搜索到2861 篇“ 去雾算法 “的相关文章
两阶段特征迁移图像去 雾 算法 2025年 去 雾 算法 处理后图像容易产生伪影、颜色失真以及对非均匀雾 气影响下图像的去 雾 效果不理想等问题,提出了两阶段特征迁移图像去 雾 算法 ,基于编解码器结构实现图像去 雾 。第一阶段将清晰图像送入特征学习网络,通过混合注意力机制学习清晰图像空间结构信息与色彩规律。第二阶段利用特征迁移损失,将特征学习网络中学习到的清晰图像特征知识迁移至特征细化图像去 雾 网络中,并通过多尺度特征提取模块与全局特征细化块对图像上下文信息进行有效提取与融合。最后将两阶段输出进行特征融合,恢复清晰无雾 图像。实验结果表明,该算法 在RESIDE数据集以及真实非均匀雾 天图像中具备较好的去 雾 效果,且处理后图像色彩合理,更加符合人类视觉感知。关键词：图像去雾 卷积神经网络 基于改进CycleGAN的水上图像去 雾 算法 2025年 雾 会使水上拍摄的图像质量下降,导致基于视觉的船舶智能感知系统和水域监控系统受到影响;收集水面上的有雾 图像和无雾 图像难度较大。针对上述问题,提出一种基于改进循环生成对抗网络(cycle-consistent generative adversarial network,CycleGAN)的水上图像去 雾 算法 。将CycleGAN的生成器模块替换为改进后的门控上下文聚合网络(gated context aggregation network,GCANet),同时使用感知损失从高级语义角度约束图像的生成质量。实验表明:在合成数据集上,所提算法 的峰值信噪比和结构相似度分别为25.26和0.9047,相较于对比算法 分别提高了13.6%~41.2%和10.9%~17.9%,并在水上真实数据集上展示出了更优的清晰度和色彩真实性。关键词：图像去雾 基于改进去 雾 算法 的FPGA设计与实现 2025年 雾 霾、沙尘等不利的气候条件下,拍摄照片和视频会受到如对比度下降、色彩失真等严重影响。为了减少不利天气对视觉信息的干扰,该文将对暗通道先验算法 进行改进,提出一种优化的加窗加权暗通道先验自适应阈值去 雾 算法 ,结合硬件FPGA(field programmable gate array)对图像视频进行去 雾 ,并运用模块化设计的理念,对算法 进行硬件级优化,利用FPGA的并行计算特性加速图像视频去 雾 。实验结果表明,该系统能够高效地还原清晰图片,硬件资源消耗及成本较低,视频帧率稳定在60帧/s,可满足实时性要求。关键词：图像去雾 计算机视觉系统 FPGA硬件 基于改进暗通道先验的图像去 雾 算法 2025年 算法 在透射率估计中存在的粗糙性及其在天空区域失效的问题,提出了一种基于改进暗通道先验的图像去 雾 算法 。该算法 在经典暗通道先验理论的基础上,采用了大气散射模型求解透射率,利用快速导向滤波技术对透射率进行细化处理,从而提高了图像去 雾 的精度。此外,通过加入容差机制对透射率进行动态修正,有效解决了暗通道先验在天空区域失效的局限性。实验结果表明,该算法 在定性和定量测试中均表现优异,去 雾 效果优于对比算法 ,能够在复杂场景下提供更加清晰、自然的图像复原效果。关键词：图像去雾 基于频率与注意力机制的图像去 雾 算法 2025年 雾 和气溶胶的存在,图像能见度显著下降且色彩失真,给高级图像识别带来极大困难.现有的图像去 雾 算法 常存在过度增强、细节丢失和去 雾 不充分等问题.针对过度增强和去 雾 不充分的问题,本文提出了一种基于频率和注意力机制的图像去 雾 算法 (frequency and attention mechanism of the image dehazing network,FANet).该算法 采用编码器-解码器结构,通过构建双分支频率提取模块获取全局和局部的高低频信息.构建频率融合模块调整高低频信息的权重占比,并在下采样过程中引入附加通道-像素模块和通道-像素注意力模块,以优化去 雾 效果.实验结果显示,FANet在SOTS-indoor数据集上的PSNR和SSIM分别为40.07 dB和0.9958,在SOTS-outdoor数据集上分别为39.77 dB和0.9958.同时,该算法 也在HSTS和Haze4k测试集上取得了不错的结果,与其他去 雾 算法 相比有效缓解了颜色失真和去 雾 不彻底等问题.关键词：图像去雾 基于Transformer和门控融合机制的图像去 雾 算法 2025年 去 雾 算法 仍然存在去 雾 不彻底、去 雾 后的图像边缘模糊、细节信息丢失等问题,本文提出了一种基于Transformer和门控融合机制的图像去 雾 算法 .