CN111476761B - 一种基于系统辨识的能见度测量方法及系统 - Google Patents
一种基于系统辨识的能见度测量方法及系统 Download PDFInfo
- Publication number
- CN111476761B CN111476761B CN202010190418.9A CN202010190418A CN111476761B CN 111476761 B CN111476761 B CN 111476761B CN 202010190418 A CN202010190418 A CN 202010190418A CN 111476761 B CN111476761 B CN 111476761B
- Authority
- CN
- China
- Prior art keywords
- visibility
- area
- system identification
- target object
- model
- 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.)
- Active
Links
- 238000000691 measurement method Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 238000001228 spectrum Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000012937 correction Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 239000013598 vector Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000010420 art technique Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000011326 mechanical measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001012 protector Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Chemical & Material Sciences (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本公开提供涉及一种基于系统辨识的能见度测量方法及系统，属于视觉分析技术领域，具体涉及能见度测量。方法包括获取包含相邻设置的第一区域和第二区域的图像数据，将图像数据转化为描述第一区域和第二区域相邻处跳变特征的频谱数据，提取频谱数据中第一谐波与第二谐波的幅值比，系统包括目标物和相距目标物一个距离设置的测量端，目标物上设有相邻的的第一区域和第二区域，测量端通过上述方法测量其与目标物之间的能见度通过由系统辨识获取的能见度参数模型将幅值比转换为能见度。本公开技术方案克服现有的采用图像法测量能见度方法的不足，引入参数少、测量开销小、容易控制计算误差同时便于对误差进行修正。
Description
技术领域
本发明属于视觉分析技术领域，具体涉及能见度测量，尤其涉及一种基于系统辨识的能见度测量方法及系统。
背景技术
现有的大气能见度测量常用方法有目测法、仪器法、图像法。目测法指气象观测人员直接用肉眼来确定天空背景下可见的最远标志物距离，缺乏客观性和规范性。仪器法主要有大气透射法和激光法。大气透射法是通过光束透过两个固定点之间的气柱来直接测量气柱的透射率，但是设施费用高，后期维护麻烦，雨雪天气很容易影响仪器的测量精准程度；激光测量法，成本昂贵，维护费用高，操作复杂，并且容易受到天气的影响。
目标观测物，也称目标物，图像法利用目标观测物的图像视觉特征测量大气能见度，克服了目测法和器测法的局限性，成本低应用广，受到国内外学者的广泛关注。陶善昌等通过计算图像中地平线附近两个不同距离的目标物与背景天空亮度差的比值求取白天能见度，但该方法对测量环境与目标物的选择要求较高。许茜等通过提取目标物基于像素对比度的图像特征及向量，用支持向量机对能见度模型进行训练，算法复杂，计算量大。Baumer等提出根据图像局部对比度强度来估计视觉范围，但需对大量的目标物进行标定，且系统对采集设备的参数设置很敏感，鲁棒性较差。因此，现有技术的图像法，采用固定数学模型直接计算能见度时，影响能见度的参数较多，且引入参数越多测量开销越大，难以充分考虑到每个潜在的参数，必然隐去大量计算误差，而参数复杂又导致误差修正困难。
发明内容
