基于雾气浓度的遥感图像去雾密集神经网络算法

来源 :广东工业大学 | 被引量 : 0次 | 上传用户:wyj132
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
去雾一直是提高图像质量领域的重要研究方向之一,遥感图像去雾更是对后续遥感图像处理有着举足轻重的作用。获取遥感图像的硬件限制以及成本限制更是对提高遥感图像质量有更高的要求。遥感图像中雾气浓度不均匀、地物信息复杂以及数据集稀少的问题使得目前主流的适用于自然图像去雾的方法并不适用于遥感图像去雾,并且遥感图像中雾气浓度过浓容易造成遮挡问题,导致提高图像质量后该部分的信息依然模糊。因此针对以上问题,本文所做的具体工作如下:(1)本文使用基于对抗神经网络的无监督域适应方式,从不成对的遥感RGB图像和高分辨率遥感图像中学习二者的映射信息,进而得到高分辨率信息,能从遥感RGB图像中重构高分辨率遥感图像,丰富的高分辨率信息对于后续的去雾非常重要,能减缓遮挡的问题。由于重构后的图像是去雾方法的样本,因此重构的高分辨率遥感图像需要保留完整的雾气信息,针对这个问题,本文引入域分类器来调整生成器的参数,在重构图像中保留原始图像中雾气信息。考虑到重构图像的数据分布可能会与真实图像不同,本文再次引入一个生成器来调整重构图像的数据分布与清晰的遥感图像一致,为后续去雾任务添加助力。(2)本文基于图像重构方法在去雾样本中添加了高分辨率信息,且进一步与HSV颜色模型、YCb Cr颜色模型、LAB颜色模型相结合,拓宽了去雾样本的波段信息,这使得去雾后图像中雾气去除的更为彻底且细节保留的更为清晰。从上述的数据处理过程出发,本文提出了一种基于深度学习与雾气物理性质的雾气方法,使用金字塔密集连接的编码器-解码器网络以及U-Net网络来搭建去雾网络,且在网络中融入了雾气浓度的相关物理性质进行去雾。上述数据预处理以及去雾网络的设计使得本文方法不仅能在自然图像上取得较好的去雾效果,也能在遥感图像上表现优异。本文在图像重构方法和去雾方法上都进行了实验,使用PSNR以及SSIM评价指标来客观评价生成图像的质量,本文提出的重构方法以及去雾方法保留的边缘细节特征更好,且图像重构方法提取的高分辨率信息更为完整,去雾方法中克服了小雾团的现象,能得到去雾更为彻底的图像。
其他文献
中医舌诊是中医望诊中的关键环节,通过分析人体舌部能够获取有关人体健康许多重要信息。随着生活水平的提高,人们越来越关注自身健康问题。而中医舌诊理论作为国内医学精华,在人体健康诊断方面发挥不可替代的作用。然而,传统的中医舌诊缺乏量化机制,容易受到外界环境与医生水平的影响,更具主观性。针对此问题,本文创新性提出使用计算机视觉技术自动舌象分类的方法,本文主要研究工作和创新点如下:(1)设计了舌象数据采集和
与传统的有线电能传输相比,无线电能传输技术因具有更高的安全性和更低的维护成本而成为当前的研究热点,在电动汽车、手机设备和数字家庭等场合具有广阔的应用前景。无线电能传输在收发线圈严格对准或者传输距离较近的情况下,具有较强的传输能力和较高的传输效率。但是,在实际应用中,耦合机构可能发生水平偏移或者传输距离可能发生改变,导致输出电压波动和效率降低等问题。因此,针对水平偏移和传输距离等问题的研究对于无线电
毫米波雷达在生命信号检测领域得到了广泛的应用,如驾驶员状态监测,病人心肺信号检测和家庭健康监护。目前在生命信号检测领域常用的毫米波雷达体制有超宽带雷达,调频连续波雷达和连续波雷达。调频连续波雷达兼具有连续波雷达测速和超宽带雷达测距的能力,而且对微小运动非常敏感,所以采用调频连续波雷达研究复杂环境下的生命信号检测。在生命信号检测过程中,很难保证被测目标全程保持静止状态,被测目标产生的随机身体运动会使
