【摘 要】
：
针对传统的单幅图像去雾算法容易受到雾图先验知识制约及颜色失真等问题,提出了一种基于深度学习的多尺度卷积神经网络(CNN)单幅图像去雾方法,即通过学习雾天图像与大气透射
【基金项目】
：
国家自然科学基金(61841303),长江学者和创新团队发展计划(IRT_16R36),教育部人文社会科学研究基金(19YJC760012)
论文部分内容阅读
针对传统的单幅图像去雾算法容易受到雾图先验知识制约及颜色失真等问题,提出了一种基于深度学习的多尺度卷积神经网络(CNN)单幅图像去雾方法,即通过学习雾天图像与大气透射率之间的映射关系实现图像去雾。根据大气散射模型形成雾图机理,设计了一个端到端的多尺度全CNN模型,通过卷积层运算提取有雾图像的浅层特征,利用多尺度卷积核并行提取得到有雾图像的深层特征,然后将浅层特征和深层特征进行跳跃连接融合,最后通过非线性回归得到雾图对应的透射率图特征,并根据大气散射模型恢复出无雾图像。采用雾图数据集对该模型进行训练测试。实
其他文献
非约束环境下采集的人脸图像复杂多变,稀疏保持投影降维效果不理想。鉴于此,提出一种基于全局约束的监督稀疏保持投影(SSPP-GC)算法。通过引入监督超完备字典和类内紧凑度约束,增强同类非近邻样本的重构关系;并且,在低维投影时增加全局约束因子,使得投影矩阵既考虑了样本的局部稀疏关系,也考虑了全局分布特性,进一步消除异类伪近邻样本的低维映射影响。在AR库、Extended Yale B库、LFW库和Pu
提出了一种基于双色LED芯片的双波长像面数字全息显微术。将主波长为670nm的红光芯片和主波长为521nm的绿光芯片封装成半球型LED芯片,然后利用彩色CCD相机获取被测样品在两种
数字水印技术是一种新型的光信息加密技术,具有很强的伪装能力,但受到相位探测误差问题的限制,在信号还原过程中,传统的通过先求解相位后逆光路计算明文信息的方法并不具有实
运用分步傅里叶变换法对适用于超短艾里脉冲的高阶耦合非线性薛定谔方程进行了求解,利用Matlab软件对超短艾里脉冲在单模光纤中传输时相互作用的演化过程进行了数值模拟。结
小波在空域和频域上均具有良好的局域化性能,适合于非平稳信号分析。在传统的小波变换轮廓术中,对基小波进行尺度伸缩,即调整子小波的中心频率,去匹配局部条纹,以获取对应的相位信息。但仅在局部位置对Morlet小波进行尺度伸缩不能最佳地提取局部相位信息。详细分析了振荡波形随高斯窗宽变化的复Morlet小波在条纹分析中的特点,提出了一种改进的小波处理方法。将所提方法的相位重建结果与基于代价函数的小波方法的相