典型文献
基于自注意力模型的图像去雾算法
文献摘要：
为了提高路侧相机在雾天气象环境下的图像对比度和清晰度,基于自注意力模型建立了一种图像去雾算法.通过视觉感知实时获取道路交通目标信息,是实现道路数字化与智慧化的基础,而雾天环境会使感知算法出现性能衰退.文中在生成式对抗神经网络框架下建立了基于自注意力模型的图像去雾算法,能够有效建模图像中不同区域间的关系,同时解决实际环境中难以建立无雾-有雾图像对训练集问题.利用Vision-Transformer网络提取图像中雾层特征,通过U-Net网络对图像雾层进行估计;采用卷积神经网络对去雾图像进行评估,通过对抗训练方式对网络参数进行优化;基于实际高速公路路侧相机采集了自然雾天环境下的道路交通图像数据,并结合Foggy Driving和O-HAZE开源数据集对提出的图像去雾算法进行了验证,结合主观和量化指标对算法的去雾效果进行了验证评估,表明该算法能够有效提高图像质量.
文献关键词：
图像去雾算法;自注意力模型;道路数字化;Vision-Transformer网络;卷积神经网络;量化指标
中图分类号：
作者姓名：
周欣;谢耀华;王润民;郑兵兵
作者机构：
国家山区公路工程技术研究中心,重庆 400067;自动驾驶技术交通运输行业研发中心,重庆 400067;招商局重庆交通科研设计院有限公司,重庆 400067;长安大学 信息工程学院,陕西 西安 710016;中航光电科技股份有限公司,河南 洛阳 471000
文献出处：
引用格式：
[1]周欣;谢耀华;王润民;郑兵兵-.基于自注意力模型的图像去雾算法)[J].现代电子技术,2022(19):37-43
A类：
道路数字化,Foggy
B类：
自注意力模型,图像去雾算法,路侧,雾天,气象环境,对比度,清晰度,视觉感知,取道,道路交通,交通目标,目标信息,数字化与智慧化,感知算法,性能衰退,生成式对抗神经网络,网络框架,区域间,训练集,Vision,Transformer,Net,层进,对抗训练,训练方式,网络参数,高速公路,机采,交通图像,图像数据,Driving,HAZE,开源数据集,量化指标,验证评估,图像质量
AB值：
0.310128
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。
