注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 卷积去雾算法

  2. matlab上的卷积方式实现何凯明大神的去雾算法，欢迎下载学习~

  3. 所属分类：深度学习

  1. 基于类卷积神经网络的可见光虹膜识别方法.pdf

  2. 基于类卷积神经网络的可见光虹膜识别方法.pdf,针对应用于智能移动设备的虹膜识别系统在可见光采集条件下虹膜图像受干扰严重使得识别率正确率降低和算法鲁棒性变差的问题，提出一种类卷积神经网络结合局部特征提取的虹膜识别方法。首先，采用暗通道图像去雾算法对归一化虹膜图像进行增强处理以减弱光干扰；然后，利用类卷积神经网络对图像进行降维，获得虹膜的二值化纹理信息；再经分块处理方法提取降维图像各区域局部虹膜纹理信息以构建特征向量；最后用欧氏距离分类器进行匹配识别。为验证算法性能，采用MICHE I虹膜图库中

  3. 所属分类：其它

  1. AOD-Net去雾网络Python源代码（pytorch）

  2. AOD-Net去雾网络Python源代码（pytorch），通过卷积神经网络对雾霾图像进行去雾，通过pytorch进行实现

  3. 所属分类：深度学习

    • 发布日期：2020-08-11
    • 文件大小：2mb
    • 提供者：linkunpeng_

  1. 基于ZYNQ的Retinex实时图像去雾

  2. 雾霾天气严重影响户外视频系统的图像质量。随着户外视频系统的广泛和深入的应用，迫切需要能够进行实时处理的小型化的嵌入式图像去雾系统。提出一种基于ZYNQ的Retinex实时图像去雾方法，在HSV颜色空间对亮度分量V进行Retinex算法去雾处理；采用ARM+FPGA软硬件协同的方式，由ARM完成算法控制功能及图像的颜色空间转换、对数等简单运算；在FPGA中采用高斯核函数与二维图像卷积的并行算法估计环境光的照度。实验结果表明，提出的方法在保证去雾效果的情况下，具有处理速度快、小型化、可嵌入、可移植和

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：436kb
    • 提供者：weixin_38662089

  1. 匀光匀色软件测试版2020_压缩率_MAX100.zip

  2. 影像匀光匀色和去雾软件（ModifyUI 3.0），支持：内部匀光、外部匀色、雾气消除、图片压缩等功能。保留GPS坐标等完整的EXIF信息，可以多核并行运算、卷积加速。

  3. 所属分类：图像处理

    • 发布日期：2020-12-07
    • 文件大小：3mb
    • 提供者：FreeFish123

  1. 基于暗通道去雾和深度学习的行人检测方法

  2. 行人检测是实现智能交通与客流监控的关键技术，深度学习方法训练模型已经在行人检测领域取得了良好的效果。但是当训练样本质量不佳时，训练的模型往往不能得到令人满意的效果。为了提高雾霾天气与曝光较强环境下的行人检测效果，提出了将暗通道去雾算法应用于深度学习的样本预处理中，并使用快速深度卷积神经网络训练行人检测模型。在实验中，首先对10000张样本图片采用暗通道去雾算法进行预处理，之后分别使用有无暗通道去雾算法预处理的样本图片训练模型，最后比较这两种模型在不同场景下的模型检测准确率。实验结果表明，使用暗通

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：11mb
    • 提供者：weixin_38674675

  1. 基于全卷积回归网络的图像去雾算法

  2. 针对当前去雾算法经常出现过度曝光、颜色失真等问题,提出了一种基于全卷积回归网络的去雾算法。该回归网络基于端到端系统,由特征提取和特征融合两部分构成。首先,输入有雾图像,经过特征提取和特征融合,最终回归为粗透射率图;之后使用导向滤波对其进行优化,再利用大气物理散射模型反演出无雾图像;最终采用限制对比度自适应直方图均衡化(CLAHE)对无雾图像进行增强,以得到更符合人类视觉的清晰图像。所提算法不仅可以有效避免去雾后出现的过度曝光和颜色失真等问题,而且能保留图像完整的细节信息,具有较好的去雾效果。

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：16mb
    • 提供者：weixin_38637764

  1. 基于多特征融合的卷积神经网络图像去雾算法

  2. 针对传统去雾算法需要人工提取特征,对比度低、信噪比低等问题, 提出一种基于多特征融合的卷积神经网络去雾算法。利用卷积神经网络算法模拟人类视觉系统对雾天图像进行层次化处理, 实现自动提取特征。算法采用直接从雾天图像到清晰无雾图像映射的学习方式, 该映射由特征提取、多尺度特征融合和浅层深层特征融合联合实现。多尺度特征融合提升网络对图像细节的重建, 浅层深层特征融合则将浅层卷积得到的轮廓信息和深层卷积得到的细节信息进行融合, 提升去雾重建的整体效果。实验结果表明, 相比于单一尺度网络, 多特征融合网络

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：10mb
    • 提供者：weixin_38625048

  1. 基于深度学习的单幅图像去雾算法

  2. 提出了一种基于深度学习的单幅图像去雾算法。利用卷积神经网络,通过学习雾天图像与清晰图像的YUV(Y代表的是亮度,UV代表的是彩度)各个通道之间的映射关系实现去雾。网络结构由两个相同的特征模块组成,主要包括多尺度卷积、卷积和跳跃连接结构。实验结果表明,无论是针对合成雾天图像数据集还是针对自然雾天图像数据集,所提去雾算法恢复的图像皆具有较高的清晰度和对比度,在主观评价和客观评价上均优于其他对比算法。

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：13mb
    • 提供者：weixin_38722588

  1. 基于多尺度卷积神经网络的单幅图像去雾方法

  2. 针对传统的单幅图像去雾算法容易受到雾图先验知识制约及颜色失真等问题,提出了一种基于深度学习的多尺度卷积神经网络(CNN)单幅图像去雾方法,即通过学习雾天图像与大气透射率之间的映射关系实现图像去雾。根据大气散射模型形成雾图机理,设计了一个端到端的多尺度全CNN模型,通过卷积层运算提取有雾图像的浅层特征,利用多尺度卷积核并行提取得到有雾图像的深层特征,然后将浅层特征和深层特征进行跳跃连接融合,最后通过非线性回归得到雾图对应的透射率图特征,并根据大气散射模型恢复出无雾图像。采用雾图数据集对该模型进行训

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：12mb
    • 提供者：weixin_38740827