基于改进线性变换的迭代优化去雾算法

来源 :激光与光电子学进展 | 被引量 : 0次 | 上传用户:zrbgo
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
针对暗通道和线性变换算法的局限性,提出了一种基于改进线性变换的迭代优化去雾算法。首先,从最小颜色分量出发,建立大气耗散函数与最小颜色分量的自适应线性变换模型,以获得介质传输率的初始估计;然后,针对雾图中明亮区域的介质传输率进行自适应修正;其次,使用Kirsch和Laplacian算子构成的高阶滤波器进行迭代处理,得到最优介质传输率;最后,将优化后的介质传输率和基于四叉树子块搜索法获得的大气光值代入大气散射模型,得到复原图像。实验结果表明,本算法能恢复出清晰、自然的图像,对单幅图像的去雾效果较好。
其他文献
基于深度学习的目标检测器RetinaNet和Libra RetinaNet均是使用特征金字塔网络融合多尺度特征,但上述两个检测器存在特征融合不充分的问题。鉴于此,提出一种多尺度特征融合算法。该算法是在Libra RetinaNet的基础上进一步扩展,通过建立两条自底向上的路径构建两个独立的特征融合模块,并将两个模块产生的结果与原始预测特征融合,以此提高检测器的精度。将多尺度特征融合模块与Libra
设计由两个红外相机和一个紧凑散斑结构光投射器构成的三维人脸采集系统,可根据采集精度和运算效率的折衷配置采集散斑图像。散斑模板固定在垂直于投射器光轴的齿轮上,使用齿轮机构驱动散斑模板作旋转运动,使用波长为735 nm的LED照亮散斑,在测量空间中形成时间和空间上互不相关的散斑编码结构光图案,采用时空相关立体匹配算法实现人脸三维重建。通过理论分析和实验验证散斑模板的旋转角度对测量精度的影响,进而确定最
为了获得非均匀Fe45粉末激光熔覆的最优工艺参数,采用3 kW机器人激光熔覆系统进行工艺试验.根据熔覆系统的工艺参数参考范围来设计4因素3水平的L9(43)正交试验方案,利用极差
针对小样本条件下遥感图像目标的检测精度受到卷积神经网络过拟合影响的问题,提出一种基于生成对抗网络的数据增强方法,利用判别模型为生成模型同时提供图像的局部决策与全局决策,以提高生成模型生成图像的质量,并将生成的目标与训练集图像进行融合得到新的样本,且新生成的样本不需人工标注。实验结果表明,在原始数据中加入生成数据后,检测识别精度有所提高,且本文方法与基于图像仿射变换的数据增强方法的叠加使用进一步提高