em算法 图像模糊检测_基于深度学习的图像增强调研

目前，行业内绝大数企业能够做到再正常天气状态下的自动驾驶，但是对于恶劣天气环境，很多企业其实还有很多难题。合理轨迹不同感知传感器的瓶颈，冗余设计都是解决方案。

对于夜间的图像识别应该怎么处理呢？先通过一个分类器，判别属于白天还是黑夜，然后如果判别为黑夜，或许能先经过图像增强，然后才进行下一步检测识别等流程。

在计算机视觉应用（例如，物体检测和跟踪）和消费电子（例如，手持设备）中都需要高质量的图像和视频。 然而，在弱照明条件下捕获的图像和视频经常遭受可见度，亮度和对比度的显着降低。 低级光增强是图像处理领域的共同目标。 在低光下或由于低曝光而拍摄的图像遭受低对比度和亮度，这既降低了图像的视觉质量又可能妨碍进一步的图像处理算法（例如物体检测，图像分类等后续的任务）
低光下的图像部分能用传统的方法解决，例如直方图均衡得到很好的效果。虽然这些方法产生了有希望的输出，但每个过程的运行时间可能很长。 通过深度学习，网络经过培训（需要很长时间）并生成一个过滤器，不仅能产生更好的效果，也能够将训练好的网络用来智能手机上。

DEEP LEARNING FOR IMAGE ENHANCEMENT AND VISIBILITY IMPROVEMENT （这是一篇调研报告，所以没索引）

另外一种解决方案是使用新型的红外摄像头传感器，这种红外摄像头传感器在夜间上能够看的清楚，即使是在光照变化比较大的地方，具体可以看下以下视频

https://spectrum.ieee.org/cars-that-think/transportation/