圖像去霧技術(shù)研究開題報告-閱讀頁
2024-11-16 10:07本頁面
【正文】 hys. Freien Atm., 1924, 171181 [7] A. Levin, D. Lischinski, and Y. Weiss. A closed form solution to natural image matting. CVPR, 2020, 2128 [8] S. G. Narasimhan and S. K. Nayar. Chromatic framework for vision in bad weather. CVPR, 2020, 598605 [9] S. G. Narasimhan and S. K. Nayar. Vision and the atmosphere. IJCV, 2020, 233240 [10] S. G. Narasimhan and S. K. Nayar. Contrast restoration of weather degraded images. PAMI, 2020,713724 [11] S. G. Narasimhan and S. K. Nayar. Interactive deweathering of an image using physical models. In Workshop on Color and Photometric Methods in Computer Vision, 2020,5257 [12] S. K. Nayar and S. G. Narasimhan. Vision in bad weather. ICCV, 1999, 820821 [13] A. J. Preetham, P. Shirley, and B. Smits. A practical analytic model for daylight. In SIGGRAPH, 1999, 91100 [14] Y. Y. Schechner, S. G. Narasimhan, and S. K. Nayar. Instant dehazing of images using polarization. CVPR, 2020, 325328 [15] S. Shwartz, E. Namer, and Y. Y. Schechner. Blind haze separation. CVPR, 2020, 19841991 [16] R. Tan. Visibility in bad weather from a single image. CVPR, 2020, 17 [17] M. van Herk. A fast algorithm for local minimum and maximum filters on rectangular and octagonal kernels. Pattern Recogn. Lett., 1992, 517521 畢 業(yè) 設(shè) 計 開 題 報 告 ２．開題報告：一、課題的目的與意義； 二、課題發(fā)展現(xiàn)狀和前景展望；三、課題主要內(nèi)容和要求；四、研究方法、步驟和措施 開 題 報 告 一、目的與意義 近年來，隨著計算機軟硬件技術(shù)的不斷發(fā)展，對有霧天氣圖像的景物影像進行去霧處理已經(jīng)成為可能，這反過來又對去霧圖像的清晰度和真實感提出了新的要求 。 事實上，圖像去霧一直是計算機視覺領(lǐng)域研究的重要內(nèi)容，其主要應用 是視頻監(jiān)控 、 地形勘測和自動駕駛等領(lǐng)域，因此，自動性和實時性就成為了這些研究關(guān)注的重點 。 二、課題發(fā)展現(xiàn)狀和前景展望 基于內(nèi)容的圖像或視頻搜索是很多搜索公司研究的熱點。要求高待遇自然就不錯，目前這方面的代表公司有微軟、 google、 yahoo 和百度，個個鼎鼎大名。由于醫(yī)療器械的主要功能是成像，必然涉及到對圖像的處理，做圖像處理的很有機會進入這些公司。由于醫(yī)療市場是一個沒有完全開發(fā)的市場，而一套醫(yī)療設(shè)備的價格是非常昂貴的，所以在這些地方的待遇都還可以，前景也看好。還有一個很大的方向是車牌識別，這個我倒是知道有一個公司高德威智能交通似乎做的很不錯的樣子。上海法視特位于上海張江高科技園區(qū)，在視覺和識別方面做的不錯。 視頻方向 一般的高?；蛘哐芯克鶄?cè)重在標準的制定和修改以及技術(shù)創(chuàng)新方面，而公司則側(cè)重在編碼解碼的硬件實現(xiàn)方面。由于這不是我所感興趣的方向，所以這方面的公司的信息我沒有收集，但平常在各個 bbs 或者各種招聘網(wǎng)站經(jīng)?？吹健１确秸f一個成像設(shè)備，在輸出圖像之前需要對原始圖像進行增強或者去噪處理，存儲時需要對圖像進行壓縮，成像之后需要對圖像內(nèi)容進行自動分析，這些內(nèi)容都是圖像處理的范疇。比如數(shù)碼相機、顯微鏡成像、超聲成像、工業(yè)機器人控制、顯示器、電視、遙感等等，都可以作為求職方向 。但是之前人們還沒找到簡單有效的方法來達到這個目的。 與之前的方法不同，我們把注意力放到了無霧圖像的統(tǒng)計特征上。因此，每一個局部區(qū)域都很有可能有至少一個顏色通道會有很低的值。直觀來說， 暗通道先驗算法 認為每一個局部區(qū)域都總有一些很暗的東西。 由于霧總是灰白色的，因此一旦圖像受到霧的影響，那么這些本來應該很暗的東西就會變得灰白。因此，我們提出的 暗通道先驗算法 能很有效地去除霧的影響，同時利用物的濃度來估算物體的距離 。薄霧，霧，煙等現(xiàn)象是由于大氣吸收和散射。此外，入射光是與大氣光（環(huán)境光反射到 由大氣顆粒視線）混合的。由于散射量取決于距離 從相機現(xiàn)場點，其降解 為空間變體。首先，消除煙霧可顯著提高現(xiàn)場的知名度和糾正色彩偏移由空氣光造成的。第二，大多數(shù)計算機視覺算法，從低層次的圖像分析，以高層次的目標識別，通常認為，輸入圖像（后輻射校準）是現(xiàn)場的光芒。最后，去霧可生產(chǎn)許多深入的信息和視覺算法和效益先進的圖像編輯。薄霧壞形象可以善加利用。問題是在有限的，如果輸入的是只有一個薄霧的形象。偏振為基礎(chǔ)的方法 [14， 15]刪除的薄霧影響通過兩個或多個圖像采取不同程度的兩極分化。深度的方法 [5， 11]要求粗糙的深度信息無論是從用戶輸入或從已知的三維模型。這些方法的成功就在于用一個更強有力的事前或假設(shè)。該結(jié)果在視覺上引人注目，但未必物理有效。 Fattal 的做法是身體健康，能生產(chǎn)令人矚目的成果。在本論文中，我們提出了一個新暗通道先驗算法以前，單一圖像去霧。 我們發(fā)現(xiàn)，在當?shù)卮蟛糠值貐^(qū)不包括天空，很多時候，一些像素（稱為 “暗像素 ”）具有非常低的 ，至少有一個彩色（ RGB）通道的力度。因此，這些暗點，可直接提供準確的估計的薄霧的傳輸。我們的方法是有效的，是身體能夠處理即使是在重度薄霧出現(xiàn)遠處的物體圖像。結(jié)果包含幾個暈文物。黑暗的通道前可能是無效的對象時，本質(zhì)上是類似的場景在一個大的局部地區(qū)大氣光 ，沒有陰影投在對象上。我們認為，從不同的方向發(fā)展的新普賴厄斯是非常重要的，結(jié)合在一起會進一步推進
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號-1