پیش ‏پردازش تصاویر جهت تشخیص خودرو در آب و هوای نامساعد

تشخیص وسایل نقلیه و ردیابی آن نقش مهمی در اتومبیل‏های خودران و سیستم‌های حمل و نقل هوشمند ایفا می‌کند. شرایط آب و هوایی نامساعد مانند حضور برف سنگین، مه، باران، گرد و غبار، با کاهش دید دوربین محدودیت‌های خطرناکی ایجاد کرده و بر عملکرد الگوریتم‌های تشخیصی استفاده شده در سیستم‌های نظارت بر ترافیک و برنامه‌های رانندگی خودکار تاثیر می‌گذارد. در این مقاله، یک طرح بهبود دید متشکل از سه مرحله ارائه شده است: بهبود کنتراست تصویر، بهبود جزییات تصویر و تقویت لبه‌های تصویر. پس از بهبود کیفیت تصویر، از شبکه عمیق تشخیص اشیاء faster rcnn-fpn با هسته‌ی resnet50 استفاده شده و اثر پیش‏پردازش در دقت شناسایی خودرو مورد بررسی قرار می‏گیرد. دیتاست مورد استفاده، فایل dawn می‌باشد که شامل تصاویر دنیای واقعی است و با انواع مختلفی از شرایط آب و هوایی نامطلوب جمع‌آوری شده‌اند. نتایج به دست آمده نشان می‏دهند که روش ارائه شده جهت پیش‏پردازش، در بهترین حالت منجر به 6درصد افزایش دقت در شناسایی خودرو شده و بیشترین میزان افزایش دقت نیز مربوط به شرایط گرد و غبار است.