霧霾是一種常見(jiàn)的天氣現(xiàn)象�？諝庵械撵F霾會(huì)導(dǎo)致攝像機(jī)拍攝得到的圖片的清晰度和能見(jiàn)度降低,從而導(dǎo)致其應(yīng)用價(jià)值大幅度的降低。因此,圖像去霧任務(wù)有著重要的現(xiàn)實(shí)意義。本文首先分析了目前圖像去霧算法的優(yōu)缺點(diǎn),然后在此基礎(chǔ)上提出了兩個(gè)不同的基于深度學(xué)習(xí)的圖像去霧算法和一種像素級(jí)的圖像去霧效果評(píng)價(jià)算法。本文的主要研究?jī)?nèi)容和成果如下:第一,為了將有霧圖像恢復(fù)成為清晰的無(wú)霧圖像,本文提出了一種需要數(shù)據(jù)對(duì)進(jìn)行訓(xùn)練的端到端的深度學(xué)習(xí)框架去執(zhí)行圖像去霧任務(wù)。我們提出的深度學(xué)習(xí)網(wǎng)絡(luò)框架不需要估計(jì)有霧圖像的透射率和大氣光值,而是直接估計(jì)有霧圖像和對(duì)應(yīng)的無(wú)霧圖像之間的差,之后用初始的有霧圖像加上我們提出的網(wǎng)絡(luò)輸出的差,得到清晰的無(wú)霧圖像。第二,結(jié)合了傳統(tǒng)的圖像去霧算法,本文提出了一種新的激活函數(shù)去用來(lái)加快本文提出的基于深度學(xué)習(xí)的圖像去霧網(wǎng)絡(luò)的收斂速度。該激活函數(shù)被命名為反參數(shù)整流線性單元（RPRe LU）。該激活函數(shù)不僅能加快網(wǎng)絡(luò)的訓(xùn)練速度,并且能提升網(wǎng)絡(luò)的性能。第三,為了解決傳統(tǒng)的基于深度學(xué)習(xí)的圖像去霧算法需要數(shù)據(jù)對(duì)才能進(jìn)行訓(xùn)練的缺陷。本文提出了一種不需要數(shù)據(jù)對(duì)來(lái)進(jìn)行訓(xùn)練的基于生成式對(duì)抗網(wǎng)絡(luò)的圖像去霧模型。該模型不... 

【文章來(lái)源】：哈爾濱理工大學(xué)黑龍江省

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

霧霾天氣對(duì)目標(biāo)檢測(cè)算法的影響

哈爾濱理工大學(xué)工學(xué)碩士學(xué)位論文-2-近幾年來(lái)，圖像去霧算法受到的關(guān)注較多，許多學(xué)者都提出了有效的圖像去霧方法，并都取得了一定的成果。因此，需要一個(gè)客觀公正的去霧質(zhì)量評(píng)價(jià)算法來(lái)評(píng)價(jià)圖像去霧的效果。由于在圖像去霧任務(wù)中，我們無(wú)法獲得真實(shí)的無(wú)霧圖像作為參考，因此圖像去霧任務(wù)是一個(gè)典型的不適定問(wèn)題。很多學(xué)者利用大氣散射模型在無(wú)霧圖像上進(jìn)行模擬霧天圖像，然后利用原始的無(wú)霧圖像作為圖像去霧效果的基準(zhǔn)來(lái)評(píng)價(jià)圖像去霧算法的好壞。但是，這種評(píng)價(jià)方案有兩個(gè)缺陷。第一，由于真實(shí)的有霧圖像與人工模擬的有霧圖像的區(qū)別較大，因此在合成數(shù)據(jù)集上效果好的算法在真實(shí)數(shù)據(jù)集上的性能可能很差。第二，當(dāng)圖像去霧算法對(duì)真實(shí)的有霧圖像執(zhí)行圖像去霧時(shí)，由于無(wú)法獲得參考信息，因此這種全參考的圖像質(zhì)量評(píng)價(jià)無(wú)法工作。因此，如何在不使用原始的清晰圖像作為參考信息的前提下客觀公正的評(píng)價(jià)圖像去霧算法的效果是一個(gè)困難且重要的問(wèn)題。圖1-2霧霾天氣下的戶外圖像Fig.1-2Hazyoutdoorsceneimages1.2本課題國(guó)內(nèi)外研究現(xiàn)狀我們的研究大致可以分為兩個(gè)內(nèi)容：第一部分是對(duì)圖像去霧算法的研究，第二部分是對(duì)圖像去霧質(zhì)量評(píng)價(jià)算法的研究。1.2.1國(guó)內(nèi)研究現(xiàn)狀與應(yīng)用目前國(guó)內(nèi)有許多學(xué)者都對(duì)圖像去霧算法進(jìn)行了研究。其中最具有代表性的是何凱明博士于2009年提出暗通道先驗(yàn)算法[3]。暗通道先驗(yàn)算法指出，在一幅RGB圖像中，取每一個(gè)像素的三通道的灰度值中的最小的那個(gè)值得到一幅灰度圖，之后對(duì)這幅灰度圖進(jìn)行最小值濾波，得到的圖像為原RGB圖像對(duì)應(yīng)的暗通道圖像。何凱明等人發(fā)現(xiàn)，清晰無(wú)霧的圖像的暗通道的值非常低，幾乎

