CN108121775A - 一种污染物浓度地图生成方法 - Google Patents
一种污染物浓度地图生成方法 Download PDFInfo
- Publication number
- CN108121775A CN108121775A CN201711298098.3A CN201711298098A CN108121775A CN 108121775 A CN108121775 A CN 108121775A CN 201711298098 A CN201711298098 A CN 201711298098A CN 108121775 A CN108121775 A CN 108121775A
- Authority
- CN
- China
- Prior art keywords
- pollutant concentration
- image
- concentration
- pollutant
- picture control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 97
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 70
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000005055 memory storage Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000011161 development Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Remote Sensing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Combustion & Propulsion (AREA)
- Educational Administration (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种污染物浓度地图生成方法，包括：采集监控区域内专业监控点的污染物浓度真实值以及监控区域内各图像监控点的图像信息；根据所述污染物浓度真实值和图像监控点的图像信息，获取该图像监控点的污染物浓度估计值；根据所述污染物浓雾估计值，生成污染物浓度地图；本发明通过结合污染物浓度专业监测点的污染物浓度和其附近的摄像头计算的雾霾浓度值，估计其他摄像头所在位置的污染物浓度，再利用所有摄像头位置估计得到的污染物浓度值，通过最近距离插值方法，生成污染物浓度地图，本发明可以充分利用现有的城市布置的安防等摄像头，可以有效的对污染物浓度进行监控，同时无需大面积铺设环境监测点，节省了运营成本，利于可持续发展。
Description
技术领域
本发明涉及环境检测领域，尤其涉及一种污染物浓度地图生成方法。
背景技术
随着工业化进程脚步的加快，人类的社会、生产活动向大气中排放大量的有害物质，使一定范围的大气中存在一种或数种污染物质，当其达到一定数量(浓度)并持续一定时间时，破坏了大气正常组成的物理、化学和生态平衡体系，影响工农业生产，对人体、动植物以及物品、材料等产生不利影响和危害。空气质量的好坏取决于空气中污染物浓度的高低。污染物是指直接或间接损害环境或人类健康的物质，包括气体污染物、液体污染物、固体污染物。污染物浓度是指单位体积内所含污染物的量。污染物浓度越高，表明该区域的环境质量越差。污染物浓度达到一定的指标时会对生物体产生致命的伤害。
对环境污染物的监测往往不只是测定其成分和含量，而且需要进行形态、结构和分布规律的监测。对物理污染因素(如噪声、振动、热、光、电磁辐射和放射性等)和生物污染因素，也应进行监测。只有这样，才能全面地、确切地说明环境污染对人群、生物的生存和生态平衡的影响程度，从而作出正确的环境质量评价。目前，污染物浓度(如PM2.5、PM10)一般是通过城市中特定监测点的专业设备获得，这些监测点的污染物浓度一般用来代表附近污染物浓度，而城市中这些监测点总量一般有限，监测点分布的比较分散，不能准确的反映城市中所有区域位置的污染物浓度，特别是距离监测点较远的区域位置，如果大面积的密集铺设监测点进行监测，其设备成本、人工成本和维护成本会非常高昂，会造成大量的资源浪费。
发明内容
鉴于以上所述现有技术的缺点，本发明提供一种污染物浓度地图生成方法，以解决上述技术问题。
本发明提供的污染物浓度地图生成方法，包括：
采集监控区域内专业监控点的污染物浓度真实值以及监控区域内各图像监控点的图像信息；
根据所述污染物浓度真实值和图像监控点的图像信息，获取该图像监控点的污染物浓度估计值；
根据所述污染物浓雾估计值，生成污染物浓度地图。
进一步，所述专业监控点为多个设置有污染物浓度检测仪器的用于采集污染物浓度真实值的监控点，所述图像监控点为安装有图像采集设备的监控点，获取每个专业监控点和图像监控点的位置信息，并根据所述图像监控点与专业监控点的距离对所述图像监控点进行分组。
进一步，根据图像监控点的图像信息获取含有污染浓度信息的图像，将所述含有污染浓度信息的图像同与同一分组内的专业监控点距离最近的其他图像监控点采集的图像信息进行对比，根据对比结果获取该图像监控点所在位置的污染物浓度。
进一步，根据所述含有污染浓度信息的图像获取该图像中的雾霾浓度值，根据雾霾浓度值计算图像监控点的污染物浓度。
进一步，对图像监控点采集的图像信息进行去雾霾处理，获取处理后的图像，计算去雾霾处理前后两张图像的差异值，并将其作为雾霾浓度值。
进一步，所述对比结果通过如下方式获取：