本公开技术方案目的在于提供一种能见度测量方法及系统，克服现有的采用图像法测量能见度方法的不足，引入参数少、测量开销小、容易控制计算误差同时便于对误差进行修正。
本公开首先提供了一种基于系统辨识的能见度测量方法，包括步骤：获取包含相邻设置的第一区域和第二区域的图像数据，将所述图像数据转化为描述第一区域和第二区域相邻处跳变特征的频谱数据，提取所述频谱数据中第一谐波与第二谐波的幅值比，通过由系统辨识获取的能见度参数模型将所述幅值比转换为能见度。一些实施例中，第一区域被设置为白色矩形条纹，同时第二区域被设置为黑色矩形条纹。
优选的，通过以下方法步骤获取能见度参数模型：
步骤10，选择系统辨识的能见度参数模型；
步骤20，获取一个能见度下的所述幅值比；
步骤30，根据所述幅值比和一个选定的性能指标计算所述能见度参数模型的参数。
在一些实施例中，所述第一区域与第二区域的宽度相同。
在一些实施例中，所述第一区域和第二区域交错设置。
在一些实施例中，所述第一谐波为基波，所述第二谐波为最低次谐波。
在一些实施例中，所述能见度参数模型的系统结构为一阶系统。
在一些实施例中，在获取包含相邻设置的第一区域和第二区域的图像数据后对其进行Retinex处理。
在一些实施例中，在获取包含相邻设置的第一区域和第二区域的图像数据后通过DeepLab模型对其分割。
本公开进一步提供了一种基于系统辨识的能见度测量系统，包括目标物和相距所述目标物一个距离设置的测量端，所述目标物上设有相邻的的第一区域和第二区域，所述测量端通过上述方法测量其与所述目标物之间的能见度。
本公开还提供了一种基于系统辨识的能见度测量系统，包括测量端，所述测量端被配置为通过上述方法测量其与一个设有所述第一区域和第二区域的目标物之间的能见度。
本公开至少一个实施例中针对现有的能见度测量系统，采用黑度变化明显的目标物进行观察，使用图像处理技术，对图像中每一行的灰度值进行FFT变化，根据得到的频谱图，计算最低次谐波和基波的比例，将最低次谐波和基波的比例与当前的大气能见度进行系统辨识，建立模型，减少了参数的引入，提高了测量的鲁棒性、精确度、实时性。
本公开提供技术方案的实施例带来的有益效果包含但不限于：本发明针对现有的基于图像处理的能见度测量方法研究，设置等间距的黑白条板作为目标观测物，将摄像头获取的图像进行预处理后进行FFT变换，计算当前能见度下最低次谐波与基波的比率，来判断当前的能见度值，本发明使用的计算方法简单，引入的参数较少，并且获取大气能见度信息成本低、结构简单，鲁棒性好，能够较准确的测量当前大气能见度数值。
附图说明
图1为本发明系统实施例中目标物结构示意图；
图2为本发明系统实施例中测量端结构示意图；
图3为本发明系统实施例中系统辨识流程；
图4为本发明系统实施例中第一能见度的频谱示意图；
图5为本发明系统实施例中第二能见度的频谱示意图；
图6为本发明系统实施例中第三能见度的频谱示意图。
具体实施方式
首先应当说明的是，本公开提供的方法实施例均基于以下技术构思：对于相邻设置的两个具有不同成像特性区域，在其相邻的边沿存在一种成像的跳变，这种跳变在数字化成像设备中的图像数据也可以发现这种跳变，在一些情况下这种跳变称为图像锐度，作为图像清晰度的一个指标。本公开所称第一区域和第二区域即上述具有不同成像特性区域，这种成像可以是红外的，可见光频段内的，或者微波激光的。在一个实施例中，一个第一区域是全部统一色度的白色区域，一个第二区域是全部同一色度的黑色区域，由于第一区域与第二区域没有间隙的相邻，在可见光频段的数字成像上将存在一个黑白跳变。为了在一次整体的包括第一区域和第二区域的图像采集过程中，尽可能的排除干扰，第一区域与第二区域可以交错的在目标物上多次部署，以便多次成像上述相同的跳变特性。另一方面，为了增加成像面积，提高后续数据处理的准确性，第一区域与第二区域可以具有一定的长度和宽度。
具体的，本公开提供的方法实施例包括以下步骤：
第一步骤，配置能见度参数模型；
第二步骤，获取包含相邻设置的第一区域和第二区域的图像数据；
第三步骤，将所述图像数据转化为描述第一区域和第二区域相邻处跳变特征的频谱数据；
第四步骤，提取所述频谱数据中第一谐波与第二谐波的幅值比；
第五步骤，通过由系统辨识获取的能见度参数模型将所述幅值比转换为能见度。
其中第一步骤的能见度参数模型是一个系统响应模型，包括传递函数模型和其在具体的目标物和测量端及外部环境下的参数，能见度参数模型可以预设于可读存储设备，作为示范的，也可以通过以下方法步骤获取：
步骤10，选择系统辨识的能见度参数模型，主要是系统传递函数的结构；
步骤20，获取一个能见度下的所述幅值比；
步骤30，根据所述幅值比和一个选定的性能指标计算所述能见度参数模型的参数。
