-
题名铁路综合视频图像去雾算法研究与探讨
被引量：5
- 1
-
-
作者
吴歆彦
陈明阳
-
机构
中国铁路经济规划研究院有限公司
北京邮电大学
-
出处
《铁道标准设计》
北大核心
2019年第6期160-164,共5页
-
文摘
受雾霾等复杂介质环境影响,铁路视频监控系统获得的视频图像降质严重,使得雾霾天图像复原方法研究成为亟待解决的关键性问题。铁路雾霾视频监控图像具有分辨率低、灰度分布集中等主要特点,深入研究分析直方图均衡算法、Retinex图像增强算法和暗通道先验去雾算法的图像处理原理,分析图像处理效果。利用3种算法对铁路室外图像进行分析处理,结果表明3种算法均可以实现去雾,直方图均衡算法存在颜色失真和光晕现象; Retinex图像增强算法清晰度最好,但处理后的图像存在部分失真;暗通道先验去雾算法处理图像较为自然。
-
关键词
铁路综合视频图像
去雾算法
直方图均衡算法
Retinex图像增强算法
暗通道先验去雾算法
-
Keywords
Railway integrated video image
Haze removal algorithm
Histogram equalization
Retinex improvement for image enhancement
Haze removal using dark channel prior
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
U285
[交通运输工程—交通信息工程及控制]
-
-
题名基于YOLOv5的矿井火灾视频图像智能识别方法
被引量：26
- 2
-
-
作者
王伟峰
张宝宝
王志强
张方智
任浩
王京
-
机构
西安科技大学安全科学与工程学院
西安科技大学电气与控制工程学院
西安科技大学计算机科学与技术学院
陕西陕煤澄合矿业有限公司董家河煤矿分公司
-
出处
《工矿自动化》
北大核心
2021年第9期53-57,共5页
-
基金
国家重点研发计划项目(2021YFE0105000)
国家自然科学基金项目(52074213)。
-
文摘
针对煤矿井下光照分布不均匀造成视频图像失真,火灾识别精度低等问题,提出了一种矿井火灾视频图像智能识别方法。该方法以YOLOv5为识别模型,采用K-means算法对传统的暗通道图像去雾算法进行改进,并用改进算法对采集的火焰图像进行去雾处理,提高矿井火灾视频图像识别精度;为减少静态背景对火灾识别的影响,采用帧差法与混合高斯模型融合算法,对动态演化的火焰图像进行特征提取,并采用形态学处理算法消除图像中存在的缺口,从而得到更加完整的火焰目标图像;对火灾视频图像数据集进行标注,并输入到YOLOv5算法模型进行训练及测试。结果表明:基于YOLOv5的矿井火灾视频图像智能识别方法平均精度为92%,损失函数为0.6,比传统算法Alexnet,VGG16,Inceptionv3的平均精度分别高9.6%,13.5%,4.9%,表明该方法检测速度快、精度高,可有效提高矿井火灾识别准确率。
-
关键词
矿井火灾
视频图像智能识别
YOLOv5
K-MEANS
暗通道去雾算法
帧差法
混合高斯模型
-
Keywords
mine fire
video image intelligent identification
YOLOv5
K-means
dark channel defogging algorithm
frame difference method
Gaussian mixture model
-
分类号
TD752
[矿业工程—矿井通风与安全]
-
