基于機器視覺的天氣識別研究與實現(xiàn).pdf

1、研究機器視覺技術(shù)的目的是用機器實現(xiàn)人的視覺系統(tǒng)功能，達到對環(huán)境的觀察理解并從中“學(xué)習(xí)知識”，重點涉及圖像處理與模式識別等多個領(lǐng)域。近年隨著計算機運算能力的不斷提升，可以運行越來越復(fù)雜的機器視覺算法。加之相關(guān)基礎(chǔ)理論的不斷發(fā)展，機器視覺技術(shù)的應(yīng)用得以推廣到更多領(lǐng)域，例如人臉識別、無人駕駛汽車、道路交通管理、產(chǎn)品質(zhì)量等級分類等。
　　現(xiàn)實生活中人類的各項活動都受到天氣現(xiàn)象的影響?，F(xiàn)今越來越多的智能設(shè)備不斷涌現(xiàn)，用來代替人類完成各種高難

2、、高危任務(wù)，某些應(yīng)用場景中智能系統(tǒng)可能需要根據(jù)天氣狀況來做出不同的判斷和選擇，因此研究智能系統(tǒng)所處位置環(huán)境的天氣現(xiàn)象識別的實現(xiàn)方法具有實際意義。本文以此為出發(fā)點，對模式識別相關(guān)理論方法進行了研究，以統(tǒng)計學(xué)習(xí)理論為基礎(chǔ)，運用支持向量機方法對天氣現(xiàn)象的分類與識別進行了探索和實驗。
　　提取樣本的特征屬性是模式識別系統(tǒng)的第一項任務(wù)，它為分類器訓(xùn)練提供輸入。分類器訓(xùn)練能否順利進行與設(shè)計提取的特征模式密切相關(guān)，一般要求所選特征包含充足的分類

3、信息，并且特征數(shù)目要盡可能的多。本文通過分析不同天氣條件下圖像退化現(xiàn)象和色彩變化等特點，設(shè)計提取了對比度、銳度、功率譜斜率、紋理以及色彩特征，并改進了常規(guī)的提取樣本圖像全局特征的的做法，先對圖像進行分割，再對所有的子圖像計算局部特征，這樣可以獲得對樣本特征盡可能詳細的描述。在提取到子圖的特征構(gòu)成樣本的原始模式后，利用K-W檢驗及主成分分析方法對模式向量進行降維，以減少冗余分量。在完成特征提取后，本文還進行了基于支持向量機的分類器設(shè)計工作