本公开系统辨识是在假定的一些模型中寻找与系统实际最为相近的模型，此过程中需要己知系统输入输出数据，依据这些条件确定模型参数。这个模型便是辨识到的最终结果。在辨识领域中，最小二乘法容易理解掌握、实施方便简单、统计特性好，且最小二乘法己经相当完善。本公开的一个实施例中，采用这些已有技术实现本公开所述技术效果。
在一些实施例中，预设了确定的系统传递函数的结构，仅实施步骤20和步骤30即可获得完整的能见度参数模型的参数，可以理解为对于能见度参数模型的参数标定。
下面结合附图和具体的系统实施例进一步说明本公开提供技术方案，以便本领域技术人员实施和改进。
如图1、2所示，本实例提供了一种基于系统辨识的能见度测量系统，包括目标物和测量端，测量端与目标物间距50米水平相对放置。其中目标物包括垂直设置在目标物支架2上的黑白等宽条纹板1，全部黑色区域即为第一区域，全部白色区域即为第二区域。黑白等宽条纹板1由有机玻璃板通过雕刻技术制作，规格1m×1m(长×宽)，其固定方式为两横杆和两竖杆固定。
测量端作为整体的在间距目标物50米处放置，其包括高清摄像头3、太阳能供电模块4、测量端支架5和处理模块6，在一些其他分布式测量端的实施例中，影响能见度参数模型参数的主要为高清摄像头3等成像单元与目标物的距离。测量端支架5包括固定于地面的三角架。太阳能供电模块4固定在三脚架后面，用于测量端所有设备的供电。高清摄像头3固定在三脚架上，其外设恒温摄像机罩，通过风扇、加热器、遮阳罩等措施保持摄像机温度在-30℃～60℃工作范围，必要时可进行额外的温度补偿以获取稳定的采集数据。处理模块6包括与高清摄像头3数据连接的工控机，以便进行图像处理和计算能见度，作为具体示范的，本实施例工控机主频不低于1GHz，内存不低于1G，支持大容量CF卡或移动硬盘，有足够数量的USB口/网口，体积小、质量轻、功耗低。工控机无线模块与远端计算机通讯连接，以便向远端计算机传输能见度测量结果。工控机驱动高清摄像头3每10分钟采集一次目标物的图像数据，产生一张目标物的图片。在一些实施例中，无线模块只需支持双频GSM/GPRS，支持PC发送短消息(SMS)，功耗低，使用方便、灵活、可靠即可。为了防止雷雨雪等不良天气，对电路设置空气开关以及防雷器，对电路(严重过载、欠电压等)进行保护，并且在雷雨天气是将多余的电力路引至地下。一些实施例中，将室外的工控机、无线模块、防雷器、空气开关等提供保护箱保护，用风扇与加热器保持温湿度的范围。
作为示范的，本系统通过以下过程获取能见度参数模型。
对应于第一步骤的，选择能见度参数模型为一阶系统D(s)，选择跳变特征为最低次谐波n和基波的幅值比例记为d，其中最低次谐波n为第一谐波，基波为第二谐波。对于选定的能见度参数模具有相对于基波频率具有指定倍数的第一谐波和第二谐波，如3次谐波、9次谐波。在一些其他实施例中，可以采用以下方式优选上述频率倍数，在频谱图中，选取一个固定幅值，当基于基波的各次谐波的频率低于某一特定值或者高于该固定幅值时，则判定当前能见度下的谐波次数N，进而计算N次谐波和基波的幅值比例d。
对应于第二步骤的，将高清摄像机3拍摄的一幅目标物原始图像进行图像预处理。首先对原始图像进行Retinex图像增强算法处理，以降低光照对第一区域或者第二区域颜色的影响，生成第一中间图像。然后对第一中间图像进行灰度化处理h后，送入DeepLab模型，对其中的目标物进行分割，得到仅包含第一区域和第二区域的第二中间图像。
对应于第三步骤的，将第二中间图像分辨率统一大小为255×255，设每个像素点的坐标为{xij}，将得到的图像的灰度值矩阵中的每一行数据进行相加，如式(1)所示。
最终得到一个列矩阵，对矩阵进行转置，并进行归一化处理,如式(2)所示。
对处理后的图像进行快速傅里叶变换(FFT)，得到其包含其频谱数据的频谱图，并得到当前能见度下的谐波次数。
对应于第四步骤的，提取上述当前能见度下的最低次谐波n和基波的比例d。
对应于第五步骤的，将d代入已知的D(s)求得当前能见度。
如图3所示，本系统可以通过以下步骤获取当前系统结构的D(s)中各个参数。
由于该模型为一阶系统，其传递函数模型为
本公开考虑将所述幅值比d作为该传输函数模型的输入s，在一个已知能见度中，多次采集目标物的图像，并根据上述步骤获得每张图像的幅值比，则其输入输出关系可以描述成以下最小二乘格式：
y(k)＝xT(k)θ (4)
y(k)为系统输出，xT(k)为观测数据向量，x(k)＝[-y(k-1),...-y(k-na),u(k-1),...u(k-nb)]T，u(k)为观测的第k个输入数据，u(k-1)为第(k-1)个输入数据，y(k)为观测第k个输出数据，y(k-1)为第(k-1)个输出数据。na,nb是系统模型的阶数，当系统阶数为一阶，θ＝[a,b]，a、b根据适应性检验调整得出。k＝1,2,…L，表示数据的长度，本实施例中L＝10000。
