基于面向对象方法的白天雾检测
烟雾检测算法总结
图像配准框架流程图
候选配准点对的生成
1.运动状态序列的获得： 本文中的运动检测用的是canny算子，这里使用时间序 列来描述像素点的运动状态，将像素点的二值运动检 测结果按照时间顺序排列后就形成一个二值序列
2.运动状态序列的相似性度量及候选同名点对选取： 运动状态序列是二值序列，Hamming距离是度量这类 序列相似性的一种有效方法。
实验结果及分析
1.OSU数据库测试结果
试验结果及其分析
2.自建数据库配准结果
3.LITIV数据库配准结果
试验结果问题
1. 序列图像的背景是否为静止的将影响图像的配准 结果。 2. 同样特性的数据的配准结果不同。
谢谢观看
变换参数估计
基于Levenberg-Marquardt的鲁棒变换模型估计 在经过ransac获得的同名点对后，如何精确计算变换 模型参数是模型估计的重点。变换模型参数估计主要 包含两个步骤：变换模型的选择和模型参数估计。
本文算法使用LM 算法精确估计透视投影变换模型参 数。
变换参数估计
特性和高斯牛顿法的局部收敛性。当优 化参数接近误差目标时，算法能以最快的速率收敛， 同时保持了主矩阵的正定性和空间解的稳定性。
干扰点的去除
1. 基于次优/最优的干扰点去除 由于监控场景中的运动目标在图像上通常成面目标， 对于正确的同名点对而言，基准点除了与最优候选配 准点的运动状态相似外，也与最优候选配准点邻域内 的一些点运动状态相似。在特征匹配时，其最优距离 与次最优距离应当相距不远。
干扰点的去除
2.用RANSAC算法进行外点去除 ransac算法思想可以用直线拟合的例子来说明。 ransac算法首先随机选取两个点，构造一条直线， 根据事先确定的容许误差来计算这条直线可以包含多 少点，这条直线包含的点被称为内点，然后根据这些 内点重新计算出一条新直线，这样重复下去，直到内 点的数量不再变化。
基于面向对象的高分辨率遥感影像变化检测方法研究共3篇
基于面向对象的高分辨率遥感影像变化检测方法研究共3篇基于面向对象的高分辨率遥感影像变化检测方法研究1基于面向对象的高分辨率遥感影像变化检测方法研究随着遥感技术的不断发展，高分辨率遥感影像的获取越来越方便，同时遥感影像变化检测也受到了越来越多的关注。
如何有效地检测出遥感影像中的变化是遥感研究中的重要课题之一。
本文将介绍一种基于面向对象的高分辨率遥感影像变化检测方法。
基于面向对象的遥感影像解译是将遥感影像数据转化为实际物理对象的过程。
这种方法将影像数据划分为不同的对象，例如建筑物、道路、水体等，然后对这些对象进行分类、分析和识别等操作。
与传统的像元级处理相比，这种方法能够更好地保留地物边缘和细节信息，并且能够减少遥感影像中的噪声。
本文所提出的基于面向对象的高分辨率遥感影像变化检测方法主要分为以下几个步骤：对象提取、对象比较和变化检测。
首先，对两幅遥感影像进行对象提取。
我们使用了一种分层聚类算法来提取遥感影像中的对象。
