自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(10)
  • 收藏
  • 关注

原创 图像去雾算法--暗通道先验去雾算法

图像去雾:在雾天拍摄的图像容易受雾或霾的影响,导致图片细节模糊、对比度低以至于丢失图像重要信息,为解决此类问题图像去雾算法应运而生。图像去雾算法是以满足特定场景需求、突出图片细节并增强图片质量为目的的一种图像分析与处理方法。...

2022-05-06 10:14:43 9731

原创 实验结果如下:

暗通道窗口大小为(3,3)暗通道窗口大小为(9,9)暗通道窗口大小为(15,15)

2022-04-08 14:53:04 263

原创 改进暗通道去雾算法

当获取暗通道时当最小值滤波器的窗口大小为 15 *15 时,容易将图像的边缘的信息模糊,但滤波窗口中暗通道出现的几率增大使得最后的去雾效果更自然,而最小值滤波器的窗口大小为3*3 时,图像的边缘信息保留,但是会使得滤波窗口中暗通道出现的几率降低,导致最后的复原图像出现过度去雾的情况,而 He 提出的引导滤波器的特点是能够保持图像的边缘,同时对于图像的非边缘起到平滑作用。去雾后的图像在景深变化大的地方会产生光晕现象,而导致这一问题的原因是在暗通道计算过程中使用了最小值滤波。在...

2022-03-31 18:47:28 1971

原创 大气模型总结

1. Dense Scene Information Estimation Network for Dehazing(用于去雾的密集场景信息估计网络)Decoder.A:估计环境光ADecoder.t:估计透射图tDecoder.J:直接恢复去雾图像,在训练过程中为Decoder.A和 Decoder.t提供guideline,使恢复后的图像更接近于真实图像Ground Truth,且其所有输出都会连结在一起输入至refine10-13中2.BidNet:无视差估计的双目图像去雾(CVP

2022-03-15 19:44:54 1348

原创 Cycle-Dehaze: Enhanced CycleGAN for Single Image Dehazing(用于单幅图像的去雾增强型CycleGAN)

简介:在本文中,我们提出了一种端到端的网络,称为Cycle Dehaze,用于解决单幅图像的去雾问题,该网络不需要对模糊图像和相应的地面真实图像进行训练。换言之,我们通过以不成对的方式提供干净和模糊的图像来训练网络。此外,该方法不依赖于大气散射模型参数的估计。我们的方法通过结合周期一致性和感知损失来增强CycleGAN公式,以提高纹理信息恢复的质量,并生成视觉上更好的无雾图像。通常情况下,用于去雾的深度学习模型将低分辨率图像作为输入,并产生低分辨率输出。然而,在2018年NTIRE关于单图像去雾的挑战中

2022-02-17 10:35:51 1391 6

原创 Dense Scene Information Estimation Network for Dehazing(用于去雾的密集场景信息估计网络)

PMHLD: Patch Map-Based Hybrid LearningDehazeNet for Single ImageHaze Removal

2022-02-12 20:20:43 1773

原创 PMS-Net: Robust Haze Removal Based on Patch Map for Single Images(基于单幅图像贴图的稳健除雾)

简介:本文提出了一种新的基于斑块图的雾霾去除算法。传统的基于补丁的雾霾去除算法(例如,暗通道优先)通常以固定的补丁大小执行去雾。然而,它可能会导致一些问题,如过饱和和颜色失真。因此,在本文中,我们设计了一个自适应的、自动的面片大小选择模型,称为面片地图选择网络(PMS-Net),用于选择每个像素对应的面片大小。该网络是基于卷积神经网络(CNN)设计的,它可以从输入图像生成面片图。在合成图像和真实图像上的实验结果表明,结合所提出的PMS网络,雾霾去除性能远远优于最先进的算法,并且我们可以解决固定斑块大小所

2022-01-28 12:01:27 601

原创 Densely Connected Pyramid Dehazing Network(DCPDN)

简介:本文提出了一种新的端到端单幅图像去雾方法——密连金字塔去雾网络(dcpdn) ,它可以将透射图、大气光和去雾三者结合起来共同学习。通过将大气散射模型直接嵌入到网络中,实现端到端的学习,从而确保该方法严格遵循物理驱动的散射模型。基于密集网络能够最大化不同层次特征的信息流的思想,提出了一种新的基于多级金字塔池模块的保边密连编译码器结构,用于估计传输映射。该网络利用新引入的边缘保持损失函数进行优化。为了进一步融合估计传输图与去模糊结果之间的相互结构信息,我们提出了一种基于生成对抗性网络框架的联合鉴别器来

2022-01-21 15:32:02 4107

原创 BidNet:无视差估计的双目图像去雾(CVPR2020)

Binocular Image Dehazing,双目图像去雾,也就是左右双眼的两张图(相机同理),左上左下分别是左眼与右眼看到的带雾的图像,右上和右下分别是左眼和右眼去雾之后的结果。 左上:输入左雾图像。左下:输入右雾图像。右上:去雾左图像。右下:去雾右图像也是基于雾天退化模型的去雾算法,根据已知的有雾图像求解出透射率和全局大气光 。 原理图如下:图(a)双目图像去雾网络(BidNet)的总体架构。...

2022-01-15 20:14:54 3027

原创 ​​训练结果如下

所谓图像分割指的是根据灰度、颜色、纹理和形状等特征,把图像划分成若干互不交迭的区域,并使这些特征在同一区域内呈现出相似性,而在不同区域间呈现出明显的差异性。按分割目的划分 普通分割 将不同分属不同物体的像素区域分开。 如前景与后景分割开,狗的区域与猫的区域与背景分割开。 语义分割 在普通分割的基础上,分类出每一块区域的语义(即这块区域是什么物体)。 如把画面中的所有物体都指出它们各自的类别。 实例分割 在语义分割的基础上,给每个物体编号。 如这个是该画...

2021-11-10 20:16:48 2358

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除