Reconocimiento de imágenes con neblina basado en retroalimentación de optimización de brillo y corrección de color
Autores: Hao, Shengyu; Wang, Peiyi; Hu, Yanzhu
Idioma: Inglés
Editor: MDPI
Año: 2019
Acceso abierto
Artículo científico
2019
Reconocimiento de imágenes con neblina basado en retroalimentación de optimización de brillo y corrección de color
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Identificación
Niveles de neblina
Procesamiento de imágenes
Corrección de brillo
Corrección de color
Faster R-CNN
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
En la actualidad, la identificación de los niveles de neblina se basa principalmente en métodos de medición tradicionales, cuyos resultados en tiempo real y conveniencia son deficientes. Este artículo tiene como objetivo realizar la identificación de los niveles de neblina mediante el procesamiento de imágenes de neblina. Por lo tanto, este trabajo divide las imágenes de neblina en cinco niveles y obtiene imágenes de neblina de alta calidad en cada nivel mediante la corrección de brillo de la solución optimizada y la corrección de color mediante el emparejamiento de características. Al mismo tiempo, para reducir el ruido de las imágenes de neblina, este artículo mejoró el filtro de Butterworth. Finalmente, basándose en las imágenes de neblina procesadas, este trabajo utiliza la red Faster R-CNN para identificar los niveles de neblina. Los resultados de múltiples conjuntos de experimentos comparativos demuestran la precisión del estudio.
Descripción
En la actualidad, la identificación de los niveles de neblina se basa principalmente en métodos de medición tradicionales, cuyos resultados en tiempo real y conveniencia son deficientes. Este artículo tiene como objetivo realizar la identificación de los niveles de neblina mediante el procesamiento de imágenes de neblina. Por lo tanto, este trabajo divide las imágenes de neblina en cinco niveles y obtiene imágenes de neblina de alta calidad en cada nivel mediante la corrección de brillo de la solución optimizada y la corrección de color mediante el emparejamiento de características. Al mismo tiempo, para reducir el ruido de las imágenes de neblina, este artículo mejoró el filtro de Butterworth. Finalmente, basándose en las imágenes de neblina procesadas, este trabajo utiliza la red Faster R-CNN para identificar los niveles de neblina. Los resultados de múltiples conjuntos de experimentos comparativos demuestran la precisión del estudio.