典型文献
多级特征逐步细化及边缘增强的图像去雾
文献摘要：
为设计合理有效的神经网络框架,提高去雾算法的精度,保留完整的边缘细节,提出了常微分方程(Ordinary Dif?ferential Equation,ODE)启发的多级特征逐步细化及边缘增强的去雾算法.利用多级特征提取子网络,从输入雾图中提取出包含细节信息的低级特征和包含语义信息的高级特征,用于后续去雾结果的逐步细化.受残差网络框架与ODE求解策略关联性启发,依据两步两阶的蛙跳方法Leapfrog设计出Leapfrog模块,并串联多个Leapfrog模块,模拟ODE离散的逼近求解过程,构造逐步细化的去雾子网络.此子网络中,每个Leapfrog模块在交替输入的低级/高级特征的互补信息引导下,不断细化前一个Leapfrog模块估计的去雾结果.受二阶微分算子实施边缘增强的启发,边缘增强子网络利用预训练的UNet估计最后一个Leapfrog模块的去雾图像边缘,并叠加到此去雾图像上得到增强边缘,保留细节的最终去雾结果.实验表明,在真实图像及合成图像上,本算法均能取得较好的去雾效果,且在视觉评价和客观评价方面优于已有的去雾算法,与EAAN相比去雾精度提高了5％,运行时间仅有0.032 s,能有效用于图像去雾的工程实践中.
文献关键词：
图像去雾;常微分方程;蛙跳法;边缘增强;神经网络
中图分类号：
作者姓名：
傅妍芳;尹诗白;邓箴;王一斌;胡殊豪
作者机构：
西安工业大学计算机科学与工程学院,陕西西安710021;西南财经大学经济信息工程学院,四川成都611130;宁夏大学信息工程学院,宁夏银川750021;四川师范大学工学院,四川成都610101
文献出处：
引用格式：
[1]傅妍芳;尹诗白;邓箴;王一斌;胡殊豪-.多级特征逐步细化及边缘增强的图像去雾)[J].光学精密工程,2022(09):1091-1100
A类：
Leapfrog,EAAN
B类：
多级特征,边缘增强,图像去雾,设计合理有效,网络框架,去雾算法,留完,边缘细节,常微分方程,Ordinary,Dif,ferential,Equation,ODE,子网络,细节信息,低级,语义信息,残差网络,求解策略,两步,两阶,逼近,信息引导,二阶微分算子,子实,增强子,预训练,UNet,图像边缘,上得,合成图,能取,视觉评价,客观评价,运行时间,蛙跳法
AB值：
0.313671
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。
