圖像作為承載信息的重要媒介,在人類生產(chǎn)生活中扮演著愈發(fā)重要的角色。以圖像為基礎(chǔ)的信息交互通常包含圖像的獲取、壓縮、存儲和傳輸?shù)冗^程。在這些過程中,一些硬性條件和外部因素不可避免的影響圖像的質(zhì)量,進而影響圖像信息表達的充分性和準確性。隨著大數(shù)據(jù)和人工智能技術(shù)的快速發(fā)展,人們對高質(zhì)量清晰圖像的需求愈加突出。因此,相應(yīng)的數(shù)字圖像處理技術(shù)在人們的生產(chǎn)生活中扮演著非常重要的角色。作為數(shù)字圖像處理的一個重要分支——圖像復(fù)原技術(shù)旨在通過構(gòu)建數(shù)學(xué)模型模擬圖像退化過程,并通過反推數(shù)學(xué)模型從原始退化圖像中還原出真實圖像。目前,圖像復(fù)原技術(shù)廣泛應(yīng)用在圖像去噪、圖像去霧、圖像去雨、圖像超分辨率等多種低級視覺任務(wù)中。但是圖像退化的原因眾多,且性質(zhì)各不相同,至今依然沒有統(tǒng)一且高效的圖像復(fù)原算法。當下,深度學(xué)習(xí)技術(shù)的快速發(fā)展為傳統(tǒng)圖像復(fù)原算法注入了新的活力,也使得尋找一個高效且適用范圍廣的圖像復(fù)原算法成為一種可能。本文以圖像去霧為例,將深度學(xué)習(xí)中的生成對抗網(wǎng)絡(luò)應(yīng)用到圖像復(fù)原算法中去,其主要內(nèi)容如下:（1）針對傳統(tǒng)基于大氣散射模型的去霧算法透射圖估計不準確的問題,提出一種基于CGAN（Conditional Gene... 

【文章來源】：江南大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

三種模型的誤差曲線圖


本文編號：3363180