[论文解读] Measuring Visibility using Atmospheric Transmission and Digital Surface Model
本文提出一种自动化方法，通过结合基于图像的大气透过率估计与高分辨率数字表面模型（DSM），估算机场能见度。通过传输图检测无霾像素，并利用DSM生成的深度图，该方法将能见度计算为可见像素深度的第99百分位数，其结果在250米至10公里的能见度范围内与METAR报告相当。
Reliable and exact assessment of visibility is essential for safe air traffic. In order to overcome the drawbacks of the currently subjective reports from human observers, we present an approach to automatically derive visibility measures by means of image processing. It first exploits image based estimation of the atmospheric transmission describing the portion of the light that is not scattered by atmospheric phenomena (e.g., haze, fog, smoke) and reaches the camera. Once the atmospheric transmission is estimated, a 3D representation of the vicinity (digital surface model: DMS) is used to compute depth measurements for the haze-free pixels and then derive a global visibility estimation for the airport. Results on foggy images demonstrate the validity of the proposed method.
研究动机与目标
- 克服空中交通管制中基于人工的能见度报告所存在的主观性与局限性。
- 实现在机场视野范围内密集的、像素级的能见度估算，而非依赖稀疏地标观测。
- 开发一种基于物理原理、结合图像处理的方法，利用大气透过率与三维场景几何信息进行能见度估算。
- 使用机场环境中实际的雾天图像，与官方METAR报告对比，验证该方法的有效性。
提出的方法
- 利用基于暗通道先验的单幅图像消霾技术，估算每个像素的大气透过率。
- 使用高分辨率（1米）数字表面模型（DSM）生成深度图，计算相机视线上场景点的距离。
- 对传输图应用全局阈值（0.75），以识别无霾像素，假设透过率 > 0.75 表示可见。
- 将能见度计算为所有透过率高于阈值的像素深度的第99百分位数，以减少异常值的影响。
- 通过从屋檐线重建立面投影，修正由遮挡（如建筑物）引起的深度图伪影。
- 结合LiDAR与SRTM的DSM，以提升复杂城市型机场环境中的深度精度。
实验结果
研究问题
- RQ1能否通过单幅图像的大气透过率估计，在雾霾条件下实现可靠的能见度评估？
- RQ2高分辨率数字表面模型在能见度计算中的深度估计方面，能提升多大程度的精度？
- RQ3基于传输图与深度图推导出的能见度距离，与官方METAR报告相比如何？
- RQ4传输图上的何种阈值可实现最准确的能见度估算？
- RQ5与全局阈值相比，局部阈值自适应是否能提高能见度估算的准确性？
主要发现
- 该方法估算的能见度范围为102米至12,178米，与官方METAR报告的250米至10公里范围高度一致。
- 对于250米、500米和6000米的能见度距离，实测值分别为102米、731米和6768米，与报告值高度吻合。
- 无霾像素的第99百分位深度提供了稳健的能见度估算，有效降低了深度异常值的影响。
- 使用校正后的深度图通过解决由遮挡（如屋顶）引起的深度模糊问题，提升了估算精度。
- 对传输图采用0.75的启发式阈值在多种天气条件下（包括雾层与低空云）均表现出一致结果。
- 实测值与报告值之间的差异主要归因于人工观测的主观性以及在某些距离范围内地标稀疏。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。