这种算法可以自动确定对象的数目和形状，并且可以很好地处理边缘模糊的物体。
接着，对两个时刻的遥感影像中的相同对象进行比较。
我们提出了一种基于对象间交集比率的相似度度量方法。
这种方法将两个对象的相似度定义为它们的交集面积与它们的并集面积之比。
这种方法能够很好地解决遥感影像中遮挡和光照变化等问题，并且能够更好地匹配相似的对象。
最后，我们使用了一个简单而有效的阈值法来检测遥感影像中的变化。
这个阈值可以根据用户的要求进行调整。
如果两个对象的相似度小于这个阈值，我们就认为它们之间发生了变化。
同时，我们也考虑了一些其他因素的影响，例如边缘变化和噪声等。
我们在高分辨率遥感影像上对这种方法进行了测试，结果表明，这种方法能够很好地检测遥感影像中的变化，并且能够保留地物的细节信息。
与传统的像元级处理方法相比，基于面向对象的方法能够更好地处理复杂的地物结构，并且能够提高变化检测的准确性。
综上所述，本文提出了一种基于面向对象的高分辨率遥感影像变化检测方法。
基于人工智能的大雾识别模型构建与应用
基于人工智能的大雾识别模型构建与应用
1大雾的威胁
随着现代工业的发展，越来越多的污染源逐渐加剧了大气污染，大气中的PM2.5微细颗粒物已成为现代城市最严重的环境问题之一，而大雾则是PM2.5最主要的来源。
大雾以低温、高湿、多细颗粒组成，破坏了大气环境，给人们带来了极大的健康威胁，同时也严重影响了交通安全。
因此，构建高效的大雾识别模型，是迫在眉睫的事情。
2基于人工智能的大雾识别模型
基于人工智能的大雾识别模型，是通过机器学习对大气数据精密分析，对大雾的出现有效监测，及时发出预警，以便为公众提供及时准确的天气预报服务。
基于人工智能的大雾识别模型通常由建模步骤和应用步骤两个部分组成。
在建模步骤中，需要采集相关数据，如环境数据，气象数据，交通数据等，以精确捕捉大雾的特征，以便对其有效进行识别。
在应用步骤中，建立一个实时的图像监控系统，通过拍照和实时数据的比对，精确识别大雾的存在，并结合其他环境因素，判断大雾的强度，最终，将大雾、强度等信息实时反馈服务系统，以便进行预警。
3基于人工智能的大雾识别模型的应用
基于人工智能的大雾识别模型的应用，不仅可以提高大雾的准确监测，而且可以提前发出预警，帮助人们做出合理安全的出行选择，从而避免造成交通安全事故。
另外，基于人工智能的大雾识别模型还可以有效的预测大的小的雾的起始和持续的时间，提高对大雾的对策效能，帮助公众更好地识别大雾的出现，最大程度地减轻其对人们健康的威胁。
4结论
总而言之，基于人工智能的大雾识别模型，能够有效的提升大雾的准确识别，并准确发出预警，为人们提供足够的信息参考，确保安全出行，同时也可以帮助公众进行有效的大雾灾害对策，有效保障人们的身体安全。
《2024年特殊天气条件下的目标检测方法综述》范文
《特殊天气条件下的目标检测方法综述》篇一一、引言随着计算机视觉技术的快速发展，目标检测技术在多种场景下都取得了显著的成果。
然而，在特殊天气条件下，如雾天、雨天、雪天等，目标的检测难度会大大增加。
