【摘 要】
：
工业相机的成像元件大多是以电荷耦合元件（Charge Coupled Device,CCD）与互补金属氧化物半导体（Complementary Metal Oxide Semiconductor,CMOS）为主的传感器。此类传感器不具备颜色恒常性功能,在图像采集过程中,会因红外光线的串扰导致图像呈现出不正常的红色状态。现有的解决办法是在图像采集装置的镜头前端加一个红外截止滤光片,以此来消除图像采集
论文部分内容阅读
工业相机的成像元件大多是以电荷耦合元件（Charge Coupled Device,CCD）与互补金属氧化物半导体（Complementary Metal Oxide Semiconductor,CMOS）为主的传感器。此类传感器不具备颜色恒常性功能,在图像采集过程中,会因红外光线的串扰导致图像呈现出不正常的红色状态。现有的解决办法是在图像采集装置的镜头前端加一个红外截止滤光片,以此来消除图像采集过程中红外光线对图像色彩造成的影响。这无疑增加了硬件成本和维修成本。因此,研究红外耦合图像的低成本事后校正方法是十分必要的。本文采用深度学习方法对上述问题进行研究,具体工作及取得的研究成果如下:（1）构建了红外耦合图像样本库。本文采用两种方法构建图像样本库:一是使用CCD/CMOS宽光谱相机采集真实图像;二是使用公开的Image Net数据集,通过调整R、G、B通道比例生成仿真图像。最终构成红外耦合图像大规模数据集。实验结果表明,这两种方法构建的数据集可以对深度神经网络进行有效的训练和评估。（2）提出了基于监督学习的红外耦合图像色彩校正方法。该监督学习网络采用自编码结构,由特征提取模块和图像重构模块组成,以不断学习输入图像和输出图像之间的色彩差异来实现色彩校正。特征提取模块对输入的红外耦合图像逐步下采样,获取不同分辨率之间潜在关系的同时减少网络的计算量。图像重构模块接收提取到的特征信息,经过自注意力模块、卷积层、激活层,逐步上采样,生成理想的校正图像。同时,使用均方误差损失和结构相似性损失对网络进行约束。实验结果表明,该方法可以正确校正红外耦合图像色彩,并且在测试集上的结果远远优于传统的色彩校正方法,具有较高的PSNR与SSIM值。（3）提出了基于生成对抗学习的红外耦合图像色彩校正方法。该模型由生成网络和鉴别网络构成。生成网络对输入的红外耦合图像进行特征提取并校正其色彩,然后将校正图像或真实图像作为鉴别网络的输入;利用鉴别网络区别其真假后,将结果反馈给生成网络,激励生成网络学习更多的颜色、纹理细节等特征信息。实验结果表明,生成对抗学习网络的加入使得红外耦合图像的校正结果在亮度、颜色和对比度等方面更加接近于真实图像。
其他文献
随着智能设备的不断普及,人们在日常的生活中频繁接触图像。图像中包含大量的信息元素,人类可以通过将图像作为载体进行信息交流。在日常生活中我们使用手机或相机拍摄照片时,得到的图像不是单一时间内的一幅即时图像,而是一段时间内的情景,在拍照的过程中,相机会产生曝光,在这短短几秒里,所拍摄的物体产生位移或照相机自身发生了位移都可能会导致像素点发生错乱,产生一种非均匀模糊,造成图像信息受损而无法传递有效信息。
随着无线通信技术的蓬勃发展,无人机影像应用是继卫星遥感的有力补充,目标检测技术在无人机航拍场景的应用也成为理论界焦点话题。然而,无人机航拍与计算机视觉的结合虽然予以生活极大地便利,但是仍面临以下问题亟待解决:如何避免在无人机航拍视频中行人检测时出现漏检和错检;如何在行人之间出现相互遮挡以及在不同的光照条件下进行检测。常见的目标检测算法在对自然场景下具有较好的检测效果,但是对于无人机航拍中的目标检测