随着数控机床生产自动化的发展和超精密仪器的广泛应用,作为精密测量核心部件的光学编码器的测量精度对设备高精密加工或仪器高精密测量至关重要。光学编码器系统在测量过程中,易受到温度等环境以及系统内部干扰因素的影响,从而产生复杂的测量误差。这些内外因素交织在一起,使得这些误差成分不是简单地叠加,而是高度相互作用、耦合作用在光学编码器上,并呈现出非线性非平稳的状况。有研究表明,可以通过获取测量误差趋势来补偿
人们日益增长的通信需求极大促进了移动通信系统的更新换代。在全球加速部署的第五代移动通信系统根据频率可划分为FR1的Sub-6 GHz和FR2的毫米波两个大类,其中的毫米波频段由于其传播特性及技术瓶颈而被暂时搁置,并且正在进行关键技术的研究,因此Sub-6 GHz频段成为了各个主流国家部署5G的首选频段。选用Sub-6 GHz作为5G的初期建设频段能够有效减少基站部署成本,加速5G网络部署速度的同时
知识图谱被定义为包含多类型节点和多类型边的多关系图,它实际上是一个语义网络的知识库,如今已广泛地应用在证券投资、搜索、自适应教育、大数据风控、聊天机器人、智能医疗、推荐系统等领域中。如何采取有效的辅助信息去改善协同过滤推荐系统的性能成为研究的热点。目前,改善的主要方法有在推荐系统中引入如深度学习、神经网络、知识图谱等辅助信息,相比其他辅助信息,知识图谱不但能够使实体之间具有更加丰富的语义关系,从而
自动引导小车(Automatic guided vehicles,AGV)被广泛地应用于无人生产车间,以完成生产物料在给定派单下的自动搬运,是现代智能工厂的重要组成部分。对于物料运输任务的快速性、准确性要求,AGV需要具备能够高效地完成路径寻优,并跟踪最优轨迹的能力。本课题主要研究的是将最优控制的理论方法结合深度学习方法,应用到AGV轨迹规划中,做到实时最优控制。传统最优控制方法用于轨迹规划问题求
能源匮乏和环境污染是全世界面对的问题,开发和利用可再生能源发电是改善环境的有效方法。然而,由可再生能源发电构成的微电网系统容易受到气候和环境变化的影响,导致发电具有随机性,因此需要对微电网的能量进行优化管理。本文对可再生能源发电和负荷进行预测,通过能量管理策略实现微电网的能量管理。首先,描述了分布式电源的数学模型和微电网能量管理模型。针对可再生能源发电和负荷的随机性问题,分别采用指数平滑法、灰色预
由于受到生产产品等各方面需求的推动,很多专用设备逐渐向重型化、大型化的方向发展。大型设备系统结构复杂、集成度高,万一发生停机甚至出现重大事故,将会造成极大的经济损失。为了避免事故的发生,目前针对大型设备的维护手段基本以计划性维护为主,维护策略相对保守,多数更换下来的设备仍存在一定的剩余使用时间,资源利用率低。维护技术经历了故障检修、预防性维护等历程,目前已进入智能维护研究的阶段,主要分为基于模型驱
室内气体定量分析在仿生嗅觉中是一个热点应用领域,对于人们健康有着非常重要的意义。如果能够有效地提取在不同干扰情况下的混合气体的特征,这对于实际环境中的应用具有重要的作用。传统的室内气体分析主要是理化鉴别法,存在着技术门槛高,实时性差的缺点。本文的目的是探索使用深度学习对混合气体进行定量分析的方法,对比目前仿生嗅觉已有的模式识别算法,研究对象为电子鼻采集的室内有毒有害的甲醛混合气体数据,综合考虑了不