【摘 要】
：
现有去雾算法直接应用于交通图像时容易出现过渡区域明显、偏色严重,不能满足后续交通标志检测系统的应用要求,为此提出一种改进的基于暗原色先验的单幅交通图像去雾算法。首先利用改进的均值漂移算法对交通图像进行天空区域分割,并对分割后的天空区域采用直方图均值化算法去雾,对非天空区域使用基于快速双边滤波的暗原色先验算法去雾,最后通过图像融合得到最终去雾图像。实验结果表明,相比其他几种典型去雾算法,所提算法对交
【基金项目】
：
国家自然科学基金资助项目（61374143）
论文部分内容阅读
现有去雾算法直接应用于交通图像时容易出现过渡区域明显、偏色严重,不能满足后续交通标志检测系统的应用要求,为此提出一种改进的基于暗原色先验的单幅交通图像去雾算法。首先利用改进的均值漂移算法对交通图像进行天空区域分割,并对分割后的天空区域采用直方图均值化算法去雾,对非天空区域使用基于快速双边滤波的暗原色先验算法去雾,最后通过图像融合得到最终去雾图像。实验结果表明,相比其他几种典型去雾算法,所提算法对交通标志图像天空区域的过渡区域和色彩失真现象有所改善,且具有较快的处理速度,通过定量分析可知去雾效果较好,
其他文献
随着经济的发展和技术水平的提高,混凝土框架结构建筑、框架剪力墙结构建筑、高层现浇混凝土建筑以及钢结构建筑在大、中城市建筑中有了很大发展.这些结构体系为各类建筑板材
针对现有行为特征提取方法识别率低的问题,提出了一种融合稠密光流轨迹和稀疏编码框架的无监督行为特征提取方法(DOF-SC)。首先,在稠密光流(DOF)轨迹提取的基础上,对以轨迹为中心的原始图像块进行采样作为轨迹的原始特征;其次,对轨迹原始特征基于稀疏编码框架训练稀疏字典,得到轨迹的稀疏特征表示,利用词袋(BF)模型对稀疏特征聚类得到轨迹的码书,再根据码书对每个动作中出现的所有轨迹所属的码书类别进行投
针对图像分割算法无法兼顾图像细节与图像整体的问题,提出一种基于图像颜色和空间信息的彩色图像超像素分割方法。该方法首先使用图像色彩粗糙程度来对图像进行颜色量化,并在此基础上使用了超像素分割中的简单线性迭代簇(SLIC)算法对颜色量化后的图像进行了初步分割。将区域面积过小的区域认定为不合格区域,通过颜色与空间信息将不合格区域并入合格区域,形成图像的初始分割区域,并记录每个区域的各个特征值。然后,根据各
针对动态信任网络中企业信任联盟的识别及演变问题,提出一种基于片段的演化图聚类(GC)算法。首先,通过考虑企业信任网络演化的时间信息来对信任网络进行编码;其次,构建划分和表示信任网络结构编码成本的评价函数,如信任联盟稳定则将该时间段内信任网络组成片段压缩表示,如联盟突变则开始新的信任网络片段并重新划分结构;最后,通过搜索最小编码成本,得到信任联盟的稳定结构和结构突变的时间点。仿真实验表明,所提算法能
为解决克隆代码有害性预测过程中特征无关与特征冗余的问题,提出一种基于相关程度和影响程度的克隆代码有害性特征选择组合模型。首先,利用信息增益率对特征数据进行相关性的初步排序;然后,保留相关性排名较高的特征并去除其他无关特征,减小特征的搜索空间;接着,采用基于朴素贝叶斯等六种分类器分别与封装型序列浮动前向选择算法结合来确定最优特征子集。最后对不同的特征选择方法进行对比分析,将各种方法在不同选择准则上的
针对传统的细节裁剪算法,处理粒度为面片级,无法在规定时间内快速处理顶点、面片规模数以亿计的流程工厂模型的问题,提出一种基于八叉树的大规模流程工厂模型细节裁剪算法,用于解决传统细节裁剪效率低下的问题,以保证较高的交互帧率。该方法依据组成流程工厂模型的构件体素特征以及空间特征,提出用于量化构件大小的占屏值,并结合建立的八叉场景树,依据所述占屏值近似估算一系列构件投影至屏幕所占据的像素点数量上限,从而快
依靠科技进步推动住宅现代化我国住宅产业基本沿用了几千年一贯制的黏土砖瓦结构,在全世界烧砖建房总量中独占鳖头,我国住宅建筑业的发展已经远远落后于现代科学技术的发展水
为了有效提高基于无线传感网的配电网服务质量,进一步增强配电网中数据实时性,减少延迟,提出了一种基于优先级的多信道调度策略。首先,根据实时的信道链路状态信息,提出了基于最小跳数生成树的链路路由算法(LB-MHST),克服了无线射频干扰,保证智能电网的服务质量;然后,针对配电网中不同数据包对于延迟要求的不同,考虑了数据优先级传输,有效地提高了感知节点的数据传输效率,进一步满足了配电网中的Qo S性能要
去年到今年,全国共有4个省市出台了有关墙材革新与建筑节能工作的政府令,其中东北地区就占了两个,辽宁省和吉林省分别于今年3月和4月发布了省政府令.由于工作力度加大,东北三
混凝土砌块的生产和应用在国外已经有100多年的历史.在工业发达国家,混凝土砌块一直是主要的建筑材料,约占墙体材料的80%,占房屋建筑的35%,占住宅建筑面积的50%.几乎每个城市