在当前的嵌入式多核系统中,存在着大量的任务需要计算和处理,例如无人驾驶汽车系统和大型工控设备中各个控制模块的任务,这些任务之间存在着复杂的约束关系,而DAG任务模型常用于描述这些任务之间的关系。DAG任务模型的调度算法也可以应用于多核系统中,为了缩短系统中任务整体的完成时间,对于DAG任务模型的调度算法研究就成为了一个关键问题。针对带有通信开销的DAG任务图,现有的基于任务复制的调度算法存在数据冗
无人机编队作为军事和民用领域的一种常用复杂装备,如何智能、精确地协同控制编队是一个重要的研究方向,但现有的无人机编队实验大多采用仿真实验,在实际飞行中存在可靠度低,安全性差等问题。数字孪生技术作为一种新兴技术,在实验验证时将实际对象的状态数据纳入测试过程,在智能运维、异常诊断、风险预测和决策辅助等方面表现出诸多应用价值,受到世界各方的关注和讨论。本文将数字孪生技术引入无人机编队的智能协同控制研究中
随着各种类型的室内服务机器人被广泛应用在人类的生活生产中,机器人的同步定位与建图（Simultaneous Localization and Mapping,SLAM）技术逐渐成为研究的热点。受室内环境多样性与复杂性的影响,基于二维激光雷达的SLAM由于只能获取安装高度的障碍物信息且回环检测困难,从而不能构建障碍物信息完整的高精度环境地图。因此,论文针对单一二维激光雷达SLAM在室内环境中存在的问
社会保险作为社会保障制度的重要组成部分,与每个人的生活息息相关。而随着互联网的发展,人们对社会保险的关注度越来越高。如何在纷繁杂乱的数据海洋中快速获取社会保险知识成为人们迫切需要解决的问题。最近的研究中,知识图谱由于能够直观便捷的构建结构化知识体系而备受关注。而实体关系抽取能够从非结构化的文本中抽取结构化的知识表示,所以在知识图谱的构建过程中具有重要意义。因此,基于实体关系抽取的社保领域知识图谱构
随着数字化技术的发展,使用手术导航系统协助医生便捷精准地进行手术已经成为了一种重要的发展趋势。而注册技术是实现手术导航精准定位的关键,通过注册技术可以获得真实患者空间与虚拟图像空间的转换关系,使两者坐标系得到统一,实现虚实结合。目前,手术导航的注册方式主要分为:基于标记点和基于无标记点。其中,基于标记点的注册方式存在着标志物掉落、遮挡、无法识别等问题。为了避免以上缺陷,本文在研究方法上采用了基于无
复杂背景下红外目标检测是基于红外图像,对多种复杂场景进行分析与理解,获取兴趣目标类别与方位的计算机视觉技术。当前,复杂背景下红外目标检测主要面临两方面的问题,一是缺少相关数据集,二是模型收敛速度慢、检测精度低。针对上述问题,本课题采用深度学习方法对复杂背景下的红外目标检测技术进行了深入研究,主要工作如下:（1）构建了针对红外目标检测的网络模型。检测网络以YOLO系列模型为框架,采用CSPDark
近年来,区块链技术经历了飞速发展,从最初仅用于数字货币领域,到现如今为金融、医疗、教育、工业等多个领域带来全新的解决方案和发展机遇,区块链技术目前在全球范围内受到认可和深入研究。共识机制作为区块链技术的核心组成部分之一,是确保系统安全和可靠性的基石。共识算法性能的高低直接决定了整个系统的效率和可用性。因此,设计一个高效的共识机制对于提升区块链系统的性能和保障安全可信具有至关重要的意义。本文对区块链
图像着色的目标是将灰度图像中每个像素分配适当的颜色,以生成视觉信息更加丰富的彩色图像。该技术在数字艺术、医学成像和影视制作等领域具有广泛的应用前景。灰度图像在同一灰度值可对应多种颜色,这使得图像着色问题具有不确定性。如何生成合理的彩色图像是计算机视觉领域中一项具有挑战性的任务。随着计算机图像处理能力的提高和技术的不断进步,基于深度学习的图像着色研究也在生成图像的效率和颜色效果方面取得了进展。然而,