选择距离图像监控点最近的若干专业监控点列表和对应的附近图像列表，获取图像监控点的图像以及所述附近图像列表中与该图像监控点的图像最相似的若干图像，通过对所述最相似的若干图像中的雾霾浓度值的比值加权处理，获取对比结果。
进一步，根据地图上的所有图像监控点的位置信息，获取每个位置的污染物浓度，并生成污染物浓度地图。
进一步，所述污染物浓度地图通过对任一地图点上到最近的图像监控点的距离和图像监控点位置的污染物浓度值进行加权平均获取。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述中任一项所述方法。
本发明还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如上述中任一项所述方法。
本发明的有益效果：本发明中的污染物浓度地图生成方法，通过结合污染物浓度专业监测点的污染物浓度和其附近的摄像头计算的雾霾浓度值，估计其他摄像头所在位置的污染物浓度，再利用所有摄像头位置估计得到的污染物浓度值，通过最近距离插值方法，生成污染物浓度地图，本发明可以充分利用现有的城市布置的安防等摄像头，即可获得各个区域的雾霾浓度值，可以有效的对污染物浓度进行监控，同时无需大面积铺设环境监测点，节省了运营成本，利于可持续发展。
附图说明
图1是本发明实施例中污染物浓度地图生成方法的流程示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
如图1所示，本实施例中的污染物浓度地图生成方法，包括：
采集监控区域内专业监控点的污染物浓度真实值以及监控区域内各图像监控点的图像信息；
根据所述污染物浓度真实值和图像监控点的图像信息，获取该图像监控点的污染物浓度估计值；
根据所述污染物浓雾估计值，生成污染物浓度地图。
在本实施例中，可以通过利用现有的城市监控系统，进行污染物浓度检测，只需要在监控区域内分散布置专业监控点，然后通过监控区域内各图像监控点的图像信息对其他点的污染物浓度进行预测，利用所有城市监控系统中的摄像头位置估计得到的污染物浓度值，通过最近距离插值方法，生成污染物浓度地图。具体地，在本实施例中，利用专业监控点的污染物浓度真实值PMreal和城市摄像头获得的雾霾浓度值FogDensity，获得摄像头所在地点对应的污染物浓度估计值PMestimate，然后根据密集分布的摄像头获得的污染物浓度估计值PMestimate生成城市污染物浓度地图。
在本实施例中，专业监控点为多个设置有污染物浓度检测仪器的用于采集污染物浓度真实值的监控点，图像监控点为安装有图像采集设备的监控点，获取每个专业监控点和图像监控点的位置信息，并根据所述图像监控点与专业监控点的距离对所述图像监控点进行分组，根据图像监控点的图像信息获取含有污染浓度信息的图像，将含有污染浓度信息的图像同与同一分组内的专业监控点距离最近的其他图像监控点采集的图像信息进行对比，根据对比结果获取该图像监控点所在位置的污染物浓度，具体地，本实施例根据含有污染浓度信息的图像获取该图像中的雾霾浓度值，再根据雾霾浓度值计算图像监控点的污染物浓度，雾霾浓度值可以通过如下方式获取：
对图像监控点采集的图像信息进行去雾霾处理，获取处理后的图像，计算去雾霾处理前后两张图像的差异值，并将其作为雾霾浓度值，例如：给定一种图像I，通过去雾霾算法得到一张去掉雾霾的图像I_defog，计算这两张图像的差异值作为雾霾浓度值，优选地，本实施例中的去雾霾算法采用Defog/Dehaze，本实施例中的差异值可以是两张图像的像素灰度差的平均值，也可以是两张图像边缘强度/梯度差的平均值，当然本领域技术人员应该知晓，本实施例中的差异值不仅限于这两种差异值计算方法，两张图像的差异值可以是任意一种表达两张图像像素差异的特征。
下面列举一个具体实施例来进行详细说明：
采集M个专业监控点的污染物浓度值真实值同时获取专业监控点的位置信息。
获取每个专业监控点位置附近距离最近的K个摄像头，利用这些摄像头图像计算对应位置的雾霾浓度值 表示第i个监控点附近第k个最近的摄像头的雾霾浓度值。
计算所有N个摄像头图像对应位置的污染物浓度
选择距离摄像头c最近的Q个监控点列表和对应的附近摄像头列表对应的图像：
及其对应的雾霾浓度值：
在本实施例中，通过选择距离图像监控点最近的Q个专业监控点列表List_Q和对应的附近摄像头列表对应的附近图像列表List_I，计算图像监控点的图像和所述图像列表中最相似的L张图像，图像监控点所在位置的污染物浓度通过与这L张图像的雾霾浓度值的比值加权对应专业监控点的污染物浓度得到，具体如下：
计算摄像头c当前图像和所有最近的Q个监控点图像中最相似的L张图像，计算摄像头c所在位置的污染物浓度：
其中，为图像监控点c所在位置的污染物浓度，PMreal为专业监控点的污染物浓度真实值，FogDensityc为图像监控点c的雾霾浓度值，index_q_of(l)为最相似的第l个图像对应的专业监控点在所述的Q个专业监控点列表List_Q中的序号，index_k_of(l)为最相似的第l个图像在对应的专业监控点所对应的附近图像列表中的序号，PMreal index_q_of(l)为最相似的第l个图像对应的专业监控点的实际污染物浓度值，NearFogDensityindex_k_of(l) index_q_of(l)为最相似的第l个图像的雾霾浓度值，q为与专业监控点距离最近的图像监控点的编号。
对地图上所有的位置坐标，计算污染物浓度，生成污染物浓度地图，计算方法为该地图点到最近的Z个摄像头的距离及其摄像头位置的污染物浓度值的加权平均。
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本实施例中的任一项方法。
本实施例还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行本实施例中任一项方法。
