logo móvil
Contáctanos

Aprendiendo un Autoencoder Convolucional para la Desneblina de Imágenes Nocturnas

Autores: Feng, Mengyao; Yu, Teng; Jing, Mingtao; Yang, Guowei

Idioma: Inglés

Editor: MDPI

Año: 2020

Descargar PDF

Acceso abierto

Artículo científico
2020

Aprendiendo un Autoencoder Convolucional para la Desneblina de Imágenes Nocturnas


Categoría

Gestión y administración

Subcategoría

Gestión de la tecnología y la inovación

Palabras clave

Neblina
Imágenes
Noche
Mapa de transmisión
Método de autoencoder
Métodos tradicionales

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 1

Citaciones: Sin citaciones


Descripción
Actualmente, la eliminación de la neblina de imágenes capturadas por la noche en escenas con niebla se basa en métodos tradicionales basados en priors, pero estos métodos son frecuentemente ineficaces para tratar imágenes nocturnas con neblina. Además, las fuentes de luz por la noche son complicadas y hay un problema de brillo inconsistente. Esto complica la estimación del mapa de transmisión en la escena nocturna. Basándonos en el análisis anterior, proponemos un método de autoencoder para resolver el problema de sobreestimación o subestimación de la transmisión capturada por los métodos tradicionales basados en priors. Para imágenes nocturnas con neblina, primero eliminamos el efecto del color de la imagen con neblina utilizando un método de prior de máxima reflectancia que preserva los bordes (MRP). Luego, la imagen con neblina sin influencia de color se introduce en la red de autoencoder con conexiones de salto para obtener el mapa de transmisión. Además, en lugar de utilizar el método de máximo local, estimamos la iluminación ambiental a través de un filtrado de imagen guía. Para resaltar la efectividad de nuestros experimentos, se realizaron numerosos experimentos de comparación entre nuestro método y los métodos más avanzados. Los resultados muestran que nuestro método puede suprimir efectivamente el efecto de halo y reducir la efectividad del resplandor. En la parte experimental, calculamos que la relación señal-ruido pico promedio (PSNR) es 21.0968 y la similitud estructural promedio (SSIM) es 0.6802.

Otros recursos que podrían interesarte

Temas Virtualpro