图像去雾中深度学习数据增强方法

图像去雾是图像处理领域中非常重要的问题。深度学习可以有效提高图像清晰度,但训练过程中由于缺少相对应的真实雾匹配数据对,多采用合成雾作为数据集。现有合成雾多依赖于深度信息、大气散射系数等参数,针对由此作为数据集训练容易造成颜色失真和去雾不彻底的问题,提出基于循环生成对抗网络(CycleGAN)合成雾方法。通过该网络进行不匹配数据对训练学习有雾图像的特征,然后赋予清晰图片真实雾特征并与其自身构成匹配数据对,最后再用此类数据集进行去雾训练。结果表明,这些数据集可以有效解决颜色失真和去雾不彻底等问题。     

基于改进循环生成式对抗网络的图像风格迁移

图像间的风格迁移是一类将图片在不同领域进行转换的方法。随着生成式对抗网络在深度学习中的快速发展,其在图像风格迁移领域中的应用被日益关注。但经典算法存在配对训练数据较难获取,生成图片效果差的缺点。该文提出一种改进循环生成式对抗网络(CycleGAN++),取消了环形网络,并在图像生成阶段将目标域与源域的先验信息与相应图片进行纵深级联;优化了损失函数,采用分类损失代替循环一致损失,实现了不依赖训练数据映射的图像风格迁移。采用CelebA和Cityscapes数据集进行实验评测,结果表明在亚马逊劳务平台感知研究(AMT perceptual studies)与全卷积网络得分(FCN score)两个经典测试指标中,该文算法比CycleGAN, IcGAN, CoGAN, DIAT等经典算法取得了更高的精度。     

基于生成对抗网络的图像去雾算法

近几年在图像去雾领域中基于深度学习的方法层出不穷,利用循环生成对抗网络(CycleGAN)设计图像去雾算法.在CycleGAN中,通过对生成器进行改进来达到预期的处理效果.在生成器的编码网络和解码网络中选用Leaky ReLU和tanh两种激活函数,并对转换网络的残差块进行减少数量处理和加权优化处理.本设计能够更好地展...     

基于雾气特征与不等关系约束的去雾方法

针对现有去雾算法未充分考虑图像雾气信息、复原图像细节模糊等问题,提出一种新颖的反映图像雾信息分布的雾气特征图,并采用不等关系约束方法提高图像质量。首先,提取退化图像的极值通道以实现雾气信息的粗略估计,并通过L-1正则化对其进行优化从而得到雾气特征图。其次,提出一种基于雾气特征的初级大气光幕函数,通过对颜色通道和大气光幕作深入分析,利用均值不等式获得约束后的退化场景大气光幕。最后,利用雾气特征图对局部大气光进行改进,并基于大气散射模型实现图像去雾。将所提算法在真实雾图和合成数据集雾图上与其他经典方法进行比较分析,可以发现,所提算法在单幅图像去雾中展现了较好的性能,且在夜间雾图复原中更具优势。     

融合压缩激活注意机制的图像去雾算法

针对非均匀带雾图像出现颜色失真和细节丢失的问题,提出一种融合压缩激活注意力机制的端到端感知去雾卷积神经网络。首先,根据非均匀雾图特征,在特征融合注意网络上引入压缩激活注意力机制,通过学习的方式自动获取每个特征通道的重要程度,并对其进行排序后去提升有用的特征权重,遏制对当前任务用途较小的特征比例;其次,在损失函数方面融入感知损失,使去雾网络模型学习到更多语义特征信息,从而加强被模糊的边缘细节,获取较好的去雾效果;最后,在非均匀带雾图像NH-HAZE数据集上进行定性和定量分析。实验结果表明,所提出的网络与经典方法相比在量化指标PSNR、SSIM分别提升了3.05 dB和0.08%,且主观视觉效果上保留了更多的边缘信息和纹理细节。     

基于双注意力机制的多尺度去雾网络

图像去雾是计算机视觉领域中一个具有挑战性的任务。在雾霾天气下拍摄的图像会受到严重的信息退化,图像颜色和对比度大幅度衰减等问题。因此,图像去雾任务作为众多高级视觉任务的前置工作成为了计算机领域的一个研究热点。随着深度学习的发展,端到端的去雾网络在图像去雾领域取得了巨大的进展。由于雾霾在图像上的像素不均匀分布,大多数端到端图像去雾网络都将特征中每个通道都平等处理,导致去雾效果欠佳。文章引入通道注意力机制使网络更加关注对去雾有效的特征,抑制无关特征。此外,我们在去雾网络中引入多尺度结构并且考虑到图像的空间结构信息,通过结合不同尺度的特征,并捕获一定的图像空间位置信息,从而达到更好的去雾效果。在合成有雾数据集和真实有雾数据集上的相关实验表明,该方法能够有效的提升去雾网络性能。     

