摘 要：

能见度是了解大气稳定度的天气指标，也是保障交通安全的重要因素。然而雾霾使得
能见度大大降低，有时会导致驾驶者和观测者不能对环境作出正确的判读，甚至会引发事
故。为了消除安全隐患、提高户外成像系统图像质量，对图像去雾技术进行深入研究很有
必要。

对于问题一，首先对机场 AMOS 观测数据进行预处理。第一步检测时间戳缺失，并对
有效指标缺失值进行了填充。第二步，对于已有时间戳数据进行完整性检测，数据中的指
标均完整。第三步，通过绘制箱线图检测异常值，发现了部分离群点，但是数值较小且到
离群点的值连续变化，结合题目背景，保留小部分离群点。我们选取气压、温度、相对湿
度、风速四个气象因素，研究它们与能见度的关系。首先分别绘制四个因素与能见度的关
系曲线图，可以找出能见度为 3000 时，四个指标的范围，之后对其余数据段分别拟合非
线性函数关系，得到的函数关系有三角函数、指数形式等。用拟合得到的函数代替线性函
数，进行变换之后，求出回归方程的解析解，得到最终的关系式。

对于问题二，首先将长视频切分成若干个时长为一分钟的短视频，然后将能见度值划
分为 6 个区间映射到 6 个类别标签上，进而完成数据集的构造。以能见度估计场景为出发
点，采用 Resnet 残差网络提取空间域特征，LSTM 网络提取时间域特征。结合时空域，建
立 ResNet + LSTM 融合的深度学习模型来对视频数据的能见度进行估计。通过对交叉熵损
失进行可视化，发现网络是收敛的，同时计算出模型在测试集视频上的类别错判率为
17.23%，有效地评估了模型能见度估计的精度。

对于问题三，本文首先利用暗通道先验原理求得透射率，为了消除块状效应，利用引
导滤波的方法对求得的透射率进行优化，再通过摄像机与路面之间的几何建模得到道路深
度信息，由于大气消光系数可以度量不同能见度下的亮度差异估计能见度，结合大气消散
理论，最终得到透射率、道路深度、能见度之间的数学模型，求得在 6:30-7:38 时间段内
100 个时刻点的能见度，6:30 时，能见度为 30.19m，在经过接近一个小时后，大雾慢慢消
散，能见度达到 60m，此时路况较之前有所改善。

对于问题四，采用拉格朗日插值和线性插值法进行了数据增强，然后使用擅长捕捉非
线性变化的 Seq2Seq+Attention 模型和擅长捕捉线性变化的时间序列 ARIMA 模型结果融
合，使用问题三得到的能见度随时间变化规律预测大雾变化趋势，得到了更好的结果，我
们发现经过 6637.1s 到 7111.5s 后 MOR 可以达到 150m，对应到当天的时刻为 09:29:48 到
09:37:43。

最后，我们对于模型的优缺点进行评价，提出了一些改进的建议，并且在一定程度上
介绍了模型的推广前景。

关键词：联合时空特征 模型融合预测 多项式特征生成 Resnet 残差网络 暗通道先验

链接：https://pan.baidu.com/s/1zhmFQONUhmSUTn6fyqGrvg
提取码：abis