公开(公告)号：CN112330675B

公开(公告)日：2022-08-23

申请号：CN202011472880.4

申请日：2020-12-15

Applicant: 南昌工程学院

Inventor： 李凯 ,  甘建军 ,  冯祥胜

IPC: G06T7/00 ,  G06T7/11 ,  G06T5/00 ,  G06V10/74 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 基于AOD‑Net的交通道路图像大气能见度检测方法，它涉及交通道路图像大气能见度检测方法技术领域；它包含图像训练部分和能见度检测部分，搭建AOD‑Net图像处理模型；选定待处理的交通道路图像，调用AOD‑Net对图像进行去雾处理，并保存；对原图像和去雾图像分别分割为一个3x3的网格序列图像；计算原图像和去雾图像各网格的图像相似度，并进行能见度判别；最后，在系统界面进行显示。本发明采用基于深度学习理论的AOD‑Net模型，反向检测大气能见度，为交通道路图像大气能见度检测提供了新的方法和思路，根据已布设的道路监控，即可检测其对应的能见度，具有检测成本低、速度快、准确率高的优势。

公开(公告)号：CN112330675A

公开(公告)日：2021-02-05

申请号：CN202011472880.4

申请日：2020-12-15

Applicant: 南昌工程学院

Inventor： 李凯 ,  甘建军 ,  冯祥胜

IPC: G06T7/00 ,  G06T7/11 ,  G06T5/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 基于AOD‑Net的交通道路图像大气能见度检测方法，它涉及交通道路图像大气能见度检测方法技术领域；它包含图像训练部分和能见度检测部分，搭建AOD‑Net图像处理模型；选定待处理的交通道路图像，调用AOD‑Net对图像进行去雾处理，并保存；对原图像和已处理图像分别分割为一个3x3的网格序列图像；计算原图像和已处理图像各网格的图像相似度，并进行能见度判别；最后，在系统界面进行显示。本发明采用基于深度学习理论的AOD‑Net模型，反向检测大气能见度，为交通道路图像大气能见度检测提供了新的方法和思路，根据已布设的道路监控，即可检测其对应的能见度，具有检测成本低、速度快、准确率高的优势。