论文部分内容阅读
随着经济的发展和科技的进步,国内外越来越多城市推出了智慧城市应用系统。智慧城市有很多应用场景依赖于图像处理,例如交通违章车牌识别、视频安全监控、自动驾驶、遥感测绘。伴随着工业化发展随之而来的空气污染导致雾霾现象越来越严重,大气的能见度下降导致户外拍摄的图像质量变差,如清晰度降低、画面模糊、颜色偏移失真、景物难以辨别等,继而影响依赖于图像质量的计算机视觉处理,特别是在遥感测绘与地理勘察领域,雾霾给无人机航拍系统带来严重影响,干扰无人机光感成像系统从而使航拍图像严重降质,因此开展雾霾图像的去雾算法研究具有重要的理论研究意义与实际应用价值。基于图像增强的图像去雾算法和基于物理模型利用先验假设的图像去雾算法,存在亮度低、伪影、光晕和失真等现象,且需要特定场景图像。基于深度学习的图像去雾算法利用卷积神经网络模型实现有雾图像与去雾图像之间的映射,不需要人为干涉,为开拓图像去雾技术提供了积极思路。论文主要工作如下:(1)论文首先介绍了雾霾图像去雾的研究背景,概述了国内外雾霾图像去雾的研究现状,分析了常见的图像去雾算法,讨论了相关去雾算法的特点。基于MATLAB平台对常规雾霾图像去雾技术进行了算法仿真,分析了相关去雾算法的优缺点。(2)论文其次提出了一种基于条件生成对抗网络的雾霾图像去雾算法。本算法的去雾网络模型为端到端图像去雾网络,去雾网络模型使用Tiramisu网络结构,去雾网络模型减少了模型训练参数,提升了参数利用率;将网络模型中的批量归一化改为实例归一化,保持了训练样本的独立性;利用条件对抗学习的方式对去雾网络模型进行优化,优化模型的损失函数为对抗损失、感知损失与平滑L1损失的加权求和。数据集采用的是网上公开数据集NYU-Depth V2和O-Haze,相关仿真实验从客观和主观角度对比分析了本文算法与其它算法的去雾效果,分析表明本文去雾网络模型生成的去雾图像看起来细节较丰富,层次更鲜明。(3)论文最后基于MATLAB GUI开发设计了雾霾图像去雾应用系统,可直观地得到雾霾图像去雾算法结果,更可显示每种算法的去雾客观评价指标乃至算法的去雾运算耗时。