当有L组输入输出观测数据，设
设估计参数向量为则对于第K次观测的估计输出为
式中，为估计参数向量。
系统实际输出与估计输出，具体为在估计参数条件下输出的能见度值与已知能见度值之差，即残差
对于L次观测，取如下性能指标，
参数的最小二乘估计，就是使目标函数(7)取极小值的参数为使式(7)达到极小值，对J求/>的一阶倒数，并令其为0，即
如果X满秩，则及求解方程(8)得
使用最小二乘法进行辨识系统辨识，则对本系统具体结构和选用的能见度参数模型对应辨识系统就有：
将观测得到的频谱数值特征，即选择基波相关两个倍频次谐波幅值比d，输入该系统模型中，即得到能见度值。
在一些是实施例中，采集同一能见度下的多幅图像时，可以进行相同步骤的处理分析，将所得到的结果进行加权平均，得到该能见度下最终的频谱特点即最低次谐波N和基波的比例d。在不同的能见度下进行相同的操作，得到不同能见度下的最低次谐波与基波的比例d，将d和当前大气能见度进行系统辨识，得到最终的能见度参数模型。
图3中，实验设计，对应于对结构固定的一种基于系统辨识的能见度测量系统选取固定倍频数的第一谐波和第二谐波；输入/输出数据，对应于公式4中的观测数据向量和系统输出；模型结构，对应于选择传输函数模型，本系统选用一阶系统描述；参数估计，对应于的动态修改；重复实验，对应于多次采集以获得L组观测数据d；适应性检验，对用于在一个具体的性能指标J(θ)下，使得最终模型具有可控的残差ε(k)；最终模型，对用于获得完整的能见度参数模型。本公开的其他实施例中，本领域技术人员可以根据上述描述结合系统辨识现有技术获得不同的能见度参数模型。
本系统的一个具体的实施例中，图4至6示出了三种能见度下，经过FFT变换后获得的频谱图，图中均包括第二中间图像、公式2所对应曲线及FFT结果，其中，第一能见度>第二能见度>第三能见度。
本系统的一个改进实施例中，采集目标物图像，优选对于一幅图像，在多个是小的时间段内采集多个图像，作为同一能见度采集的多个图像
本系统的一个改进实施例中，将高清摄像机采集到的图像进行Retinex处理减少光照对图像的影响，然后对原始图像进行预处理，使用语义分割法分割出目标观测物黑白条板，将提取出要目标物黑白条板大小统一为255×255，将目标物黑白条板中的像素值的每一列进行叠加，得到方波，将得到的方波进行归一化处理，对最终得到的波形进行快速傅里叶变换，计算相同能见度值的快速傅里叶变化，得到该能见度下的信号的频谱图，计算该能见度下信号的最低次谐波与基波的比例关系，采集同一能见度下的多幅图像，进行相同步骤的处理分析，将所得到的结果进行加权平均，得到该能见度下最终的频谱特点。在不同的能见度下进行相同的操作，将所得到的频谱特点与大气能见度值建立一阶系统辨识模型。
本公开的一种基于系统辨识的能见度测量系统中，可以只有测量端，其用于采集具体的第一区域和第二区域图像，在一个具体的此类实施例中，测量端包括图像采集单元、图像处理单元、存储单元、网络连接单元和设备保护单元，各个单元可以分布式的部署于通讯网络的不同位置。
Claims (8)
1.一种基于系统辨识的能见度测量方法，其特征在于：获取包含相邻设置的第一区域和第二区域的图像数据，将所述图像数据转化为描述第一区域和第二区域相邻处跳变特征的频谱数据，提取所述频谱数据中第一谐波与第二谐波的幅值比，通过由系统辨识获取的能见度参数模型将所述幅值比转换为能见度；
所述能见度参数模型是一个系统响应模型，包括传递函数模型和其在具体的目标物、测量端及外部环境下的参数；获取能见度参数模型的方法包含以下步骤：
步骤10，选择系统辨识的能见度参数模型； 步骤20，获取一个能见度下的所述幅值比；步骤30，根据所述幅值比和一个选定的性能指标计算所述能见度参数模型的参数；
其中，所述第一谐波为基波，所述第二谐波为最低次谐波。
2.根据权利要求1所述的基于系统辨识的能见度测量方法，其特征在于：所述第一区域与第二区域的宽度相同。
3.根据权利要求1所述的基于系统辨识的能见度测量方法，其特征在于：所述第一区域和第二区域交错设置。
4.根据权利要求1所述的基于系统辨识的能见度测量方法，其特征在于：所述能见度参数模型的系统结构为一阶系统。
5.根据权利要求1所述的基于系统辨识的能见度测量方法，其特征在于：在获取包含相邻设置的第一区域和第二区域的图像数据后对其进行Retinex处理。
6.根据权利要求1所述的基于系统辨识的能见度测量方法，其特征在于：在获取包含相邻设置的第一区域和第二区域的图像数据后通过DeepLab模型对其分割。
7.一种基于系统辨识的能见度测量系统，其特征在于：包括目标物和相距所述目标物一个距离设置的测量端，所述目标物上设有相邻的的第一区域和第二区域，所述测量端通过权利要求1至6任一项所述方法测量其与所述目标物之间的能见度。
