我们很高兴地宣布，一篇题为《利用地标物体提取与人工神经网络方法进行气象能见度估算》的开创性会议论文将于2025年2月在《Sensors》期刊上发表。该论文由本院卢葦麟教授担任第一作者，并与香港城市大学及香港教育大学合作完成。
- Wai-Lun Lo, Kwok-Wai Wong, Tai-Chiu Hsung, Shu-Hung Chung and Hong Fu, “Meteorological Visibility Estimation by Using Landmark Objects Extraction and ANN Method”, Sensors, 25(3), 951, 2025.
论文摘要
能见度可被定义为在明亮环境下能够识别或检测物体的最大距离，并可作为天气状况与空气污染的环境指标。传统的能见度计算方法结合气象学原理与数字图像的图像特征提取，但其准确度常受限于图像质量与噪声干扰。为提升估算准确性，已有研究提出结合人工智能（AI）与数字图像技术进行能见度预测。该方法通过预训练的卷积神经网络（CNN）提取整张图像的特征，并设计人工神经网络（ANN）以建立图像特征与能见度之间的关联。相比于使用整张图像信息，另有研究提出从图像中识别出有效子区域，并从中提取特征，再以广义回归神经网络（GRNN）建立特征与能见度之间的对应关系。研究结果表明，该方法在准确性上优于传统的手工特征提取技术。然而，有效子区域的选择仍依赖专家人工判断，尚未实现完全自动化。本文提出一种基于地标物体提取技术的自动子区域选择方法，并从这些地标物体（LMO）子区域中提取图像特征，设计ANN以逼近LMO区域特征值与能见度值之间的映射关系。实验结果显示，该方法能有效减少ANN训练中的冗余信息，并在能见度估算方面优于整张图像处理方式。
研究团队成员
香港珠海学院
- 卢葦麟教授（信息科学学系正教授，系主任）
- 黄国威（信息科学学系研究助理）
- 熊体超博士（信息科学学系副教授）
香港城市大学
- 钟树鸿教授（电机工程系讲座教授）
香港教育大学
- 傅弘博士（数学与信息科技系副教授）
部分论文照片
使用不同类型模型的预测结果
