基于CycleGAN的水面圖像去霧方法的研究與實現(xiàn)
發(fā)布時間:2022-07-14 13:04
在大霧頻發(fā)的水面場景下,光線由于水汽的影響而導致散射,使得采集的圖像對比度、顏色等特征發(fā)生改變,形成霧天降質(zhì)圖像。水面霧天降質(zhì)圖像對于輪船航行、漁船捕撈、船體識別等應用場景具有限制作用,因此設(shè)計出合適的算法對水面圖像進行去霧具有重要的科研意義和實用價值。但是現(xiàn)有的去霧方法都是基于陸地場景設(shè)計的,專門針對水面圖像去霧問題的研究較少。同時,合理的去霧圖像質(zhì)量評估方法對去霧工作也有著重要的推動作用,而目前在圖像去霧中所使用的質(zhì)量評估方法并不能很好的評價圖像質(zhì)量。針對以上兩點,本文的具體研究工作如下:首先針對現(xiàn)有去霧數(shù)據(jù)集的不足,提出了一個面向水面圖像去霧任務的數(shù)據(jù)集Hazy Water Dataset。該數(shù)據(jù)集中包括了大規(guī)模真實的非對稱訓練數(shù)據(jù)和兩個分別用于定性與定量評估的測試集,其中非對稱訓練數(shù)據(jù)是指圖像內(nèi)容不成對的有霧和無霧圖像。通過對DCP等9種圖像去霧算法進行實驗對比,發(fā)現(xiàn)現(xiàn)有的基于陸地場景設(shè)計的去霧方法并不適用于水面場景。其次針對Hazy Water Dataset數(shù)據(jù)非對稱的特點,提出了一個基于Cycle GAN的水面圖像去霧算法W-Dehaze GAN。W-Dehaze GAN...
【文章頁數(shù)】:90 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題來源
1.2 研究目的和意義
1.3 國內(nèi)外研究現(xiàn)狀
1.3.1 霧天成像大氣散射模型
1.3.2 基于手工特征的圖像去霧算法
1.3.3 基于深度學習的圖像去霧算法
1.3.4 去霧圖像質(zhì)量評估
1.4 本文的研究內(nèi)容及組織結(jié)構(gòu)
第2章 面向水面去霧任務的數(shù)據(jù)集構(gòu)建
2.1 引言
2.2 Hazy Water數(shù)據(jù)集
2.2.1 訓練集
2.2.2 測試集
2.3 對現(xiàn)有去霧方法的實驗對比分析
2.3.1 評價標準
2.3.2 在真實測試集上的去霧結(jié)果對比
2.3.3 在合成測試集上的去霧結(jié)果對比
2.4 本章小結(jié)
第3章 基于Cycle GAN的水面圖像去霧算法
3.1 引言
3.2 網(wǎng)絡結(jié)構(gòu)的設(shè)計與實現(xiàn)
3.2.1 模型整體架構(gòu)
3.2.2 生成器
3.2.3 判別器
3.2.4 損失函數(shù)
3.2.5 圖像去霧算法實現(xiàn)流程
3.3 實驗結(jié)果
3.3.1 實驗設(shè)置
3.3.2 在真實數(shù)據(jù)上的去霧結(jié)果對比
3.3.3 在合成數(shù)據(jù)上的去霧結(jié)果對比
3.3.4 運行時間對比
3.4 消融分析
3.4.1 對偏色現(xiàn)象的魯棒性分析
3.4.2 縮放卷積有效性的驗證實驗
3.4.3 感知損失有效性的驗證實驗
3.4.4 局限性
3.5 本章小結(jié)
第4章 基于深度學習的去霧圖像質(zhì)量評估算法
4.1 引言
4.2 無參考去霧圖像質(zhì)量評估算法
4.2.1 基于自然圖像統(tǒng)計量的亮度歸一化
4.2.2 去霧圖像質(zhì)量評估網(wǎng)絡設(shè)計
4.2.3 損失函數(shù)
4.2.4 圖像質(zhì)量評估算法實現(xiàn)流程
4.3 實驗結(jié)果與分析
4.3.1 訓練數(shù)據(jù)與實驗設(shè)置
4.3.2 評價標準
4.3.3 實驗結(jié)果
4.3.4 不同特征提取方法的對比實驗
4.3.5 MSCN系數(shù)的有效性驗證實驗
4.4 本章小結(jié)
第5章 圖像去霧與評估系統(tǒng)的設(shè)計與實現(xiàn)
5.1 系統(tǒng)需求分析
5.1.1 系統(tǒng)功能需求分析
5.1.2 系統(tǒng)性能需求分析
5.1.3 系統(tǒng)業(yè)務流程分析
5.2 系統(tǒng)設(shè)計與實現(xiàn)
5.2.1 系統(tǒng)總體設(shè)計與模塊劃分
