该课题为基于MATLAB bp神经网络的雾天气下交通标志的识别系统。主要分两步骤,一是进行图像去雾,采用暗通道的方法获取光透射率,从而去除雾。得到清晰的图片后,利用颜色的方法进行交通标志的定位,众所周知,交通标志基本是红,蓝,黄三色组成,根据RGB不同组合可以定位到不同颜色,因为存在误差,所以需要借助形态学相关知识,将得到的误干扰面积去除,从而实现精准定位。定位后,在原图基础上进行分割出彩色图标,利用bp神经网络方法,进行训练,识别,从而得出结果。本设计配有一个GUI可视化界面,操作简单容易上手。是个不错的选题。
1
提出了一种基于贝叶斯模式识别的激光雷达大气遥感灰组分识别的方法。介绍了灰组分模式识别模型的建立过程,并利用具体的贝叶斯判别函数作为灰粒子光学特征向量的选择依据对灰粒子进行识别分类。采用计算机仿真实现了该灰组分模式识别模型,并通过两种自验证方法检验了模型的正确性和稳定性。讨论了该模型对现有大气遥感激光雷达的适用性,凸显了偏振高光谱分辨率激光雷达(HSRL)的优势。
2021-02-07 20:05:26 5.28MB 遥感 激光雷达 灰霾 模式识别
1
暗通道先验法去图像处理源程序,是vs2015配置opencv3.2,有需要的朋友可以下载。
2020-01-05 03:08:39 16.45MB 暗通道程序
1
整理的适用于图像去雾的雾图像,可用于暗通道、图像增强等图像去雾程序编写;源图像
2019-12-21 22:05:53 3.63MB 图像去雾
1
何凯明暗通道先验法 原文 翻译 ppt 及大气光模型论文 和图像除雾相关的资料 Single Image Haze Removal Using Dark Channel Prior Optimized contrast enhancement for realtime image and video dehazing modeling skylight and aerial perspective 何恺明在CVPR会议上演讲时的ppt——基于暗通道先验的单幅图像去雾技术 基於暗原色的单一图像去雾技术
1
北京雾天气数据集
2019-12-21 21:39:27 168KB 数据集
1
主要描述运用合理的数学建模方法来分析雾的分布情况,运用相关函数证明雾的产生原因及其治理措施
2019-12-21 20:37:33 714KB 数学建模
1
基于Echarts的各地雾可视化,可以直观地看到各地雾的情况,采用本地的txt数据。采用echarts这一js库,并且采用html页面展示。
2019-12-21 20:37:19 5.55MB echarts 可视化
1
天气条件下获得的图像受到了严重的退化,具有对比度下降、景物不清晰、颜色变得暗淡等特点,这大大降低了图像的应用价值。即使在晴朗的天气条件下拍摄的照片,由于大气的散射的作用,照片的清晰度同样受到影响。这是因为空气中存在的灰尘、雾和烟等,这些因素导致物体表面颜色变淡和整幅图像的对比度降低。这给工业生产及人们的日常生活带来了很大影响。因此许多领域都要用到去雾算法,比如目标识别、遥感等。因而有雾图像特征清晰化的研究具有非常重要的意义。 本文利用图像处理的方法对雾图像进行增强处理,主要采用直方图规定化的方式减少雾对图像的影响,提高图像的清晰度和质量。实验部分,采用直方图规定化和直方图均衡化的方式相对比,以此来体现直方图规定化的优势。实验结果表明,直方图规定化能够有效的部分去出雾图像中的雾,从而实现图像的增强效果。
1
processing北京雾数据可视化,包括北京2013/12-2016/5雾数据
2019-12-21 18:53:10 31KB processing 数据可视化
1