【摘 要】
：
为了达到良好的图像去雾效果,提出一种高斯自适应多尺度加权滤波去雾算法.通过多尺度最小值加权滤波得到暗通道图像,建立最小通道与高斯函数的关系,线性约束后并经过自适应参数对像素灰度值的调整得到粗级透射率,紧接着对得到的粗级透射率图像进行多尺度加权引导滤波得到优化透射率,结合加权大气光强并依据大气散射模型对图像进行去雾复原处理.实验结果表明,该方法有效地将单幅有雾图像进行了处理,与其他经典算法相比较得到的图像细节显示效果好,很好地恢复了场景的对比度,增加了图像的可见度,具备一定的优异性.
【机 构】
：
太原理工大学信息与计算机学院 山西 晋中030600
论文部分内容阅读
为了达到良好的图像去雾效果,提出一种高斯自适应多尺度加权滤波去雾算法.通过多尺度最小值加权滤波得到暗通道图像,建立最小通道与高斯函数的关系,线性约束后并经过自适应参数对像素灰度值的调整得到粗级透射率,紧接着对得到的粗级透射率图像进行多尺度加权引导滤波得到优化透射率,结合加权大气光强并依据大气散射模型对图像进行去雾复原处理.实验结果表明,该方法有效地将单幅有雾图像进行了处理,与其他经典算法相比较得到的图像细节显示效果好,很好地恢复了场景的对比度,增加了图像的可见度,具备一定的优异性.
其他文献
针对动态仓储环境下多机器人运动过程中出现的拥塞死锁问题,利用路径长度、转弯数、路径惩罚函数建立小车单任务耗时模型.模型引入阻塞惩罚函数,移除可能发生阻塞的路径增加罚值.同时针对传统遗传算法路径规划操作过程中路径交叉变异导致路径中断不可用的情况,设计重复点交叉算子,在变异操作后检查路径合法性,使算法都是在可行的解空间上进行搜索.仿真实验表明,算法能指导机器人获得动态环境下的最优路径,同时算法收敛速度大大提高.
为了以较低的复杂度获得接近最优的性能,提出一种加权-两阶段迭代(Weighted Two-Stage,WTS)的方案,并采用最速下降法(S D)对WTS方案进行优化处理,利用S D算法为WTS方案提供较为精确的搜索方向,有效加快收敛速度,提高WTS方案的性能.将算法应用在软判决中,与其他几种算法进行比较.仿真结果表明,改进后的方案不仅收敛速度快、逼近MMSE的最优性能,而且对比MMSE算法复杂度下降了一个数量级.
针对现有手势分割方法难以在类肤色背景下从图像中高效完整地分割出静态手势的问题,提出一种基于肤色质心与边缘自生长的手势分割算法.利用肤色模型得到手势区域的质心,质心可降低后续边缘检测算法的计算量;利用改进的边缘检测算法得到手势边缘,同时提出一种边缘自生长算法,能有效补全局部断裂边缘,增强后续分割效果;将肤色信息与边缘信息进行差分运算分离类肤色背景,再用连通域及形态学处理去除以得到最终手势图像.实验结果证明,该算法较传统肤色模型及同类算法,能更加快速准确地在类肤色背景下分割出手势图像.
星基ADS-B是实现广域范围内航空器监视的重要技术手段.为解决星基ADS-B系统监视性能指标评测问题,设计实现了星基ADS-B监视性能评估软件.阐述监视性能评估技术指标及评估方法,介绍了星基ADS-B监视性能评估软件的总体架构,详细叙述了数据接入与处理模块、航迹显示模块及监视性能评估模块的设计思路.利用天拓实验卫星数据开展了星基ADS-B监视性能的评估,评估结果表明:单颗卫星载荷覆盖范围下,水平位置误差均方根小于550 m,位置更新概率大于90％的比例为76.9％.
宏基因组组装往往只能得到较长片段的叠连群,无法恢复完整的基因组.现有的一些分箱方法并未充分挖掘叠连群序列组成和样本覆盖度内部结构信息.开发了基于流形嵌入的宏基因组学叠连群分箱方法,可以挖掘出高维数据中内部的非线性结构特征,从而降低数据的维度,提高计算性能.使用流形嵌入的结果估计出初始分箱数,比使用基于单拷贝基因的分箱数初始化方法更为高效.基于序列组成和样本覆盖度信息,流形嵌入更好地表现出了高维数据嵌入空间的内部结构,为分箱器提供了更有效的特征信息.实验对比了其他方法,结果表明所提方法在SpeciesMoc
为解决井下人员定位算法定位精度不高的问题,提出基于微惯性导航系统和无线传感器网络的井下组合导航定位算法.通过井下无线网络、惯性定位终端采集相关信息数据,利用行人航迹推算算法和改进加权质心定位算法分别估算出目标点的坐标和速度.将这两种算法通过正弦余弦蝙蝠融合算法优化后的卡尔曼滤波组合导航定位,估算出目标点最终的位置坐标.实验结果表明:该组合导航定位算法平均定位误差为1.71 m,其定位精度高于传统质心定位算法和行人航迹推算算法.
牛鞭效应是供应链运营管理中客观存在的现象.企业为了减少由实际需求和计划数量的偏差造成的生产不稳定,提高安全库存数量从而保证正常的生产活动,在此情况下需求逐级放大引发了牛鞭效应.精准预测是缓解牛鞭效应的重要手段,但是传统的时序预测在复杂的环境中并没有很好的预测效果.基于以上问题,从理论层面论证了需求预测、安全库存、牛鞭效应之间的关系,提出能够优化预测结果的ARIMA-BP模型.以某制造商企业近两年的产品订单数据为研究对象,分别用不同的预测模型对订单进行预测分析,再与该企业原预测模型下的牛鞭效应仿真结果进行对
目前大多数基于双流卷积网络的行为识别方法采用同样的时空网络结构,双流合并时会产生大量的冗余信息,从而降低识别的精确度.对此提出一种基于双流网络的时空异构网络结构.该网络采用两种不同的时空网络结构对行为进行分类.此外,对视频序列的长时间结构采用分段形式进行建模,使整个行为视频的学习变得高效.在UCF101和HMDB51数据集上进行实验,结果证明该时空异构双流网络优于时空同构双流网络.
针对无线传感器网络中传感器节点易发生数据漂移而导致采集数据失准难以使用的问题,提出一种基于LSTM-KF的无线传感器网络数据漂移盲校准算法.根据传感器网络拓扑情况建立连通支配集,以增强传感器节点间的时空相关性;训练LSTM网络,对目标节点与周围节点的测量数据建模;使用卡尔曼滤波器追踪和校准测量数据中的漂移量.仿真结果表明,该算法能够适应不同的拓扑情况,且具有较高的数据漂移盲校准精度,提高了无线传感器网络的数据采集质量.
针对行人重识别特征提取过程中特征图分辨率不断下降,丢失大量空间信息和细节信息,导致特征鲁棒性较低的问题,提出一种基于高分辨率特征提取网络的行人重识别方法.采取变换背景的方法对训练数据集进行数据扩充,提高数据样本的多样性;通过构建高分辨率特征提取网络,使得在整个特征提取过程中网络里始终拥有高分辨特征;结合三元损失函数和改进的交叉熵损失函数进行网络的训练.该高分辨率特征提取网络行人重识别方法在Market1501数据集上Rank-1达到了94.6％,mAP为86.0％.在DukeMTMC-reID数据集上Ra