8.一种基于系统辨识的能见度测量系统，其特征在于：包括测量端，所述测量端被配置为通过权利要求1至6任一项所述方法测量其与一个设有所述第一区域和第二区域的目标物之间的能见度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010190418.9A CN111476761B (zh) | 2020-03-18 | 2020-03-18 | 一种基于系统辨识的能见度测量方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010190418.9A CN111476761B (zh) | 2020-03-18 | 2020-03-18 | 一种基于系统辨识的能见度测量方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111476761A CN111476761A (zh) | 2020-07-31 |
| CN111476761B true CN111476761B (zh) | 2023-07-21 |
Family
ID=71747981
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010190418.9A Active CN111476761B (zh) | 2020-03-18 | 2020-03-18 | 一种基于系统辨识的能见度测量方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111476761B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113177951B (zh) * | 2021-04-23 | 2022-06-10 | 昆明理工大学 | 非接触式测量不相容气-液两相混合气含率的装置及方法 |
| CN113420449B (zh) * | 2021-06-28 | 2023-07-14 | 云南电网有限责任公司电力科学研究院 | 一种变压器高次谐波传递函数辨识方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102254315A (zh) * | 2010-05-17 | 2011-11-23 | 中国科学院城市环境研究所 | 双数字相机大气能见度观测法 |
| CN104504667A (zh) * | 2014-12-18 | 2015-04-08 | 北京智谷睿拓技术服务有限公司 | 图像处理方法及装置 |
| CN105701846A (zh) * | 2014-11-27 | 2016-06-22 | 株式会社东芝 | 医学图像处理装置和方法以及医学成像设备 |
| CN107945174A (zh) * | 2017-12-12 | 2018-04-20 | 嘉兴四维智城信息科技有限公司 | 基于视频的高速路段能见度测算方法 |
| CN107945147A (zh) * | 2017-12-04 | 2018-04-20 | 云南电网有限责任公司普洱供电局 | 一种基于Kaiser窗FFT四峰插值修正的图像融合方法 |
| CN108181307A (zh) * | 2017-12-06 | 2018-06-19 | 中国气象局北京城市气象研究所 | 一种能见度测量系统和方法 |
| CN109741322A (zh) * | 2019-01-08 | 2019-05-10 | 南京蓝绿物联科技有限公司 | 一种基于机器学习的能见度测量方法 |
-
2020
- 2020-03-18 CN CN202010190418.9A patent/CN111476761B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102254315A (zh) * | 2010-05-17 | 2011-11-23 | 中国科学院城市环境研究所 | 双数字相机大气能见度观测法 |
| CN105701846A (zh) * | 2014-11-27 | 2016-06-22 | 株式会社东芝 | 医学图像处理装置和方法以及医学成像设备 |
| CN104504667A (zh) * | 2014-12-18 | 2015-04-08 | 北京智谷睿拓技术服务有限公司 | 图像处理方法及装置 |
| CN107945147A (zh) * | 2017-12-04 | 2018-04-20 | 云南电网有限责任公司普洱供电局 | 一种基于Kaiser窗FFT四峰插值修正的图像融合方法 |
