基于K-Means的时间季节反演识别方法

不同的时间季节有不同的特征,根据季节的特征,我们在计算机上利用各种方法可以清楚的识别不同的季节。本文利用HSV图像色彩模型,主要对各个季节的图片的特征进行分析和研究,进行颜色间的对比,比较其色彩值的平均值与方差,运用光学图像处理技术,采用近邻分类的方法,对比各季节图像的特征差异,对所选图像进行分类与识别,进而达到自动识别季节的目的。实验结果证实了此研究方法的可行性,在季节识别上能够达到自动识别的效果。

一种基于KNN的天气现象连续观测识别方法

多级天气分类是视频监控和智能交通等诸多潜在应用的基础和重要技术。大多数现有的天气分类方法只考虑天气晴朗或晴天多云的天气条件,并且主要集中在一个固定的场景,如大众旅游和交通情景。本文基于HSV图像色彩模型,主要对各天气现象图片的亮度进行分析和研究,进行亮度间的对比,比较其亮度值的平均值与方差,采用最近邻方法,对所选图像进行分类与识别,达到自动识别各类天气的目的。实验结果证实了此研究方法的可行性。