基于增强网格网络的井下尘雾图像清晰化算法

针对目前井下尘雾图像清晰化算法存在的图像偏暗、细节丢失和过度增强等问题,提出一种基于增强网格网络的井下尘雾图像清晰化算法。该算法由前处理模块、主干模块和输出模块3个部分组成。前处理模块通过特征提取模块IRDB生成一组特征图,作为主干模块的输入,IRDB融合了Inception架构和密集残差连接模块(RDB)的优势,可在网络资源有限的情况下增加网络的深度和宽度,从而增强网络的表征能力、泛化能力及其对不同尺度尘雾的处理能力;主干模块采用网格网络进一步提取图像不同尺度的特征,并通过上采样和下采样实现特征图不同尺度的变换,为更好地捕捉图像中的细节信息,在网格网络中引入通道注意力机制。实验结果表明:IRDB数量为5时,网络模型的峰值信噪比(PSNR)、结构相似度指数(SSIM)和自然图像质量评价指标(NIQE)最好;从视觉效果上看,用所提算法清晰化处理后的图像细节信息更加丰富,色彩更加自然,具有良好的清晰度和对比度;在井下数据集上用所提算法处理后的图像PSNR、SSIM和NIQE分别为23.69,0.840 1,8.95,图像处理速度处于中等水平,整体性能优于DCP,AOD-Net等同类算法。

面向图像处理的可重构协处理器结构研究

在现有可重构协处理器设计实现的基础上,根据图像处理算法的特点,提出了一种改进的可重构协处理器结构IRC。在IRC中,采用了一种基于网格的网络结构与行(列)SIMD的工作模式,使得图像处理算法的执行效率得到提高。在典型的图像处理应用中,IRC能够达到通用处理器的7倍以上的速度。