基于改进CycleGAN的ISAR图像超分辨方法

图像超分辨是解决ISAR欺骗干扰中由于模型样本不完备导致难以对大带宽ISAR实现高逼真假目标模拟的重要手段。利用生成对抗网络（GAN）可通过端到端映射实现ISAR图像的超分辨,然而,当测试输入样本与训练输入样本分辨率差异较大时,超分辨图像中会出现伪散射点从而导致目标失真。考虑到循环生成对抗网络（CycleGAN）对输入样本差异适应性较好,本文提出了一种基于改进CycleGAN的ISAR欺骗干扰超分辨样本生成方法,分别从损失函数、优化过程、判别器结构三方面对CycleGAN网络结构进行改进,加快了网络的收敛速度,同时对于输入分辨率差异较大的ISAR图像泛化性能更好。利用暗室测量数据验证了所提方法的有效性,与GAN方法相比,对于训练输入样本分辨率差异较大的测试输入样本,生成的超分辨样本散射点位置与真实数据具有更好的匹配效果。     

基于大气散射模型的图像去雾及亮度增强算法

针对雾图能见度低和去雾图像亮度偏暗的问题,提出一种基于大气散射模型的双阶段去雾算法。首先使用线性变换估算复原图像亮度,使用拉伸方法估算复原图像饱和度,根据复原图像亮度、饱和度估算其最小通道,联合雾图最小通道获取粗糙透射率。在不同阶段分别使用双梯度代价函数、导向滤波优化粗糙透射率,依据大气散射模型复原图像和增强亮度。实验结果表明,所提算法复原图像更清晰明亮;图像综合质量、峰值信噪比和运行时间等客观指标均值优于所有比较算法,其中图像综合质量最少提高1.55倍,运行速度最少加速1.50倍。所提算法有效地增强了雾图的能见度和明亮度。     

具有条件约束的金字塔视野扩张网络去雾算法

为了消除雾霾天气对机器光学视觉系统的影响,当今社会急需有效的图像去雾算法。基于此提出端到端具有条件约束的金字塔视野扩张网络去雾算法。该算法通过金字塔视野扩张网络有效地提取有雾图像的上下文语义信息,以大气散射模型为约束,能够还原出高质量的无雾图,有效解决雾霾天气对机器光学视觉系统的影响。与其他流行去雾算法进行了对比实验,实验结果表明,所提出的算法在O-HAZE真实雾霾数据集的去雾结果平均PSNR指标高于对比算法2.4 dB,去雾效果优于对比算法,具有有效性和鲁棒性。     

基于迁移学习的三子网图像去雾方法

目前大部分图像去雾算法只在一种或几种均匀雾图数据集中有较好的表现,对于不同风格或非均匀雾图数据集去雾效果较差,同时算法在实际应用中会因模型泛化能力差导致模型场景受限。针对上述情况,该文提出一种基于迁移学习的卷积神经网络(CNN)用于解决去雾算法中非均匀雾图处理效果不佳和模型泛化能力差等问题。首先,该文使用ImageNet预训练的模型参数作为迁移学习模型的初始参数,以加速模型训练收敛速度。其次,主干网络模型由3个子网组成：残差特征子网络、局部特征提取子网络和整体特征提取子网络。3子网结合以保证模型可从整体和局部两个方面进行特征提取,在现实雾场景(浓雾、非均匀雾)中获得较好的去雾效果。该文在模型训练效率、去雾质量和雾图场景选择灵活性3个方面进行了研究和改进,为衡量模型性能,模型选择在去雾难度较大的非均匀雾图数据集NTIRE2020和NTIRE2021上进行定量与定性实验。实验结果证明3子网模型在图像主观和客观评价指标两个方面都取得了较好的效果。该文模型改善了算法泛化性能差和小数据集难以进行模型训练的问题,可将该文成果广泛应用于小规模数据集和多变场景图像的去雾工作中。     

基于视觉与标注相关信息的图像聚类算法

算法首先按视觉相关程度对标注字进行打分,标注字的分值体现了语义一致图像的视觉连贯程度.利用图像语义类别固有的语言描述性,从图像标注中抽取具有明显视觉连贯性的标注字作为图像的语义类别,减少了数据库设计者繁琐的手工编目工作.按标注字信息对图像进行语义分类,提高了图像聚类的语义一致性.对4500幅Corel标注图像的聚类结果证实了算法的有效性.     