| CN108181307A (zh) * | 2017-12-06 | 2018-06-19 | 中国气象局北京城市气象研究所 | 一种能见度测量系统和方法 |
| CN107945174A (zh) * | 2017-12-12 | 2018-04-20 | 嘉兴四维智城信息科技有限公司 | 基于视频的高速路段能见度测算方法 |
| CN109741322A (zh) * | 2019-01-08 | 2019-05-10 | 南京蓝绿物联科技有限公司 | 一种基于机器学习的能见度测量方法 |
Non-Patent Citations (4)
| Title |
|---|
| 孙红利 ; 冯旗 ; 董峰 ; .图像清晰度评价算法研究.传感器与微系统.2017,(第02期),全文. * |
| 徐锦涛等.一种基于图像的能见度测量方法.《计量测试与检定》.2020,全文. * |
| 荆霄.基于图像自动识别的大气能见度测量方法研究.《中国优秀硕士学位论文全文数据库 信息科技辑》.2019,全文. * |
| 赵晓东 ; 王慧赢 ; .一种基于图像FFT的能见度检测算法.电脑知识与技术.2019,(第36期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111476761A (zh) | 2020-07-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110514626B (zh) | 大气污染监测系统的数据校准方法和大气污染监测系统 | |
| CN111476761B (zh) | 一种基于系统辨识的能见度测量方法及系统 | |
| CN110488391B (zh) | 针对小区域的天气预测系统、方法及存储介质 | |
| CN109086763B (zh) | 一种指针式仪表读取方法及装置 | |
| CN112270320B (zh) | 一种基于卫星影像校正的输电线路杆塔坐标校准方法 | |
| CN110646587A (zh) | 结合多源遥感数据的高分辨率农业干旱监测方法及装置 | |
| CN103268602A (zh) | 一种光学遥感影像质量综合评价方法 | |
| CN112560837A (zh) | 一种指针式仪表的读数方法、装置、设备和存储介质 | |
| CN104698462A (zh) | 基于变分的合成孔径雷达海面风场融合方法 | |
| CN116449331B (zh) | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 | |
| CN115629388B (zh) | 一种基于红外和微波成像仪数据的雷达回波模拟方法 | |
| CN113160194A (zh) | 一种紫外和可见光图像的距离自适应配准方法 | |
| CN111426633A (zh) | 一种夜间pm2.5质量浓度估算方法和装置 | |
| CN110765631B (zh) | 基于有效成像像素的红外辐射特性测量小目标判断方法 | |
| CN112668615B (zh) | 一种基于深度跨尺度外推融合的卫星云图预测方法 | |
| CN109344769A (zh) | 一种基于遥感影像的光伏电站检测方法及系统 | |
| Xiang et al. | Very short‐term prediction model for photovoltaic power based on improving the total sky cloud image recognition | |
| CN110441830B (zh) | 基于自动气象站的小区域天气预测方法及存储介质 | |
| CN115877345A (zh) | 一种风廓线雷达缺测数据的补齐方法和装置 | |
| CN111257854B (zh) | 一种通用的基于遥感影像分割单元的地形校正优化方法 | |
| CN115186751A (zh) | 一种基于s变换的CVT计量误差预测方法、装置及存储介质 | |
| CN114675277A (zh) | 基于商用微波回传链路的近地面大气折射率廓线监测方法 | |
| CN114387348A (zh) | 一种地基天空背景大视场相机的标定方法 | |
| CN113155770A (zh) | 一种光电环境分级系统和方法 | |
| CN109741401A (zh) | 一种基于图像恢复的用于导管架水下安装在线测量方法 |
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 |