本文旨在综述特殊天气条件下的目标检测方法，分析其技术特点、应用场景及发展前景，为相关研究提供参考。
二、特殊天气条件下的目标检测技术概述1. 雾天目标检测雾天条件下，由于光线散射，图像中的目标往往模糊不清，给目标检测带来很大困难。
针对这一问题，研究者们提出了多种方法。
其中，基于物理模型的去雾算法能够有效提高图像的清晰度，为后续的目标检测提供良好的基础。
此外，深度学习的方法，如卷积神经网络（CNN），也能在雾天条件下实现较高的目标检测准确率。
2. 雨天目标检测雨天条件下，雨水会对摄像头造成遮挡，导致图像中的目标出现模糊、变形等问题。
针对这一问题，研究者们提出了基于雨滴模型的方法和基于深度学习的方法。
前者通过模拟雨滴的形态和运动规律，对图像进行预处理，以提高目标的可见性。
后者则通过训练大量的雨天图像数据，使模型能够在雨天条件下实现较高的目标检测性能。
3. 雪天目标检测雪天条件下，雪会对摄像头造成严重的遮挡，导致图像中的目标难以识别。
针对这一问题，研究者们主要采用了基于特征提取和分类的方法。
这些方法通过提取雪天图像中的有效特征，并利用分类器进行分类，从而实现目标的检测。
三、特殊天气条件下的目标检测技术应用场景特殊天气条件下的目标检测技术在多个领域都有广泛的应用。
例如，在智能交通系统中，可以通过该技术实现车辆、行人的雨雪雾等恶劣天气条件下的实时检测和跟踪；在安防监控领域，可以用于对异常事件的检测和预警；在无人机领域，可以实现无人机在复杂天气条件下的自主导航和目标追踪等。
四、特殊天气条件下的目标检测技术发展前景随着深度学习、计算机视觉等技术的不断发展，特殊天气条件下的目标检测技术将会有更广阔的应用前景。
未来，该技术将更加注重实时性、准确性和鲁棒性的提升。
浙江大学2010届百篇特优本科毕业设计(论文)公示名单
潘羿嘉
气候变化背景下的国际环保政策的博弈分析
陆菁
光华法学院
(3篇)
戴雨薇
论我国公司并购所得税免税政策的不足与完善
吴勇敏
侯轶凡
惩罚性赔偿在环境侵权中的适用——以责任竞合为视角
钱水苗
李璐
论我国国家赔偿归责原则之缺陷与完善
金伟峰
教育学院
(2篇)
朱玲燕
诸暨海亮学校九年级学生科学素养现状的调查研究
褚献华
工
学
部
机械系
(3篇)
张健
直线电机神经网络自适应鲁棒控制研究
王庆丰
刘师宏
基于遗传算法的车间调度优化技术研究与开发
方水良
满在朋
高压脉冲的产生与应用
丁凡
能源系
(3篇)
毛杰
某车用发动机机体动力学特性分析
郝志勇
魏兴飞
纳米活性炭空气阴极微生物燃料电池的产电特性研究
成少安
张云卿
PCBs土壤理化特性及预处理技术研究
我国高校DM免费杂志的广告效果研究
胡晓云
牟茜
《申报》的自由主义新闻理念探析——以“五四”运动报道为例
何扬鸣
社
科
学
部
经济学院
(5篇)
赵嘉祺
长三角与珠三角区域金融竞争力比较及其影响因素分析
黄燕君
孙潇
人民币计入特别提款权的定值问题研究
王维安
王佳杰
浙江省农业财政支出绩效评价——实证分析与政策建议
徐志
