咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >电子后视镜系统的图像去雾算法研究 收藏
电子后视镜系统的图像去雾算法研究

电子后视镜系统的图像去雾算法研究

作     者:翟海祥 

作者单位:湖北工业大学 

学位级别:硕士

导师姓名:钟毓宁;何涛

授予年度:2021年

学科分类:082304[工学-载运工具运用工程] 08[工学] 080203[工学-机械设计及理论] 080204[工学-车辆工程] 0802[工学-机械工程] 0823[工学-交通运输工程] 

主      题:图像去雾 图像融合 深度学习 卷积神经网络 注意力机制 

摘      要:电子后视镜系统的图像采集会受到雾霾天气的干扰,降低图像的质量,影响驾驶员的主观辨别。传统去雾算法用于改善图像质量,但存在算法复杂度高、图像处理效果不佳等问题。本文针对已有研究的不足,从大气散射模型出发,采用传统的去雾方法和深度学习的去雾方法,进行图像去雾算法研究。主要研究内容如下:(1)针对目前图像去雾算法参数估计不足,导致去雾不彻底且效率低的问题,提出一种改进的图像融合快速去雾算法。首先对电子后视镜系统采集的图像进行降采样处理,并拷贝两份图像,分别转换到HSV色彩空间。对转换后的第一份图像,降低V分量;对转换后的第二份图像,V分量自适应处理、S分量线性拉伸。接着对第一份图像进行改进的暗通道算法去雾,并进行直方图拉伸。最后将处理后的两部分图像进行图像融合,重采样并输出重采样图像。实验结果表明,该算法去雾效率高,并且有效提高了电子后视镜图像的质量和对比度。(2)针对一体化网络去雾模型(An All-in-One Network for Dehazing and Beyond,AOD-Net)透射率估计不足、特征提取不充分等问题,提出一种改进的AOD-Net网络模型。首先采用不同尺度的卷积核提取图像的特征信息,接着使用注意力机制进行权重分配,提取图像细腻化特征及轮廓纹理特征,最后使用AOD-Net网络前两层卷积操作,对已提取的图像特征进行二次特征提训练好网络模型,估计出联合参数,根据大气散射模型,估计出去雾后的图像。实验结果表明,改进的网络模型鲁棒性更强,去雾后主观上视觉效果好、失真小;客观上峰值信噪比、结构相似性、IE熵值以及标准差都获得较大提升。(3)将上述两种改进算法分别移植到嵌入式平台,并进行实际工作效果测试。移植有改进的AOD-Net网络模型的电子后视镜系统还安装在商用卡车上进行了测试。测试结果表明,本文提出的算法即使在资源受限的嵌入式平台,仍能起到较好的去雾效果,并输出对比度高、视觉效果好的图像,证明算法可靠有效。

读者评论 与其他读者分享你的观点