本实施例中的计算机可读存储介质，本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的电子终端，包括处理器、存储器、收发器和通信接口，存储器和通信接口与处理器和收发器连接并完成相互间的通信，存储器用于存储计算机程序，通信接口用于和进行通信，处理器和收发器用于运行计算机程序，使电子终端执行如上污染物浓度地图生成方法的各个步骤。
在本实施例中，存储器可能包含随机存取存储器(RandomAccessMemory，简称RAM)，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DigitalSignalProcessing，简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、现场可编程门阵列(Field－ProgrammableGateArray，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种污染物浓度地图生成方法，其特征在于，包括：
采集监控区域内专业监控点的污染物浓度真实值以及监控区域内各图像监控点的图像信息；
根据所述污染物浓度真实值和图像监控点的图像信息，获取该图像监控点的污染物浓度估计值；
根据所述污染物浓雾估计值，生成污染物浓度地图。
2.根据权利要求1所述的污染物浓度地图生成方法，其特征在于，包括：所述专业监控点为多个设置有污染物浓度检测仪器的用于采集污染物浓度真实值的监控点，所述图像监控点为安装有图像采集设备的监控点，获取每个专业监控点和图像监控点的位置信息，并根据所述图像监控点与专业监控点的距离对所述图像监控点进行分组。
3.根据权利要求2所述的污染物浓度地图生成方法，其特征在于，根据图像监控点的图像信息获取含有污染浓度信息的图像，将所述含有污染浓度信息的图像同与同一分组内的专业监控点距离最近的其他图像监控点采集的图像信息进行对比，根据对比结果获取该图像监控点所在位置的污染物浓度。
4.根据权利要求3所述的污染物浓度地图生成方法，其特征在于，根据所述含有污染浓度信息的图像获取该图像中的雾霾浓度值，通过所述雾霾浓度值计算图像监控点的污染物浓度。
5.根据权利要求4所述的污染物浓度地图生成方法，其特征在于，对图像监控点采集的图像信息进行去雾霾处理，获取处理后的图像，计算去雾霾处理前后两张图像的差异值，并将其作为雾霾浓度值。
6.根据权利要求4所述的污染物浓度地图生成方法，其特征在于，所述对比结果通过如下方式获取：
选择距离图像监控点最近的若干专业监控点列表和对应的附近图像列表，获取图像监控点的图像以及所述附近图像列表中与该图像监控点的图像最相似的若干图像，通过对所述最相似的若干图像中的雾霾浓度值的比值加权处理，获取对比结果。
7.根据权利要求6所述的污染物浓度地图生成方法，其特征在于，根据地图上的所有图像监控点的位置信息，获取每个位置的污染物浓度，并生成污染物浓度地图。
8.根据权利要求7所述的污染物浓度地图生成方法，其特征在于，所述污染物浓度地图通过对任一地图点上到最近的图像监控点的距离和图像监控点位置的污染物浓度值进行加权平均获取。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现权利要求1至8中任一项所述方法。
10.一种电子终端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至8中任一项所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711298098.3A CN108121775B (zh) | 2017-12-08 | 2017-12-08 | 一种污染物浓度地图生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711298098.3A CN108121775B (zh) | 2017-12-08 | 2017-12-08 | 一种污染物浓度地图生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108121775A true CN108121775A (zh) | 2018-06-05 |
| CN108121775B CN108121775B (zh) | 2020-07-24 |
Family
ID=62229946
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711298098.3A Active CN108121775B (zh) | 2017-12-08 | 2017-12-08 | 一种污染物浓度地图生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108121775B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110501460A (zh) * | 2019-08-23 | 2019-11-26 | 成都星时代宇航科技有限公司 | 大气监测方法、装置及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020161561A1 (en) * | 2001-01-16 | 2002-10-31 | Sridevi Sarma | System and method for association of object sets |