5.2.2 圖像去霧子系統(tǒng)設(shè)計與實現(xiàn)
5.2.3 圖像質(zhì)量評估子系統(tǒng)設(shè)計與實現(xiàn)
5.2.4 交互與數(shù)據(jù)可視化子系統(tǒng)設(shè)計與實現(xiàn)
5.2.5 開發(fā)環(huán)境
5.3 系統(tǒng)測試
5.3.1 測試目標與環(huán)境
5.3.2 圖像去霧子系統(tǒng)測試
5.3.3 圖像質(zhì)量評估子系統(tǒng)測試
5.4 本章小結(jié)
結(jié)論
參考文獻
攻讀學位期間發(fā)表的學術(shù)論文及其它成果
致謝
本文編號:3661174
【文章頁數(shù)】:90 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題來源
1.2 研究目的和意義
1.3 國內(nèi)外研究現(xiàn)狀
1.3.1 霧天成像大氣散射模型
1.3.2 基于手工特征的圖像去霧算法
1.3.3 基于深度學習的圖像去霧算法
1.3.4 去霧圖像質(zhì)量評估
1.4 本文的研究內(nèi)容及組織結(jié)構(gòu)
第2章 面向水面去霧任務的數(shù)據(jù)集構(gòu)建
2.1 引言
2.2 Hazy Water數(shù)據(jù)集
2.2.1 訓練集
2.2.2 測試集
2.3 對現(xiàn)有去霧方法的實驗對比分析
2.3.1 評價標準
2.3.2 在真實測試集上的去霧結(jié)果對比
2.3.3 在合成測試集上的去霧結(jié)果對比
2.4 本章小結(jié)
第3章 基于Cycle GAN的水面圖像去霧算法
3.1 引言
3.2 網(wǎng)絡結(jié)構(gòu)的設(shè)計與實現(xiàn)
3.2.1 模型整體架構(gòu)
3.2.2 生成器
3.2.3 判別器
3.2.4 損失函數(shù)
3.2.5 圖像去霧算法實現(xiàn)流程
3.3 實驗結(jié)果
3.3.1 實驗設(shè)置
3.3.2 在真實數(shù)據(jù)上的去霧結(jié)果對比
3.3.3 在合成數(shù)據(jù)上的去霧結(jié)果對比
3.3.4 運行時間對比
3.4 消融分析
3.4.1 對偏色現(xiàn)象的魯棒性分析
3.4.2 縮放卷積有效性的驗證實驗
3.4.3 感知損失有效性的驗證實驗
3.4.4 局限性
3.5 本章小結(jié)
第4章 基于深度學習的去霧圖像質(zhì)量評估算法
4.1 引言
4.2 無參考去霧圖像質(zhì)量評估算法
4.2.1 基于自然圖像統(tǒng)計量的亮度歸一化
4.2.2 去霧圖像質(zhì)量評估網(wǎng)絡設(shè)計
4.2.3 損失函數(shù)
4.2.4 圖像質(zhì)量評估算法實現(xiàn)流程
4.3 實驗結(jié)果與分析
4.3.1 訓練數(shù)據(jù)與實驗設(shè)置
4.3.2 評價標準
4.3.3 實驗結(jié)果
4.3.4 不同特征提取方法的對比實驗
4.3.5 MSCN系數(shù)的有效性驗證實驗
4.4 本章小結(jié)
第5章 圖像去霧與評估系統(tǒng)的設(shè)計與實現(xiàn)
5.1 系統(tǒng)需求分析
5.1.1 系統(tǒng)功能需求分析
5.1.2 系統(tǒng)性能需求分析
5.1.3 系統(tǒng)業(yè)務流程分析
5.2 系統(tǒng)設(shè)計與實現(xiàn)
5.2.1 系統(tǒng)總體設(shè)計與模塊劃分
5.2.2 圖像去霧子系統(tǒng)設(shè)計與實現(xiàn)
5.2.3 圖像質(zhì)量評估子系統(tǒng)設(shè)計與實現(xiàn)
5.2.4 交互與數(shù)據(jù)可視化子系統(tǒng)設(shè)計與實現(xiàn)
5.2.5 開發(fā)環(huán)境
5.3 系統(tǒng)測試
5.3.1 測試目標與環(huán)境
5.3.2 圖像去霧子系統(tǒng)測試
5.3.3 圖像質(zhì)量評估子系統(tǒng)測試
5.4 本章小結(jié)
結(jié)論
參考文獻
攻讀學位期間發(fā)表的學術(shù)論文及其它成果
致謝
本文編號:3661174
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3661174.html
最近更新
教材專著