在霧霾天氣的影響下,成像設備拍攝到的圖像嚴重降質(zhì)。這些降質(zhì)圖像會對計算機視覺系統(tǒng)的性能造成影響,如目標監(jiān)測系統(tǒng)、目標識別系統(tǒng)等。為了提升計算機視覺系統(tǒng)的性能,對圖像去霧算法的研究具有十分重要的意義。在硬件實現(xiàn)方面,由于專用集成電路（ASIC）的開發(fā)效率低,而現(xiàn)場可編程門陣列（FPGA）具有邏輯資源豐富、開發(fā)效率高、靈活性強等特點,所以一般使用FPGA進行數(shù)字圖像處理算法的硬件實現(xiàn)。本文首先從霧天圖像降質(zhì)的原因出發(fā),介紹了大氣散射模型,該模型可以用于生成有霧圖像。然后介紹了傳統(tǒng)算法中用于圖像去霧的相關特征。接著,介紹了卷積神經(jīng)網(wǎng)絡（CNN）的相關基礎,并詳細介紹了基于CNN的兩種去霧網(wǎng)絡,DehazeNet和AOD-Net。針對DehazeNet算法由于輸入圖像尺寸的影響不能學習圖像的全局信息且分開估計兩個參數(shù)會產(chǎn)生重建誤差,AOD-Net算法在訓練網(wǎng)絡的過程中加入大氣散射模型公式等缺點,提出了一種端對端的CNN去霧算法,通過對輸入的有霧圖像進行特征提取、特征融合和特征學習后得到去霧后的清晰圖像。最后將本文算法與其他去霧算法進行主觀和客觀對比,結果表明本文算法具有更好的去霧效果。針對本文... 

【文章來源】：西安理工大學陜西省

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【部分圖文】：

訓練數(shù)據(jù)(a)地面真實無霧圖像(b)合成有霧圖像

基于卷積神經(jīng)網(wǎng)絡的圖像去霧算法實現(xiàn)27的清晰圖像與地面真實圖像之間的均方誤差損失函數(shù)學習網(wǎng)絡參數(shù)，并使用隨機梯度下降用于訓練網(wǎng)絡。權值初始化為均值為0，方差為0.1的高斯分布，偏置初始化為0，學習率固定為0.001；采用mini-batch梯度下降法對網(wǎng)絡進行優(yōu)化，其中mini-batch-size為8，對整個訓練集迭100次。本實驗在ubuntu16.04版本amaxsever中python3.5.2、tensorflow1.12.0環(huán)境下進行網(wǎng)絡訓練。去霧網(wǎng)絡的各層參數(shù)見表3-1所示。表3-1網(wǎng)絡架構各層參數(shù)Tab.3-1Parametersofeachlayer層名輸入圖像尺寸卷積核尺寸卷積核個數(shù)激活函數(shù)特征圖總數(shù)Conv13×480×6401×14maxout(k=4)43×345×547×74Conv24×480×6403×33ReLU3Conv37×480×6405×53ReLU3Conv410×480×6407×73ReLU3Conv513×480×6403×33ReLU3Conv63×38ReLU8Conv78×480×6403×316ReLU16Output16×480×6403×33ReLU33.2霧天圖像的恢復使用本文算法處理后的圖像如圖3-7所示，(a)為有霧圖像，(b)為處理后的去霧圖像�？梢钥闯觯疚乃惴ㄌ幚砗蟮膱D像明顯清晰，色彩自然，說明本文去霧效果良好。(a)有霧圖像(b)處理后的去霧圖像圖3-7本文去霧算法實驗結果(a)有霧圖像(b)處理后的去霧圖像Fig.3-7Resultofalgorithmweproposed(a)hazeimage(b)resultafterdehazing3.3圖像質(zhì)量評價方法3.3.1主觀評價主觀評價是觀察者對圖像在對比度、飽和度、清晰度等方面的直觀感受，具有主觀意6404803

SDRAM初始化仿真圖

【參考文獻】：
期刊論文
[1]城市群霧霾污染的空間分異及動態(tài)關聯(lián)研究——基于京津冀城市群的實證分析[J]. 王會芝,杜林蔚,呂建華.  中國環(huán)境管理. 2020(01)
[2]融合直方圖均衡化與同態(tài)濾波的霧天圖像增強算法研究[J]. 趙春麗,董靜薇,徐博,馬曉峰.  哈爾濱理工大學學報. 2019(06)
[3]基于自適應改進的遙感圖像去霧算法研究[J]. 趙陽,王劍,曹浩男.  電子設計工程. 2019(19)
[4]融合同態(tài)濾波和小波變換的圖像去霧算法研究[J]. 董靜薇,趙春麗,海博.  哈爾濱理工大學學報. 2019(01)
[5]基于同態(tài)濾波和Retinex的圖像去霧算法[J]. 汪秦峰,陳莉,樊泰亭,陳占武,楊濤.  火控雷達技術. 2016(02)
[6]基于四階偏微分方程圖像復原去霧方法[J]. 李桂林,王創(chuàng)新,萬志銀.  電子科技. 2016(02)
[7]雙通道分塊同態(tài)濾波彩色圖像增強算法[J]. 段群,吳粉俠,李紅.  計算機技術與發(fā)展. 2016(01)
[8]融合變分偏微分方程的單幅彩色圖像去霧[J]. 周理,畢篤彥,何林遠.  光學精密工程. 2015(05)
[9]基于小波變換的低照度圖像自適應增強算法[J]. 李慶忠,劉清.  中國激光. 2015(02)
[10]基于改進同態(tài)濾波的遙感圖像去云算法[J]. 周小軍,郭佳,周承仙,譚薇.  無線電工程. 2015(03)



本文編號：3573111