哈爾濱理工大學(xué)工學(xué)碩士學(xué)位論文-6-圖2-1大氣散射模型示意圖Fig.2-1Diagrammaticdrawingofatmospherescatteringmodel2.2深度學(xué)習(xí)基礎(chǔ)人工智能在很多領(lǐng)域中也都有應(yīng)用，比如三維重構(gòu)、情感分析、人臉識(shí)別等等。人工智能最重要的分支是深度學(xué)習(xí)。近幾年來(lái)，深度學(xué)習(xí)在很多領(lǐng)域都取得了突破，其原因主要有兩個(gè)：第一是在因?yàn)樵诨ヂ?lián)網(wǎng)時(shí)代的背景下，獲取數(shù)據(jù)也變得更加方便了；第二是因?yàn)橛?jì)算機(jī)的硬件水平在不斷的提升。至少基于以上兩點(diǎn)原因，深度學(xué)習(xí)技術(shù)才能在近幾年來(lái)發(fā)展的十分迅速。大量的論文和應(yīng)用都證明了，深度學(xué)習(xí)技術(shù)可以在很多領(lǐng)域內(nèi)進(jìn)行應(yīng)用，比如計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、機(jī)器人技術(shù)、量化投資、網(wǎng)絡(luò)和廣告金融等等。2.2.1卷積神經(jīng)網(wǎng)絡(luò)前向傳播結(jié)構(gòu)是深度學(xué)習(xí)中最基本的結(jié)構(gòu)。圖2-2是前向神經(jīng)網(wǎng)絡(luò)，由多個(gè)單一“神經(jīng)元”相互連接，按層搭建成的網(wǎng)絡(luò)。網(wǎng)絡(luò)共有3部分：輸入層（Layer1)、隱藏層（Layer2)、輸出層（Layer3)。其中Layer1與Layer3均為可視層；Layer2為隱藏層。Layer3只有一個(gè)節(jié)點(diǎn)，用來(lái)輸出結(jié)果。以圖2-2中的前向神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為例，該圖可輸入3個(gè)變量，隱藏節(jié)點(diǎn)是3個(gè)輸出節(jié)點(diǎn)是1個(gè)，每一層都有各自的權(quán)值W和偏移量b。前向神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式是一種有監(jiān)督的學(xué)習(xí)方式，即需要提供數(shù)據(jù)的標(biāo)簽才能進(jìn)行訓(xùn)練。卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetwork,CNN）也屬于前向神經(jīng)網(wǎng)絡(luò)的一種。卷積神經(jīng)網(wǎng)絡(luò)的作者是受到了動(dòng)物視覺(jué)神經(jīng)工作過(guò)程的啟發(fā)而

【參考文獻(xiàn)】：
期刊論文
[1]分割暗通道先驗(yàn)鄰域的單幅圖像去霧算法[J]. 黃黎紅.  地球信息科學(xué)學(xué)報(bào). 2018(02)
[2]基于暗原色先驗(yàn)與Retinex理論的去霧算法[J]. 舒婷,鄧波,陳炳權(quán),劉耀峰.  吉首大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(02)

碩士論文
[1]基于HVS特性的圖像質(zhì)量客觀評(píng)價(jià)[D]. 龔洪濤.南京理工大學(xué) 2011



本文編號(hào)：3583585