پيش ‏پردازش تصاوير جهت تشخيص خودرو در آب و هواي نامساعد

تشخيص وسايل نقليه و رديابي آن نقش مهمي در اتومبيل‏هاي خودران و سيستم‌هاي حمل و نقل هوشمند ايفا مي‌كند. شرايط آب و هوايي نامساعد مانند حضور برف سنگين، مه، باران، گرد و غبار، با كاهش ديد دوربين محدوديت‌هاي خطرناكي ايجاد كرده و بر عملكرد الگوريتم‌هاي تشخيصي استفاده شده در سيستم‌هاي نظارت بر ترافيك و برنامه‌هاي رانندگي خودكار تأثير مي‌گذارد. در اين مقاله، يك طرح بهبود ديد متشكل از سه مرحله ارائه شده است: بهبود كنتراست تصوير، بهبود جزييات تصوير و تقويت لبه‌هاي تصوير. پس از بهبود كيفيت تصوير، از شبكه عميق تشخيص اشياء Faster RCNN-FPN با هسته‌ي ResNet50 استفاده شده و اثر پيش‏پردازش در دقت شناسايي خودرو مورد بررسي قرار مي‏گيرد. ديتاست مورد استفاده، فايل DAWN مي‌باشد كه شامل تصاوير دنياي واقعي است و با انواع مختلفي از شرايط آب و هوايي نامطلوب جمع‌آوري شده‌اند. نتايج به دست آمده نشان مي‏دهند كه روش ارائه شده جهت پيش‏پردازش، در بهترين حالت منجر به 6درصد افزايش دقت در شناسايي خودرو شده و بيشترين ميزان افزايش دقت نيز مربوط به شرايط گرد و غبار است.