基于图像熵与分段平稳时间序列分析的高速公路能见度估计
计算机视觉与模式识别
2018-04-13 v1
摘要
基于视觉的能见度估计方法在减少雾霾所致交通事故方面可发挥关键作用。为克服当前能见度估计方法的不足，我们提出一种基于高斯图像熵与分段平稳时间序列分析（SPEV）的新型数据驱动方法。这是首次将高斯图像熵用于大气能见度估计。为减轻地物与日照照度对能见度估计的影响，我们采用感兴趣区域（ROI）分析并考虑图像熵的相对比值，以提高估计精度。我们假设雾霾导致图像模糊，且雾霾可视为分段平稳信号。我们利用分段平稳时间序列分析构建图像熵与能见度间的分段因果关系。为获取雾霾期间的真实能见度度量，通过一项由 36 名受试者进行能见度观测的研究建立了主观评估。最后，共使用两百万段视频训练 SPEV 模型并验证其有效性。视频采集自中国江苏常发雾霾的通启高速公路。采用能见度估计的对比模型进行算法性能比较，SPEV 模型的验证结果令人鼓舞，99.14% 的相对误差小于 10%。
引用
@article{arxiv.1804.04601,
title = {Expressway visibility estimation based on image entropy and piecewise stationary time series analysis},
author = {Xiaogang Cheng and Guoqing Liu and Anders Hedman and Kun Wang and Haibo Li},
journal= {arXiv preprint arXiv:1804.04601},
year = {2018}
}