蒋墨冰
中国出口产品复杂度的测度及其影响因素分析—以电子机械类产品出口为例
王华琼
自动抑郁模型装置优化设计
张恒义
吴隆谊
基于FPGA的肌肉康复治疗仪的设计
雾度测试方法范文
雾度测试方法范文雾度（visibility）是衡量大气中可见度的物理量，它反映了空气中的颗粒物浓度对视线的阻隔情况。
雾度测试的目的是为了评估大气条件，以便决定是否适合进行特定活动，如航空、交通运输等。
在此，我将介绍几种常见的雾度测试方法。
1.观察法：观察法是最简单直观的雾度测试方法。
利用肉眼观察测量者与远处物体之间的距离。
当远处物体模糊不清时，即可判断为雾度较大。
观察法的优点是操作简单，无需任何设备，但是其主观性较强，结果可能不够准确。
2. Spotlight法：Spotlight法是一种较为传统的雾度测试方法，适用于室内实验或恶劣环境的室外实验。
这种方法通常使用一个强度可调的光源，将光源放置在已知距离处然后记录照射到该位置的光强。
逐渐增加雾度，直到观察者无法看清光源为止。
根据光强的变化，可以计算出雾度的大小。
这种方法相对简单，但其结果也受到光源的性质和外界干扰的影响。
3.光散射法：光散射法是一种比较常用的现场测量雾度的方法。
它利用激光器作为光源，通过测量散射的光线进行雾度的计算。
具体流程是：首先，将激光束发射到空气中，然后捕捉被激光散射的光线，测量散射光线的强度，通过强度的变化推断雾度的大小。
光散射法可以测量较远的距离，也可以实时检测雾度变化，因此在一些需要长距离观测的情况下较为方便实用。
4.雾度仪法：雾度仪是一种专门用于测量雾度的仪器，通常采用光学原理。
雾度仪的工作原理是通过测量光的透射传播和散射反射，计算出雾度的数值。
在测量过程中，雾度仪会发射可见光，然后测量入射光和透射光的光强，从而计算出雾度。
雾度仪的优点是测量结果准确可靠，但其缺点在于价格较高，不易携带，适用范围相对有限。
以上介绍的是几种常见的雾度测试方法，每种方法都有其特定的应用场景和适用性。
其中，观察法和Spotlight法适用于简单场景和初步判断；光散射法和雾度仪法则适用于专业环境和需求更高的场合。
在选择雾度测试方法时，可以根据实际需求和掌握的技术资源来选择合适的方法，最终得出更准确的雾度评估结果。
利用无线通信链路进行基于深度学习的大雾天气监测
利用无线通信链路进行基于深度学习的大雾天气监测利用无线通信链路进行基于深度学习的大雾天气监测大雾天气给人们的出行、生产和安全带来了许多困扰和风险。
准确监测大雾天气的变化对于实现智能交通、优化生产计划以及及时采取安全措施等具有重要意义。
然而，传统的大雾天气监测方法通常依赖于地面或者气象站的设备，无法实时高效地获取全局的大雾信息。
为了解决这一问题，近年来，人们开始探索利用无线通信链路进行基于深度学习的大雾天气监测的方法。
无线通信链路是连接无线设备之间的信号传输路径，如Wi-Fi、蜂窝网络、物联网等。
这些无线通信链路广泛分布于城市和乡村的各个角落，形成了一个庞大的网络。
