一种雾天退化场景快速复原方法

针对雾天条件下图像退化的问题,提出一种新的场景复原方法.首先,结合大气散射模型与光学反射成像的特性,对大气耗散函数提出物理约束条件,利用双边滤波的边缘保持特性得到大气耗散函数的初始估计.然后,引入局部均值与局部标准差近似估计图像对比度,从而降低对比度较强的部分区域的雾浓度估计来获取更加准确的大气耗散函数.最后,求解雾图成像方程,恢复理想光照条件下的辐射强度.实验结果表明:该方法对图像的细节和颜色恢复非常有效,并能有效克服边缘残雾现象以及颜色过饱和等不足.     

基于纹理提取与注入的交通图像去雾算法研究

雾天户外视觉系统所拍摄的交通图像质量下降、特征模糊直接影响到后续智能交通系统的监控精度,研究交通图像的去雾问题具有重要的实际意义.不同于一般的可视场景图像,交通图像的去雾在关注其去雾后视觉效果的同时,更应重视对交通图像纹理、边缘等特征信息的保持.提出一种基于纹理提取与注入的交通图像去雾算法,利用引导滤波从含雾交通图像的非下采样Contourlet变换的高频子带中提取交通图像的纹理、边缘信息,然后将其注入利用暗通道模型的去雾图像中,在有效去雾的同时一定程度上增强了去雾后交通图像的纹理细节信息.实验结果验证了算法的有效性.     

一种基于图像深度的单幅图像雾效模拟方法

为了通过在现实生活中拍摄的单幅图片生成不同能见度下的雾效模拟场景,提出一种基于图片深度的雾效模拟方法:通过单幅图片的散焦信息恢复深度图,把深度图转化成透射率,将最大能见度与大气散射系数相关联,通过大气散射模型模拟不同能见度下的雾效虚拟场景.利用此方法分别测试近景图和远景图,进行不同能见度下的雾效场景模拟.仿真结果表明,此方法简单有效,可行性高,仿真效果逼真.     

一种面向城市道路的视觉图像去雾方法

针对雾天环境的城市道路下自动驾驶车辆视觉感知效果不佳的问题,提出一种基于大气光值的快速图像去雾改进算法,并验证了算法的有效性。首先,制定了大气光动态估算策略,并设计了大气光动态估算的自适应触发函数,通过大气散射模型进行了大气光的估计;其次,利用最小滤波技术获取了雾天图像的暗通道图,并估算了对应的投射图像;再次,制定了大气光计算策略,并优化了去雾系数;最后,利用直方图均衡化算法抑制了残余噪声,进一步提升了无雾图像的对比度。实验结果表明,所提算法相比DCP、CAP等在NIQE和SSEQ性能指标上都有所提升,拥有更好的细节恢复能力和处理性能,更有利于交通信息的提取。     

注意力残差密集网络的单幅图像去雾算法

针对现有去雾方法色彩失真、去雾不彻底、细节丢失等问题,提出一种模块化的端到端的单幅图像深度去雾网络.首先,利用多尺度卷积核对输入有雾图像提取充分的关键特征;其次,构建由残差密集块及上、下采样单元形成的行和列的网格网络结构,行列之间通过一种新颖的注意力机制进行特征融合与提取;最后,由残差密集块和卷积层构成的后处理模块进一步减少去雾图像的残余伪影.定量和定性实验结果表明,所提方法去雾性能优越.     

干雾抑尘装置在散货装卸码头上的应用与推广

随着人们对环保意识的加强以及大气环境对人类健康的认识,通过对现有港口散货码头环保设备的破析,为淘汰落后低效的除尘工艺,在散货装卸码头上,推广一种更加环保、更加节能,更能有效地抑制粉尘污染的设备-干雾抑尘装置。     

碳酸盐岩储层中非渗透性隔层的识别及分类评价

在碳酸盐岩储层中同样发育着非渗透性隔层，它们主要由泥质含量较高的致密层和构造裂缝不发育的纯岩性致密层组成，可以从岩性特征、电性特征和构造裂缝发育特征等方面进行识别与划分。任丘雾迷山组中的非渗透性隔层以泥质致密层为主，纯岩性致密层相对较少，且分布很不稳定，采用综合评价方法可将其分成四类。其中，第一类非渗透性隔层对油藏中油水分布规律起着最重要的控制作用。     

烫金材料发雾现象的分析

在烫金材料既电化铝的生产中经常出现发雾的问题,发雾产生的原因是多种多样的。本文针对烫金材料生产中发雾现象进行了研究,生产环境中的湿度、溶剂的挥发状态、分子中化学键等是发雾的主要原因。     

减少雾中航行事故的若干对策

通过对雾中航行船舶驾驶员的心理因素、航行工作的管理组织和通航环境等分析，提出了减少雾中航行事故的若干对策。     

基于感知融合机制的渐进式去雾网络

智能辅助驾驶应用场景对图像去雾的准确性和实时性要求较高。提出了一种新颖的基于感知融合机制的渐进式去雾网络(progressive dehaze network, PD-Net),将降质图像恢复的任务分解为多阶段的子任务，通过轻量级的子网分块学习特征图的不同区域语义信息，以提升去雾效率。在此基础上，基于注意力机制和导向滤波设计跨阶段感知融合模块(perception fusion module, PFM),自适应感知各阶段提取的多尺度特征并进行融合，而不损失图像细节信息及边缘结构信息。实验结果表明，与现有主流的端对端去雾模型相比，所提出的算法在处理户外图像时具有更高的准确度和实时性，在公开的合成对象测试集(synthetic object testing set, SOTS)上的峰值信噪比(peak signal to noise ratio, PSNR)与现有最好结果相比提升了0.93 dB,处理单幅图像仅需72 ms,提出的网络模型有望应用于智能交通等现实领域。