| CN103903273A (zh) * | 2014-04-17 | 2014-07-02 | 北京邮电大学 | 一种基于手机终端的pm2.5等级快速评价系统 |
| CN106290090A (zh) * | 2015-05-14 | 2017-01-04 | 株式会社日立制作所 | 评估颗粒物浓度的方法和装置 |
-
2017
- 2017-12-08 CN CN201711298098.3A patent/CN108121775B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020161561A1 (en) * | 2001-01-16 | 2002-10-31 | Sridevi Sarma | System and method for association of object sets |
| CN103903273A (zh) * | 2014-04-17 | 2014-07-02 | 北京邮电大学 | 一种基于手机终端的pm2.5等级快速评价系统 |
| CN106290090A (zh) * | 2015-05-14 | 2017-01-04 | 株式会社日立制作所 | 评估颗粒物浓度的方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 刘阳等: "多角度成像光谱辐射仪在大气污染研究中的应用回顾", 《中国科学 D辑:地球科学》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110501460A (zh) * | 2019-08-23 | 2019-11-26 | 成都星时代宇航科技有限公司 | 大气监测方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108121775B (zh) | 2020-07-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108009515B (zh) | 一种基于fcn的无人机航拍图像的输电线定位识别方法 | |
| CN106682697B (zh) | 一种基于卷积神经网络的端到端物体检测方法 | |
| CN106716439B (zh) | 基于事件的下采样方法、设备、装置及介质 | |
| CN107808123B (zh) | 图像可行域检测方法、电子设备、存储介质、检测系统 | |
| Lu | A multiscale spatio-temporal background model for motion detection | |
| Millan et al. | On‐the‐Go Grapevine Yield Estimation Using Image Analysis and Boolean Model | |
| CN104850836A (zh) | 基于深度卷积神经网络的害虫图像自动识别方法 | |
| CN107609483B (zh) | 面向驾驶辅助系统的危险目标检测方法、装置 | |
| CN110659391A (zh) | 一种视频侦查方法及装置 | |
| CN106062824A (zh) | 边缘检测装置、边缘检测方法和程序 | |
| CN111582032A (zh) | 行人检测方法、装置、终端设备及存储介质 | |
| CN112149503A (zh) | 目标事件检测方法、装置和电子设备和可读介质 | |
| CN110276363A (zh) | 一种基于密度图估计的鸟类小目标检测方法 | |
| CN109711241A (zh) | 物体检测方法、装置与电子设备 | |
| CN110390261A (zh) | 目标检测方法、装置、计算机可读存储介质及电子设备 | |
| Zhang et al. | Counting vehicles in urban traffic scenes using foreground time‐spatial images | |
| Jain et al. | Comparison of edge detectors | |
| CN111709988A (zh) | 一种物体的特征信息的确定方法、装置、电子设备及存储介质 | |
| CN107194896A (zh) | 一种基于邻域结构的背景抑制方法和系统 | |
| CN113205510B (zh) | 铁路侵限异物检测方法、装置及终端 | |
| CN108121775A (zh) | 一种污染物浓度地图生成方法 | |
| Elmquist et al. | A performance contextualization approach to validating camera models for robot simulation | |
| Roy et al. | Annotation and benchmarking of a video dataset under degraded complex atmospheric conditions and its visibility enhancement analysis for moving object detection | |
| CN116805387B (zh) | 基于知识蒸馏的模型训练方法、质检方法和相关设备 | |
| Costianes et al. | Gray-level co-occurrence matrices as features in edge enhanced images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |