【摘 要】
:
含光源影响的雾图像中光源极易引入雾天原本不存在的光晕,从而影响大气光值和透射率估算的准确率,针对此问题,提出一种简单、易实现的去光源影响的雾天图像去雾算法.首先,基于超像素分割在CIELab颜色空间进行光源区域确定;然后,引入基于距离度量的光衰减因子计算并去除光源的影响;最后,以超像素块为单位估计大气光值,并采用加权导向滤波迭代优化透射率获得光源影响下的去雾结果图,提高效率和准确率.在光源影响下雾图集合和SOTS等数据集上进行了复原实验,将雾天图像复原结果与现有主流算法复原结果进行主客观对比,实验结果表明
【机 构】
:
山东财经大学计算机科学与技术学院 济南 250014;山东财经大学计算机科学与技术学院 济南 250014;山东省数字媒体技术重点实验室 济南 250014;山东省中美数字媒体国际合作研究中心 济南
论文部分内容阅读
含光源影响的雾图像中光源极易引入雾天原本不存在的光晕,从而影响大气光值和透射率估算的准确率,针对此问题,提出一种简单、易实现的去光源影响的雾天图像去雾算法.首先,基于超像素分割在CIELab颜色空间进行光源区域确定;然后,引入基于距离度量的光衰减因子计算并去除光源的影响;最后,以超像素块为单位估计大气光值,并采用加权导向滤波迭代优化透射率获得光源影响下的去雾结果图,提高效率和准确率.在光源影响下雾图集合和SOTS等数据集上进行了复原实验,将雾天图像复原结果与现有主流算法复原结果进行主客观对比,实验结果表明,文中算法复原结果的NIQE和BRISQUE值更低,并具有清晰度高、噪声低、纹理细节丰富和色彩恢复度高的优点.
其他文献
针对现有二维人体姿态估计方法应用于视频序列时由于图像质量不稳定而导致的估计精度下降和时域不连续的问题,提出一种时空信息感知网络STNet.首先利用卷积模块提取出每帧视频中人体关节点的二维空间热力图,接着利用循环卷积模块对连续帧热力图之间的时间信息进行编码.时空信息的解耦学习策略提升了姿态估计结果的时域连贯性和空间准确性,降低了视频序列中时空特征的提取难度.循环卷积模块中的ConvGRU结构在保证识别精度的同时有效减少了模型计算量.在二维关节点数据集Penn Action和Sub-JHMDB上进行实验,并与
传统实验室云端访问安全监控方法无法识别访问数据的伪显特征,实验数据保密性较差.为此提出基于回填算法的实验室云端访问安全监控方法.结合不同云端服务类型,将实验室云数据的生命周期分段处理.利用回填算法,通过调度器根据截止时间实现任务评分,并定义任务优先级.设置四项状态变换规则,构建保护数据隐私性与完整性的安全监控模型.将安全等级按照由高到低顺序排列,建立任务与用户之间的关系矩阵,实现云端访问安全监控.仿真验证了回填算法的应用下,实验室资源利用率较高,可有效识别出访问数据的伪显特征,确保实验室访问安全.
针对现有建筑热负荷预测精度不高和随机泛化能力不强的问题,在考虑短时热惯性因素情况下,对建筑热负荷影响因素进行Spearman秩相关性分析,借助K-mean聚类归纳热负荷预测多维多规则云推理发生器,以室外温度、太阳辐射作为规则前件输入,进行气象参数下基于正逆向云算法的建筑热负荷云预测.结果显示基于聚类的多维多规则云预测在保证预测可靠前提下,预测精度和随机泛化能力均得到提高,平均相对误差为3.72%,相较不分类多维单规则精度平均提高了76.12%,结果可为精细化供热、节约能源提供支持.
针对视频预测中空间结构信息细节和时序运动依赖关系难以准确预测的问题,受人类视觉过程的启发,提出一种基于差分注意力机制的时空小波分析视频预测算法.首先利用时空小波分析模块对视频内容进行多频分解,增强模型对于高频细节信息以及过程性运动的理解能力;然后利用差分注意力机制指导模型更高效、合理地分配注意力资源,提升对瞬时运动特征的表达能力.在KTH,Cityscapes,BAIR,KITTI,Caltech Pedestrian数据集上的实验结果表明,所提算法在PSNR,SSIM,LPIPS评价指标上取得了比已有算
信息推荐有利于提高用户获取所需数据的效率,但是在网络信息与用户激增的过程中,会使数据呈现一定的稀疏性,而且用户兴趣也容易产生变化.为了增强推荐系统的性能,提出了融合标签与内容感知的用户群信息推荐算法.依据内容语料库将词去重组成异构图,利用邻域属性对其进行编码,完成词向二维向量的映射,再采用卷积神经网络对内容信息进行特征识别,实现内容感知并得到相应标签.考虑标签偏好对用户兴趣的反映,建立偏好模型.其间先是分析了评价和影响程度与偏好的关系,随后为了搜索更多的信息推荐依据,引入了时间和相似度影响来更新偏好模型,
近年来,随着公共安全需求的不断增长以及智能监控网络的快速发展,行人重识别已成为计算机视觉领域的热门研究课题之一,其目标是在不同摄像头中检索具有相同身份的行人.首先,介绍目前经典的行人重识别数据集;然后,重点梳理了近年来基于生成对抗网络的行人重识别方法,根据生成对抗网络的特点和应用场景将这些方法归纳为风格转换、数据增强和不变性特征学习3类,并总结每类方法的基本原理和优缺点;再在主流数据集上对经典算法进行比较;最后,总结现阶段行人重识别面临的挑战,并对未来的研究方向进行展望.
为了提高摄影图像的清晰度,需要对摄影图像进行模糊去重处理.采用当前方法对模糊图像进行去重处理时,存在去重效率低和去重效果差的问题.提出考虑局部自相似性的图像模糊去重方法,在图像退化数学模型的基础上通过数值约束和梯度约束实现摄影图像的边缘提取,利用摄影图像的局部自相似特性,建立训练库映射的一阶回归模型,在一阶回归网络模型的基础上通过字典训练实现摄影图像的模糊去重处理,在较短的时间内提高摄影图像的清晰度.仿真结果表明,所提方法的去重效率高、去重效果好.
采用目前方法对油气地震储层进行预测时,没有提取油气地震储层数据的主成分,无法准确地在油气地震储层预测过程中预测砂厚度和储层厚度,导致方法存在泛化能力差的问题.提出基于卷积神经网络的油气地震储层预测方法,在莱特准则的基础上对油气地震储层数据进行取均值与剔除异常值处理,并采用主成分分析方法提取预处理后油气地震储层数据的主成分,在卷积神经网络中输入油气地震储层数据的主成分,实现油气地震储层的预测.仿真结果表明,所提方法在油气地震储层预测过程中预测的砂厚度与储层厚度与实际厚度相符,表明方法在油气地震储层预测过程中
随着微系统、微控制等技术的不断发展,工业自动化和生产中对微观测量的需求日益增加,对精度、效率、成本等方面提出了更高的要求.针对这一现状,结合显微技术与双目视觉技术,以常用的体视显微镜及双相机构建了一个数字化显微视觉深度测量系统.首先设计连接件连接相机与显微镜并搭建测量系统;然后通过调整相机位置进行机构对准与系统参数标定,获取双目图与深度计算所需参数,建立视差与深度的对应关系;再基于CUDA设计一种快速的立体匹配算法计算视差图;最终完成视差图与深度图的转化,实现显微目标的深度测量并进行精度分析.利用体视显微
雨天等恶劣天气将造成图像质量的严重退化,进而影响计算机视觉算法的准确性.为了更好地提取多尺度雨痕特征,恢复图像含有的重要细节信息,提出一种基于多分辨率上下文聚合网络的单幅图像去雨方法.首先利用混洗操作将单一分辨率输入图像转化为多空间分辨率的输入图像,在低空间分辨率中使网络迅速扩大接受场,而在高空间分辨率下提取更加精细的雨痕特征,并将低分辨率提取的雨痕特征自上而下地聚合到高空间分辨率中,引导网络提取多尺度雨痕信息;然后采用多分辨率特征增强块细化不同分辨率下图像的细节,防止去雨图像中的细节损失或模糊,利用局部