通过改进的通道自注意力机制提取图像的全局特征,提高模型处理图像的效率,设计多尺度门控融合块捕获不同尺度的特征,门控融合机制通过动态调整权重,提高模型对不同雾 化程度的适应能力,同时更好地保留图像边缘及细节信息,并使用残差连接增强特征的重用性,提高模型泛化能力.经实验验证,所提出的去 雾 算法 可以有效恢复真实有雾 图像中的内容信息,在合成的有雾 图像数据集SOTS上的峰值信噪比达到了34.841 dB,结构相似性达到了0.984,去 雾 后的图像内容信息完整且没有出现细节信息模糊和去 雾 不彻底等现象.关键词：图像去雾 TRANSFORMER 通道差先验下的自适应高斯函数去 雾 算法 2025年 去 雾 过程中存在的天空区域失真、结果偏色和去 雾 不彻底等问题,提出一种通道差先验下的自适应高斯函数去 雾 算法 。从雾 天图像降质的本质出发,提出一种反映有雾 图像与无雾 图像内在联系的统计先验——通道差先验,通过该先验建立有雾 图像和无雾 图像的方程组,利用有雾 图像的饱和度与亮度之差近似估计景深,设计了自适应标准差高斯函数求解方程组,获得初始透射率,经归一化处理后解决高亮区域“加雾 ”现象,并使用联合双边滤波深度优化透射率。利用多尺度滤波和几何均值优化局部大气光,结合大气散射模型获得去 雾 图像。实验结果表明:所提算法 避免了天空区域失真,细节信息丰富,去 雾 效果显著,同时又能保持良好的图像颜色。关键词：图像去雾 暗通道先验优化的生成对抗网络图像去 雾 算法 2025年 去 雾 方法存在的去 雾 图像失真、细节丢失且泛化性差等问题,提出一种暗通道先验优化的生成对抗网络图像去 雾 算法 。首先,设计了一种新的模型框架,通过暗通道先验优化生成对抗网络,利用物理模型提高收敛性能;其次,采用残差自编码组成生成器网络,使用跳跃连接构成残差块保留图像细节信息;最后,引入马尔可夫判别器对去 雾 图像进行判别,反馈给生成器,进一步增强模型的去 雾 效果。在合成数据集以及真实数据集上进行训练测试,并在多种去 雾 场景下进行实验,结果表明该算法 在多个数据集下的评价指标都为最高值,在多种去 雾 场景下均有良好表现,与传统暗通道先验算法 相比性能提升了23%,并且该算法 能够有效去 除带雾 图像中的雾 层,较好还原图像细节内容,保证了较高的视觉质量。关键词：图像去雾 内容引导注意力融合的多尺度特征图像去 雾 算法 2025年 去 雾 方法存在颜色失真、细节信息模糊等问题,本文基于编码器-解码器网络架构提出一种基于内容引导注意力融合的多尺度特征图像去 雾 算法 。首先,采用多尺度特征提取模块进行编码,设计3个不同尺度并行的扩张卷积和SE注意力扩大感受野,提取不同尺度的特征,提高特征利用率。其次,在解码器中设计内容引导注意力融合模块动态赋予深层特征与浅层特征不同的权重,保留图像更多有效特征信息。最后,设计引入金字塔场景解析网络PSPNet提高全局信息获取的能力。实验结果表明,本文算法 相比于其他几种算法 在SOTS数据集上峰值信噪比和结构相似性分别平均提高了26.13%、6.39%,在真实含雾 数据集上信息熵和平均梯度分别平均提高了3.27%、21.09%,改善了去 雾 不彻底和细节信息模糊问题。关键词：图像去雾 多尺度特征 基于改进CGAN网络的图像去 雾 算法 2025年 雾 天图像与视频的质量大幅度下降的问题,提出了基于改进条件生成对抗网络(CGAN)的图像去 雾 方法。在传统的生成器中设计添加残差网络模块以及密集空洞空间金字塔池化(DenseASPP)模块来实现多尺度特征的提取,提高特征利用率,增强生成图像的去 雾 细节保持。判别器使用34×34的PatchGAN进行分块判定,提高图像判别准确度。在合成有雾 数据集RESIDE中,通过与暗通道算法 、DehazeNet、AOD-Net、传统CGAN算法 进行对比,主观上可以看出该网络模型的雾 残留少,细节信息的保持和色彩对比度都有所提高。通过峰值信噪比(PSNR)和结构相似度(SSIM)结果对比,客观表明该网络模型恢复无雾 图像的效果得到了提升。
相关作者
杨燕 作品数：65 被引量：236 H指数：9 供职机构：兰州交通大学电子与信息工程学院 研究主题：去雾算法 图像去雾 透射率 去雾 自适应 毕笃彦 作品数：401 被引量：1,937 H指数：21 供职机构：空军工程大学 研究主题：图像去雾 图像分割 图像增强 图像处理 小波变换 张红英 作品数：149 被引量：723 H指数：13 供职机构：西南科技大学 研究主题：图像 单幅图像 原色 图像去雾 去雾算法 吴亚东 作品数：159 被引量：526 H指数：11 供职机构：西南科技大学 研究主题：单幅图像 去雾算法 原色 人眼视觉特性 亮度分量 何林远 作品数：84 被引量：322 H指数：11 供职机构：空军工程大学 研究主题：图像去雾 图像处理 去雾算法 先验 目标检测