利用这一网络进行大雾天气监测，不仅能够实现全局范围的数据采集，还可以提供实时的监测结果，便于及时采取应对措施。
深度学习作为一种人工智能的方法，通过模拟人脑神经网络的结构和功能，可以从海量数据中自动学习和识别模式和规律。
利用深度学习算法对无线通信链路中的信号进行分析与处理，可以提取出与大雾天气相关的特征，进而实现大雾天气的监测和预测。
在利用无线通信链路进行大雾天气监测的过程中，数据的采集和处理是关键环节。
首先，需要部署一种无线通信链路传感器网络，将传感器安装在各个基站或者路测车上，以实时采集收发信号的强度等信息。
然后，利用深度学习算法对收集到的数据进行训练和优化，建立起大雾天气监测的模型。
这个模型可以根据信号强度的变化来判断是由晴朗天气还是大雾天气引起的。
最后，将模型应用到实际的无线通信链路中，通过不断收集的数据进行大雾天气的监测和预测。
与传统的大雾天气监测方法相比，利用无线通信链路进行基于深度学习的大雾天气监测具有以下优势。
首先，无线通信链路的部署和使用相对便捷和经济，可以在短时间内建立起广泛的监测网络。
其次，深度学习算法能够根据大量的数据自动学习和预测，对大雾天气的监测准确度更高。
再次，利用无线通信链路进行大雾天气监测可以实现实时监测，及时预警和采取相应的安全防护措施。
面向对象测试技术详解
面向对象测试技术详解面向对象测试技术是软件测试中的一种重要方法，它基于面向对象的编程思想，通过对软件系统的对象进行测试，来保证系统的质量和可靠性。
本文将详细介绍面向对象测试技术的原理和方法，以及在实际项目中的应用。
一、面向对象测试技术概述面向对象测试技术是一种针对面向对象软件的测试方法，在传统测试技术的基础上进行了扩展和优化。
它以对象为单位进行测试，通过模拟对象的行为和交互，来验证软件系统的功能和性能。
面向对象测试技术主要包括以下几个方面：1. 单元测试：针对软件系统的最小单元进行测试，即类或对象的方法和属性。
通过构造合适的测试用例，来验证单元的正确性和稳定性。
2. 集成测试：将各个单元进行组合和协作，测试它们之间的接口和交互。
目的是检测集成后的系统是否符合预期的功能和性能要求。
3. 系统测试：对整个软件系统进行测试，验证系统在不同环境下的稳定性和可用性。
主要关注系统的功能、性能、兼容性等方面。
4. 验收测试：由用户或客户进行的测试，用来验证软件系统是否满足用户需求和要求。
二、面向对象测试技术的原理面向对象测试技术的原理主要包括以下几个方面：1. 继承和多态：通过继承和多态的特性，可以构造多个对象，并且使用相同的测试用例进行测试。
这样可以提高测试效率和覆盖率，减少测试工作的重复性。
2. 封装和封装测试：封装是面向对象编程的基本原则之一，也适用于测试。
通过封装测试的方式，可以隐藏对象的内部实现细节，只暴露出外部接口和行为。
这样可以保持测试的独立性和可维护性。
3. 测试驱动开发：测试驱动开发是一种先写测试用例，再写代码的开发方式。
它可以帮助开发人员更早地发现和解决问题，提高软件的质量和稳定性。
