-
题名基于大气散射模型的去雾算法
- 1
-
-
作者
陈苏婷
史云姣
张艳艳
-
机构
南京信息工程大学江苏省气象探测与信息处理重点实验室
南京信息工程大学江苏省大气环境与装备技术协同创新中心
-
出处
《实验室研究与探索》
CAS
北大核心
2018年第6期5-9,共5页
-
基金
国家自然科学基金项目(61705019)
江苏省高校重大自然科学基金项目(12KJA510001)
-
文摘
提出一种基于大气散射模型的去雾算法。基于大气散射模型,利用四细分法求取光度值;结合均方误差对比模型,构建像素信息丢失与对比度联合代价函数;优化代价函数获得最优透射估计,保留更多像素信息;增设约束条件恢复去雾图像。实验结果表明,所提算法能够保留更多像素信息,消除"黑影"现象,去雾效果良好。
-
关键词
图像去雾
大气散射模型
四细分法
均方误差对比模型
联合代价函数
最优透射估计
-
Keywords
image dehazing
atmospheric scattering model
four subdivision method
mean squared error（MSE） compared model
joint cost function
optimal transmission estimate
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于深度学习的行人属性识别
被引量：5
- 2
-
-
作者
袁配配
张良
-
机构
中国民航大学天津市智能信号与图像处理重点实验室
-
出处
《激光与光电子学进展》
CSCD
北大核心
2020年第6期53-59,共7页
-
基金
国家自然科学基金(61179045)
民航安全能力建设项目(20600523)。
-
文摘
针对监控场景的背景杂乱及行人被遮挡等问题,提出一种基于背景抑制的行人属性识别方法,该方法可以减小背景对行人属性识别的影响。首先,改进卷积神经网络以生成三个分支,将分支分别用于行人图像、人体区域、背景区域的特征提取;然后,将区域对比损失函数和加权交叉熵损失函数作为网络的联合代价函数。在此联合代价函数的约束下,神经网络学习到的特征具有背景杂乱不变性,从而提高了行人属性识别的准确度。将所提方法在PETA和RAP两个行人属性数据集上进行验证。与其他现有方法相比,所提方法在平均精度、准确度、精确度等指标上性能均有所提升,证明了所提方法的有效性。
-
关键词
图像处理
卷积神经网络
行人属性识别
语义分割
联合代价函数
-
Keywords
image processing
convolutional neural network
pedestrian attribute recognition
semantic segmentation
joint cost function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
