图像去雨算法(基于卷积网络)
来源:互联网 发布:微商渠道网络推广 编辑:程序博客网 时间:2024/06/03 17:33
图像去雨算法文章:https://pdfs.semanticscholar.org/bf10/3b3ea90f0d032d1d73dbb83ae41731ee006f.pdf
首先雨图像的通用模型为:
其中O为捕捉到的图像,B为背景图像,是雨条纹的图像。传统方法主要有两个问题需要解决。1)在一幅图像中有多个密度。2)一些没有雨的去雨会造成过度平滑。
因此为了解决这个问题,本文提出了一个新的模型:
其中R是一些0-1值,0表示无雨区域,1表示有雨区域。这里有两个优点,1)给了网络额外信息去学习下雨的区域2)对于有雨和无雨区域的处理方式是不同的,因此这样可以保存更多图像的细节。
这里由于在大雨和远距离的情况下,图像会出现不同地方的雨的形状和方向不同或者模糊现象。因此对模型进一步改进得到下面的模型。
其中每个是同一方向和形状的雨点。s是叠加的数量,A是整体的大气亮度。
采用卷积神经网络来解决这个问题。
针对上面的公式,文中建立极大似然法(MAP)进行处理:
式子中后三项是三个先验(B、S、R)。采用卷积网络处理,首先通过dilated network来得到雨的特征F,R、S、B分别通过串联。主要流程如下:
损失函数是:
实验结果:
阅读全文
0 0
- 图像去雨算法(基于卷积网络)
- 基于opencv的单张图像去雾算法(一)
- 基于opencv的单张图像去雾算法(二)
- 基于opencv的单张图像去雾算法(三)
- 基于Retinex的图像去雾算法(MATLAB实现)
- 基于opencv的单张图像去雾算法(一)
- 基于opencv的单张图像去雾算法(二)
- 基于opencv的单张图像去雾算法(三)
- 图像去卷积(二)——Richardson–Lucy算法
- 图像卷积,图像FFT卷积的一些应用(去光照影响,图像放大,添加签名)
- 基于图像超分辨率的深度卷积网络的学习
- 图像卷积算法
- 图像去雾算法(二)基于暗通道先验算法学习笔记
- 图像处理之去雾——基于图像暗通道的去雾算法
- 基于图学习的图像去噪(二)——图学习算法
- 基于单幅图像的快速去雾算法
- 一种基于单张图像的去雾算法研究
- 基于DCT字典图像稀疏去噪算法学习
- WOJ1033-Natural Span
- OSG相机的一些函数解析
- 数据库原理 数据库组件概况
- jQuery Mobile中导航栏navbar的data-*选项
- html的hello,world
- 图像去雨算法(基于卷积网络)
- 关于添加pdf水印那些事
- ftp上传多个文件脚本
- 技术问题
- Java菜鸟编程 一个有趣的练习
- 字符串经典案例之一(字符串的copy)
- 环境搭建及系统部署
- tp框架中的多表查询操作
- 使用OkHttp之Websocket实现长连接