一种新的基于图像增强的融合算法

针对一般融合算法在图像预处理上存在的不足,将图像融合引入图像预处理中,使待融合图像不仅得到增强,且不损失其他信息,为下一步图像融合奠定良好的基础,在此基础上对图像进行融合,其标准差、平均梯度、熵等图像评价指标都优于直接对图像进行融合,达到预期效果.     

数字图像拼接方法研究进展

数字图像拼接是指将具有重叠区的多幅数字图像或多帧视频通过配准和融合获得单幅宽视场图像或者动态全景图.数字图像拼接方法主要包括图像配准算法和图像融合算法.根据待拼接图像和拼接图像的特点,介绍图像拼接的4种基本类型,说明图像拼接的研究意义,概述近年来图像拼接方法的研究状况,最后分析图像拼接方法的研究动向.     

基于IMG红外图像的编码破解与格式转换

红外热像仪常见的图像格式为IMG,其编码规则有别于通常意义下的IMG图像,经研究发现:图像文件中保存每个像素点信息的数据(本文中称其为像素值)是随着该点的实际温度值单调递增的:利用神经网络得出像素点的实际温度与像素值间的函数关系,仿真误差低于0. 0001;据此构造温度值与灰度色彩的非线性关系,本文最后根据BMP图的编码规则,将红外热图转换成Windows下通用的图像格式,从而突破了热像仪器配套软件的禁锢,又可以得到图像最原始的温度信息,为进一步的红外图像处理打下了基础。     

一种基于鱼眼图像的全景展开算法

针对在全景图像拼接技术中有着广泛应用的鱼眼图像校正问题,这里选择分辨率为800×800大小的鱼眼图片进行实验,利用鱼眼镜头垂直拍摄生成全景图的方法,运用图像像素点矩阵的变换,像素点数量的不变性,拼接其子图像,进而取得了良好的效果,由此得出了一种简单而有效的全景图展开算法。实验证明,算法简单、计算量小、实时性高、获得了良好的校正效果,达到生成全景图像的目的。     

光机装校阶段红外与可见光图像配准技术研究

针对在光机装校阶段,分析光学件和金工件的设计、加工和装配的累积误差对图像配准精度的影响.首先,分析在光机装校时采取主观评价方法评价图像配准质量的原因;其次,具体分析物镜的焦距和畸变误差、光轴一致性误差和探测器安装面误差对图像配准精度的影响.通过分析误差产生的原因,提出在光机装校时的解决办法.     

基于图像特征的多元平滑算法

基于图像特征的分析,本文提出了一种能够最大限度地保持图像细节、且同时滤除图像随机颗粒噪声与结构性噪声的多元平滑算法。该算法优于图像系统通常采用的均值与中值滤波方法,能够使用于实时热成像系统图像处理场合     

多光学传感器的图像拼接系统的设计

当要求的场景尺寸超出一个光学传感器的范围时,同时取得一个完整的场景就成为难点。针对这一问题,提出一套小型的视场拼接系统。采用多个光学传感器同时对场景进行采集,得到几幅互相有一定重叠的图像。然后进行图像配准和图像融合,实现无缝大视场的拼接。     

一种水下图像增强算法的实现和仿真

〗由于水下环境的特殊性和复杂性,使得水下图像的质量差、图像对比度低。文中给出了一种基于空间域的图像增强方法,该算法利用均值算法估计水下图像背景,从原水下图像衰减背景图像,再对衰减背景之后的图像进行改进的图像锐化处理。通过对算法仿真结果的分析可知,处理后的图像整体对比度明显提升,同时使得目标的边缘更加清晰。     

地基毫米波辐射图像模拟生成方法的研究

分析了照相机和地基毫米波辐射计的成像机理，讨论了光学图像的分割和识别方法，论述了地物表面温度亮温、视温、天线温度和天空温度之间的关系，并在此基础上提出了一种用可见光图像模拟生成毫米波辐射图像的方法，该方法用于制作地图匹配制导中的基准地图，图像模拟的结果表明，该方法完全可行。