【摘 要】
：
为解决有雾场景图像复原过程中目标边缘存在细节模糊及丢失的问题,结合暗原色先验理论、引导图像滤波和保留边缘的à-Trous小波滤波方法,提出一种保留边缘的à-Trous小波修正的单一图像去雾算法。先对暗原色先验的引导图像滤波去雾算法进行复现,再引入保留边缘的à-Trous小波滤波算子,用三级小波滤波后的残差结果补偿暗原色先验的引导图像滤波算法去雾的结果。实验结果表明,相较于暗原色先验的引导图像滤波去
论文部分内容阅读
为解决有雾场景图像复原过程中目标边缘存在细节模糊及丢失的问题,结合暗原色先验理论、引导图像滤波和保留边缘的à-Trous小波滤波方法,提出一种保留边缘的à-Trous小波修正的单一图像去雾算法。先对暗原色先验的引导图像滤波去雾算法进行复现,再引入保留边缘的à-Trous小波滤波算子,用三级小波滤波后的残差结果补偿暗原色先验的引导图像滤波算法去雾的结果。实验结果表明,相较于暗原色先验的引导图像滤波去雾算法,采用可见边对比度作为客观衡量标准,新增的可见边之比至少提高69.5%,可见边的规范化梯度均值提高
其他文献
针对雾天条件下图像降质的现象,提出一种基于雾浓度检测和简化大气散射模型的图像去雾算法。该方法从大气散射模型出发,首先构造了雾浓度检测模型获取雾最不透明区域来获取大气光值,进而建立简化大气散射模型减少计算复杂度;其次,利用对有雾图像最小通道进行形态学开操作,消除掉局部灰度级过高的像素,然后利用引导滤波算法进行区域平滑并保持边缘特性,接着结合简化模型获取透射率;最后,通过简化后的模型得到复原的无雾图像
机器视觉在当代社会的应用极广,针对曾经提出的机器视觉智能识别方法计算代价过大、稳定性不强等缺点,基于激光图像色彩度高、清晰度好的特点,提出基于激光图像的机器视觉智能识别方法。所提方法采用线性扫描技术得到物体扫描信息,根据扫描信息结构特征将其聚类成激光图像。按照存储排列方式提取激光图像色彩向量,通过对其进行非线性卷积运算获取待识别物体边缘结构,实现激光图像边缘检测。最后讨论了机器视觉与激光图像信息点
针对当前视频监控中人脸分辨率低、识别难度大的问题,提出一种深度超分辨率的监控图像人脸识别框架。通过级联2个深度卷积神经网络模块,首先对获取的低分辨率人脸图像进行超分辨率重建,其次利用第2个卷积神将网络模块提取重构后的高分辨率人脸特征,提出一种结构优化的深度卷积神经网络,并将深度卷积神经网络学习到的特征送入SOFTMAX对人脸进行分类识别。在FERET数据集上进行验证,实验结果显示,研究提出的框架与
FPV眼镜是一种常用于旋翼无人机、固定翼无人机的图像显示和控制设备。为解决因传统交互方式造成的使用场景单一等问题,提出一种应用于FPV眼镜的手势识别交互系统,并重点研究其中的手势识别技术。系统通过对卷积神经网络进行优化设计,并对训练中的超参数进行精细调节,使系统在静态手势和连续动态手势的实际测试中均获得了超过80%的准确率。同时,为实现在嵌入式系统中使用该技术,使用网络优化、并行化处理和Stapl
在主动法三维重建中,结构光深度传感器无法捕捉到透明物体的深度,导致深度图上出现孔洞或深度不一致现象。针对透明物质的成像特点,提出了一种新颖的利用深度图上的无效深度和错误深度在三维空间中定位透明物质的算法。利用有向距离函数来融合多张深度信息,创新性地提出了3种基于有向距离函数的统计指标来搜寻深度缺失及大幅度跳跃的噪声部分以定位透明物质。实验结果表明,此算法能够在重建物体模型的同时正确有效的定位透明物
德勤报告表示物联网变得更加智能。公司正在将人工智能(特别是机器学习)整合到他们的物联网应用程序中,并观察功能的增长,包括提高运营效率并帮助避免意外停机。德勤发布智能物联网报告:人工智能是解锁Io T潜力的钥匙ITH是一波投资,一系列新产品和企业部署的崛起,人工智能正在物联网(Io T)中掀起一阵热潮。制定物联网战略,评估潜在的新物联网项目或试图从现有物联网部署中获得更多
Person re-identification is a classical task for any multi-camera surveillance system. Most of the existing researches on re-identification are based on features extracted from RGB images. However,the
针对稀疏度自适应匹配追踪(Sparsity adaptive matching pursuit,SAMP)算法存在预选原子过多、重构时间长、步长的选择固定等缺点,提出一种稀疏度自适应匹配追踪改进算法.该算法将稀疏度预先设定值与稀疏度估计过量判据相结合进行真实稀疏度快速估计,通过模糊阈值的方法提高候选原子的精确度,采用原子相关阈值改善迭代停止条件,最终实现信号的精确重构.仿真实验表明,改进算法重构质
在维度情感识别领域,分类和回归通常被用来对情感的机器学习进行建模和预测。然而,在维度情感空间中,情感标注通常是一个连续的实数值,拥有有序属性。而前面所提的两种方法并没有考虑并利用这一重要信息。因此,我们提出一个在激活和效价维度空间下的基于脸部图像的情感等级排序框架。我们的方法能够通过离散化连续的情感标注得到情感等级,并恰当地利用它们之间的有序信息。确切地说,首先训练一系列基本误差敏感二分类器,每个
为了在不借助参考视频的条件下准确评价失真视频质量,提出一种应用三维卷积神经网络提取失真视频时空域特征的通用型无参考视频质量评价算法。在视频质量库上训练卷积神经网络模型3D ConvNets,使3D ConvNets学习到与视频失真程度相关的特征;应用3DConvNets对输入的失真视频进行特征提取,对提取得到的质量特征先后进行L2范数规则化和主成分分析以防止过拟合并去除冗余特征;使用线性支持向量回