针对雾霾天气下获取的视频及图像存在雾化、模糊等问题,提出大气散射模型结合关联帧补偿的视频图像去雾及增强算法。首先,设计了多维空间权重注意力模块提取空间信息,转移不同特征信息权重,提高其利用率;其次,构造参数估计子网络提取大...针对雾霾天气下获取的视频及图像存在雾化、模糊等问题,提出大气散射模型结合关联帧补偿的视频图像去雾及增强算法。首先,设计了多维空间权重注意力模块提取空间信息,转移不同特征信息权重,提高其利用率;其次,构造参数估计子网络提取大气光和透射图,结合大气散射模型求取清晰图像;其次,提出关联帧补偿机制,利用视频帧间关联性提高参数估计准确度,降低网络学习难度;最后,设计多项式损失函数进一步提高输出质量。在多个数据集下的实验结果表明,算法处理后的结构相似性(Structure Similarity Index Measure,SSIM)和峰值信噪比(Peak Signal to Noise Ratio,PSNR)分别达到0.91和27.13 dB,均优于对比的经典及新颖算法,有效解决图像雾化问题的同时能增强纹理细节等特征,满足视频和图像实时去雾要求,为后续基于人工智能的视觉任务提供良好基础。展开更多
文摘针对雾霾天气下获取的视频及图像存在雾化、模糊等问题,提出大气散射模型结合关联帧补偿的视频图像去雾及增强算法。首先,设计了多维空间权重注意力模块提取空间信息,转移不同特征信息权重,提高其利用率;其次,构造参数估计子网络提取大气光和透射图,结合大气散射模型求取清晰图像;其次,提出关联帧补偿机制,利用视频帧间关联性提高参数估计准确度,降低网络学习难度;最后,设计多项式损失函数进一步提高输出质量。在多个数据集下的实验结果表明,算法处理后的结构相似性(Structure Similarity Index Measure,SSIM)和峰值信噪比(Peak Signal to Noise Ratio,PSNR)分别达到0.91和27.13 dB,均优于对比的经典及新颖算法,有效解决图像雾化问题的同时能增强纹理细节等特征,满足视频和图像实时去雾要求,为后续基于人工智能的视觉任务提供良好基础。