三、面向对象测试技术的方法面向对象测试技术有多种方法，下面介绍几种常用的方法：1. 白盒测试：白盒测试是一种基于代码分析的测试方法，通过查看代码的内部结构和逻辑，来设计和执行测试用例。
它主要关注程序的覆盖度和执行路径，以发现潜在的错误和缺陷。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（ ｃ ｏｌｏ Ｒｅ ｔ ｅ ｓｎ ｎ ｎ ｒ ｔ ｎ Ｅｎ ｎ ｅ ｉｇ， ｈ ｎＵｎ ｖ ｒｉ Ｗｕ ａ ３ ０ ９ Ｓ ｈ ｏ ｆ ｍｏｅＳ ｎｉ ｇ ａ ｄ Ｉ ｆｏｍａ ｉ ｇｉｅｒｎ Ｗｕ ａ ｉｅｓｔ ｏ ｙ， ｈ ｎ ４ ０ ７ ）
Ａｂ ｔ ａ ｔ Ｔｈ ｉ ｉｕ ｔ ａ ｔ ｏ ｅ ｅ ｔ ｎ ｗｉｈ ｒ ｍｏ ｅ ｓ ｎ ｉ ｇ ｔ ｃ ｎ ｌ ｇ ｉｓｉ ｉｔ ｇ ｉ ｉ ｇ ｆ ｇ ａ ｄ ｃｏ ｄ Ｍ ｏ ｔ ｓｒ ｃ ： ｅｄ ｆ ｃ ｌｙ ｉ ｄ ｙ ｉ ｆ ｇ ｄ ｔ ｃｉ ｔ ｅ ｔ ｅ ｓｎ ｅ ｈ ｏ ｏ ｙ ｌ ｎ ｄ ｓ ｉ ｕ ｓ ｎ ｏ ｎ ｌ ｕ ． ｆ ｎ ｍｅ ｏ ｅ ｎ ｈ ｓ ｏ ｈ ｒ ｄ ｔ ｎ ｌ ｏ ｅ ｅ ｔ ｎ ｍｅ ｈ ｄ ａ ｅ ｎ ｐ ｘ ｌｌｖ ｌ ｒ ｎ ｙ ｕ ｉｇ ｔ ｅ ｓ ｅ ｔａ ｎ ｏ ｍａ ｉ ｎ ｏ ｅ ｔ ｅ ｓｎ ａａ ａ ｄ ｆｔ ｅ ｔａ ｉ ｏ ａ ｇ ｄ ｔ ｃ ｉ ｔ ｏ ｓ ｂ ｓ ｄ ｏ ｉ ｅ－ｅ ｅ ｅ ｏ ｌ ｓｎ ｈ ｐ ｃ ｒ ｌｉ ｆ ｒ ｔ ｆ ｒ ｍｏ ｅ ｓ ｎ ｉ ｇ ｄ ｔ ｎ ｉ ｆ ｏ ａ ｏ ｄ ｅｔ ｉ ｌｒｓ ｅ ｔ ａ ｈ ｒ ｃ ｅ ｉｔｃ ｆｆ ｇ ａ ｄ ｃｏ ｄ，ｈ ｓ ｔ ｏ ｓ ｈ ｖ Ｏ ｐ ｅ ｉｉｎ ｉ ｏ ｅｅ ｔ ｎ Ｉ ｈ ｓｐ ｐ ｒ ａ ｎ ｗ ｕ Ｏ ｓ ｍｉ ｐ ｃ ｒ ｌｃ ａ ａ ｔ ｒｓｉｓ ｏ ｏ ｎ ｌ ｕ ｔ ｅ ｅ ｍｅ ｈ ｄ ａ ｅ ｌ Ｗ ｒ ｃｓｏ ｎ ｆ ｇ ｄ ｔ ｃ ｉ ． ｎ ｔ ｉ ａ ｅ ｅ ａ ｏ
ｔ ｈ ｒ ｄｔ ｎ ｌｍｅ ｈ ｄ ． Ｏ ｔ ｅ ｔ ａ ｉ ｏ ａ ｔ ｏ ｓ ｉ
Ｋｅ ｒ ｓ Ｍ ＯＤＩ ；ｏ ；ｌｕ ；ｅ ｍｅ ｔｔ ｎ；ｂｅ ｔｏ ｉｎｅ ｙｗｏｄ ： Ｓ ｆ ｇ ｃｏ ｄ ｓ ｇ ｎ ａｉ ｏ ｊｃ－ｒｅ ｔｄ ｏ
１ 引 言
国外 利用遥 感 技术 进 行 白天雾 检 测起 始 于 ２ ０ 世纪 ７ Ｏ年 代 ， ｅ ｄｘ和 Ｂ ｒ ［ 利用 Ｅ ／ Ｂｎｉ ｏｉ１ ｓ ０Ｓ ＭＯＤ Ｓ Ｉ 数据 的 １ ，１ 段 ， —７ ３ 波 通过 辐 射传 输 方程 计 算低 云 和雾 的最 大最小 阈值 ， 结合 太 阳天顶 角对 白天 陆地
ｄ ｉ１ ． ９ ９ ｊｉ ｎ １ ０ 一 ３ ７ ． ０ ０ ０ ． ０ ｏ ：０ ３ ６ ／．ｓ ． Ｏ Ｏ １ ７ ２ １ ． ６ ０ ７ ｓ
中 图分 类 号 ： ７ １ ＴＰ ５
