典型文献
适合跨域目标检测的雾霾图像增强
文献摘要：
目的 室外监控在雾霾天气所采集图像的成像清晰度和目标显著程度均会降低,当在雾霾图像提取与人眼视觉质量相关的自然场景统计特征和与目标检测精度相关的目标类别语义特征时,这些特征与从清晰图像提取的特征存在明显差别.为了提升图像质量并且在缺乏雾霾天气目标检测标注数据的情况下提升跨域目标检测效果,本文综合利用传统方法和深度学习方法,提出了一种无监督先验混合图像特征级增强网络.方法 利用本文提出的传统先验构成雾气先验模块;其后连接一个特征级增强网络模块,将去散射图像视为输入图像,利用像素域和特征域的损失实现场景统计特征和目标类别语义相关表观特征的增强.该混合网络突破了传统像素级增强方法难以表征抽象特征的制约,同时克服了对抗迁移网络难以准确衡量无重合图像域在特征空间分布差异的弱点,也减弱了识别算法对于低能见度天候采集图像标注数据的依赖,可以同时提高雾霾图像整体视觉感知质量以及局部目标可识别表现.结果 实验在两个真实雾霾图像数据集、真实图像任务驱动的测试数据集(real-world task-driven testing set,RTTS)和自动驾驶雾天数据集(foggy driving dense)上与最新的5种散射去除方法进行了比较,相比于各指标中性能第2的算法,本文方法结果中梯度比指标R值平均提高了50.83％,属于感知质量指标的集成自然图像质量评价指标(integrated local natural image quality evaluator,IL-NIQE)值平均提高了6.33％,属于跨域目标检测指标的平均精准率(mean average precision,MAP)值平均提高了6.40％,平均查全率Recall值平均提高了7.79％.实验结果表明,本文方法结果在视觉质量和目标可识别层面都优于对比方法,并且本文方法对于高清视频的处理速度达50帧/s,且无需标注数据,因而在监控系统具有更高的实用价值.结论 本文方法可以同时满足雾霾天候下对采集视频进行人眼观看和使用识别算法进行跨域目标检测的需求,具有较强的应用意义.
文献关键词：
图像去雾;特征增强;先验混合网络;无监督学习;图像域转换
中图分类号：
作者姓名：
郭强;浦世亮;张世峰;李波
作者机构：
北京航空航天大学数字媒体实验室,北京 100191;杭州海康威视数字技术股份有限公司, 杭州 310000
文献出处：
引用格式：
[1]郭强;浦世亮;张世峰;李波-.适合跨域目标检测的雾霾图像增强)[J].中国图象图形学报,2022(05):1481-1492
A类：
自然场景统计,evaluator,先验混合网络,图像域转换
B类：
跨域,目标检测,雾霾图像,图像增强,雾霾天气,采集图像,清晰度,标显,当在,图像提取,人眼,视觉质量,质量相关,统计特征,检测精度,语义特征,检测效果,深度学习方法,混合图,图像特征,雾气,失实,实现场景,语义相关,表观特征,像素级,增强方法,对抗迁移网络,特征空间,空间分布差异,弱点,识别算法,低能见度,天候,图像标注,视觉感知,感知质量,图像数据集,任务驱动,测试数据,real,world,task,driven,testing,set,RTTS,自动驾驶,雾天,foggy,driving,dense,去除方法,梯度比,质量指标,图像质量评价,质量评价指标,integrated,local,natural,image,quality,NIQE,检测指标,mean,average,precision,MAP,查全率,Recall,比方,高清视频,处理速度,监控系统,应用意义,图像去雾,特征增强,无监督学习
AB值：
0.441972
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
