrinseche delle immagini, come il gradiente del bordo dell'immagine della rete, il contrasto e la luminosità, per determinare la visibilità dei marcatori terrestri preimpostati in base a soglie predefinite e quindi calcolare automaticamente la H che può essere vista. Infine, vengono forniti e analizzati i risultati sperimentali per chiarire la fattibilità, l'affidabilità e l'accuratezza dell'algoritmo.
La cosiddetta "capacità di vedere" si riferisce alla capacità visiva dei nostri occhi. Sono molti i fattori che determinano questa capacità visiva. Innanzitutto, dipende dalla capacità visiva di ciascuno. Allo stesso tempo, determina anche: il campo visivo dell'osservatore dipende dalla forma dell'oggetto bersaglio, dalle dimensioni dell'oggetto, dal contrasto tra lo sfondo e dalle caratteristiche cromatiche dell'oggetto bersaglio e dello sfondo. Il contrasto di colore e il contrasto di ampiezza determinano l'illuminazione durante l'osservazione, la presenza di oggetti più luminosi oltre all'oggetto target e, soprattutto, la trasparenza dell'atmosfera. Questi fattori cambiano molto al variare del tempo e del luogo. Anche la variazione del valore di "visibilità" è piuttosto impressionante.