文献标识码 ： Ａ
文 章 编 号 ：０ ０ ３ ７ （ ０ ０ １ ２ ０ １ ４ １ ０ — １ ７ ２ １ ） １ —０ ３ —０
ｗ ｅ ｅ ａ ｈｏ ｊｃ ｇ ｏ ｌｕ ． ｘ ｅｉ ｎ ｓ ｎ ｉ ｔ ａ ｉ ｍｅｈ ｄｉ ｒ ｖ ｓ ｈ ｒｃ ｉｎｏ ａ ｇｄ ｔｃ ｏ ｏ ａ ｅ ｈ ｔ ｒ ｃ ｂｅｔ ｓ ｏ ｒ ｏ ｄ Ｅ ｐ ｒ ｈ ｅ ｉｆ ｃ ｍｅ ｔ ｉｄｃ ｅｔ ｔ ｈｓ ｔ ｏ ａ ｈ ｔ ｍｐｏ ｅ ｅ ｅ ｉ ｏ ｆ ｙｆ ｅｅｔ ｎｃ ｍｐ ｒｄ ｔ ｐ ｓ ｄ ｏ ｉ
ｍｅｈ ｄｂ ｓｄ ｏ ｂｅｔｏ ｉｎｅ ｅｈ ｉｕ ｒｓｎ ｅ ． ｉｓｌ ｈ ｏ －ｏ ｎ ｏ －ｌｕ ａ ｔ ｒ ｅ ｖ ｄ ｆｏ ｒｍｏｅｓｎ — ｔ ｏ ａｅ ｎｏ ｊｃ－ｒｅ ｔｄ ｔｃ ｎｑ ｅｉ ｐ ｅｅ ｔｄ Ｆｒｔｙｔ ｅｎ ｎ ｆｇ ａ ｄｎ ｎ ｃｏ ｄ ｐ ｒｓａ ｅｒｍｏ ｅ ｒｍ ｅ ｔ ｅ ｓ ｓ ｉｇ ｉ ｇ ，ｎ ｈ ｎ ｔ ｅｒｍａｎ ｅ ａ ｔ ｒ ｅ ｍｅ ｔｄ ｉｔ ｂｅ ｔ ，ｉａｌ ｅ ｅ ａ ｅ ｔｒ ａａ ｔｒ ｒ ｅｅ ｔｄ ｔ ｅｅｍｉｅ ｎ ｍａ ｅ ａ ｄ ｔ ｅ ｈ ｅ ｉｄ ｒｐ ｒｓａ ｅｓ ｇ ｎ ｅ ｏｏ ｊｃｓ ｆｎ ｌ ｓｖ ｒ１ｆａｕ ｅｐ ｒｍｅｅｓａｅｓｌｃｅ ｏｄ ｔｒ ｎ ｎ ｙ
结果 显 示 ， 对 于传 统 的基 于像 素光 谱 信 息 的 多层 次 阈值 法 ， 文 提 出的基 于 对 象 的 雾检 测 方 法相 对 于 传 统 方 法 相 本 在检 测 效 果上 有 较 大 的提 高 。 关 键词 ： ＭＯＤ Ｓ 雾 ； ； 割 ； 向对 象 Ｉ； 云 分 面
Ｄ ｙｉ ｄａｉｎＦ ｇＤｅｅｔ ｎ Ｂ ｓｄｏ ｊｃ＿ｒｅ ｔｄＭｅｈ ｄ ａｔ ｍｅＲａ ｉｔ ｏ ｔｃｉ ａｅ ｎ０ｂ ｔ ｉ ｅ ｔｏ ｏ ｏ ｅ 。 ｎ ｏ
ｔ
ＬＩＷ ｅ ， Ｕ ａ ｇ ｍｉｇ， ＥＮ ｏ ｇ ｆ ｉ ｉＬ Ｌｉｎ － ｎ Ｗ Ｘｉ ｎ － ｅ
■囊应用
遥感信息
基于面向对 象方法 的 白天雾检测
李 维 ， 良明 ， 刘 文雄 飞
（ 汉 大 学 遥 感信 息工 程 学 院 ， 汉 ４ ０７ ） 武 武 ８０ ９
摘要 ： 通过遥 感技术进行雾检测 的难点在于云和雾的分 离， 传统的基于像素的雾检测方法只考虑到云和雾的
光谱 信 息 ， 是 云 和 雾 的光 谱信 患极 为 相 似 ， 易 区分 。本 文 提 出 一种 基 于 面 向对 象 的 白天 雾检 测 方 法 ， 先 从 但 不 首 遥 感 影像 中提 取 云 雾 目标 ， 后 对云 雾 目标进 行分 割 ， 后 选 取 云 雾分 离 的 特 征 参 数 ， 成 对 雾 区 的检 测 。试 验 然 最 完
率低 、 阳 天 顶 角 变 化 复 杂 的 问 题 。Ｃ ｒ ｒ 太 ｅｍａｋ和 Ｂ ｎ ｉ［ ｅ ｄｘ 通过 引入 问题 特征 ， 合 空 间信 息 和光 谱 结