在霧、霾天氣下,空氣中的細(xì)微顆粒物,及其在大氣中的散射,致使各種成像設(shè)備獲得的圖像變得模糊,降低了圖像的應(yīng)用價(jià)值。因此,減小霧霾對(duì)成像的影響,提高圖象質(zhì)量便顯得尤為重要。實(shí)現(xiàn)圖像去霧最關(guān)鍵的便是要通過圖像分析精確地估計(jì)出透射率。要想通過大量的帶霧圖像分析了解透射率的分布情況,目前最有效的方法便是利用深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行建模分析。本文設(shè)計(jì)了三種針對(duì)單幅圖像去霧的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。（1）基于ResNet的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)了可訓(xùn)練的端到端系統(tǒng),用于估計(jì)介質(zhì)傳輸。通過直接將輸入信息繞道傳到輸出,在一定程度上解決了信息丟失,損耗等問題,保護(hù)信息的完整性,整個(gè)網(wǎng)絡(luò)只需要學(xué)習(xí)輸入、輸出差別的那一部分,簡化學(xué)習(xí)目標(biāo)和難度。采用ResNet的全卷積網(wǎng)絡(luò)結(jié)構(gòu),以兩個(gè)3x3的卷積網(wǎng)絡(luò)串接在一起作為一個(gè)殘差模塊,構(gòu)建了網(wǎng)絡(luò)的結(jié)構(gòu)。（2）基于DenseNet的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)了兩種可訓(xùn)練的端到端系統(tǒng)。第一個(gè)網(wǎng)絡(luò)將DenseNet與全卷積網(wǎng)絡(luò)相結(jié)合,利用密集塊與多尺度思想,提取豐富的圖像特征信息。第二種網(wǎng)絡(luò)將DenseNet與去噪自編碼器相結(jié)合,通過編碼和譯碼實(shí)現(xiàn)特征提取和特征組合。以上系統(tǒng)均以霧霾圖像為輸入,輸出其介質(zhì)傳輸... 

【文章來源】：西安電子科技大學(xué)陜西省211工程院校教育部直屬院校

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

霧霾天氣視覺圖

第一章 緒論目前主流的去霧算法可分為兩大類，一類是基于圖像增強(qiáng)的去霧算法，一類是基物理模型的圖像復(fù)原去霧算法。如圖 1.2 所示，詳細(xì)描述了現(xiàn)有的圖像去霧各類算。

由于該算法復(fù)雜度較高，運(yùn)算量巨大，Kim在此算法上又做了改進(jìn)，提子塊部分重疊局部直方圖（Partially overlapped sub-block histogram, POSHE）算法（1）有霧圖像及其灰度直方圖分布

【參考文獻(xiàn)】：
期刊論文
[1]一種深度學(xué)習(xí)的單幅圖像去霧方法[J]. 黃靖,姜文,肖長詩,文元橋,周高景,張帆.  小型微型計(jì)算機(jī)系統(tǒng). 2018(08)
[2]基于大氣散射模型的單幅霧天圖像復(fù)原方法[J]. 劉佳嘉,唐悟甲,劉建華.  中國測試. 2017(07)
[3]圖像去霧的最新研究進(jìn)展[J]. 吳迪,朱青松.  自動(dòng)化學(xué)報(bào). 2015(02)
[4]基于物理模型的快速單幅圖像去霧方法[J]. 禹晶,李大鵬,廖慶敏.  自動(dòng)化學(xué)報(bào). 2011(02)
[5]圖像去霧技術(shù)研究綜述與展望[J]. 郭璠,蔡自興,謝斌,唐琎.  計(jì)算機(jī)應(yīng)用. 2010(09)
[6]一種圖像去薄霧方法[J]. 芮義斌,李鵬,孫錦濤.  計(jì)算機(jī)應(yīng)用. 2006(01)

碩士論文
[1]基于深度學(xué)習(xí)的圖像去霧方法研究[D]. 賈緒仲.湖南工業(yè)大學(xué) 2018



本文編號(hào)：3630459