基于迁移卷积神经网络的夜间低照度图像同源性的鉴定算法

图像的二次编辑和篡改大大降低了图像的可信度,受夜间光线影响,图像分类过程不稳定,图像来源取证准确率较差,为此,研究基于迁移卷积神经网络的夜间低照度图像同源性鉴定算法。基于迁移卷积神经网络,将夜间低照度图像分类,计算不同特征图像之间的相关性;增强与降维处理夜间低照度图像,为图像同源性鉴定提供标识性依据;通过划分图像块,实现夜间低照度图像同源性鉴定。经实验论证分析,应用算法能使夜间低照度图像内容更为完整,细节显示更多,图像同源性鉴定准确率和类别纯度更高,具有有效性与实用性。

基于三维虚拟技术的夜间低照度激光图像增强

以提升夜间低照度激光图像的清晰度与分辨率为目的,提出基于三维虚拟技术的夜间低照度激光图像增强方法。利用多尺度主特征提取法确定夜间低照度激光图像的照射分量,并对照射分量进行优化;利用优化后的照射分量计算夜间低照度激光图像的反射光;针对反射光图像进行强光及噪声抑制,设置响应权值将原夜间低照度激光图像与抑制后的反射光图像进行加权合成,得到视觉特征增强图像。对视觉特征增强图像进行细节特征增强,利用三维虚拟技术对图像进行变换,可变换激光图像局部,不仅提升激光图像局部复杂性,同时增强激光图像细节特征描述;同时利用分割重组技术提升图像真实性。测试结果显示采用该方法增强后,夜间低照度激光图像的峰值信噪比和机构相似度指数均较高,均值分别为35.04 dB和0.90。

基于改进CycleGAN的夜间道路环境下非机动车特征增强方法

夜间光照度低或者光照分布不均匀,非机动车识别率受到很大影响。为有效增强目标图像,研究结合一种热图自注意力Grad-CAM网络和一种自适应归一化层AdaLIN改进CycleGAN的生成器,使用自适应归一化层AdaLIN改进CycleGAN判别器,在改进CycleGAN网络中加入Merge网络,生成类夜间非机动车特征增强图像。经过实验验证,相较于对比算法RetinexNet、MSRCP和CycleGAN+Merge算法,主要图像评价指标明显提高,比改进前CycleGAN+Merge算法在PNSR、SSIM指标上分别提高了4.16%、7.22%,在人类视觉主观分析上也更优。证明对改进算法进行研究后能够有效改善夜间道路情况下非机动车特征的视觉效果。

初探单幅夜间低照度车载视频图像的增强算法

车载视频图像是汽车道路交通安全情况记录的重要设备,其中车辆监控视频系统融合了信号、人工、视觉以及模式识别等多种产物,对道路行车安全有着重要保障。基于此,本文对单幅夜间低照度车载视频展开分析,对图像增强、视频记录以及运动跟踪监测等方面中的关键技术展开分析,从而提升车辆视频系统性能。

夜间动态环境中空间距离驾驶员判识变化

为研究驾驶员在夜间地面动态环境中距离判识变化的规律,改进行车安全,选取32名驾驶员进行实际道路试验。被试在自车行进方向不同的深度距离、车速下,判识前方障碍物的绝对距离和相对距离。统计距离判识值,得出夜间距离判识值数据分布,取得距离判识特征值。回归分析判识距离与速度的关系,建立障碍物判识变化的数学模型。比较昼夜距离判识差异,分析其对夜间行车安全的影响。结果表明:在车辆行驶深度方向,夜间距离判识值随速度增加而不断下降,两者之间呈负指数关系;在相同深度距离和速度下,夜间判识距离大于昼间;夜间行车时,需适当降低车速,确保有效的安全距离。

深圳市夜间光污染状况调查及对策研究

首先阐述国内外光污染防控标准,然后对深圳市典型公众活动区域开展夜间光照度监测,初步探明夜间光污染状况并提出利用经济特区立法,将光环境纳入环境保护范畴,建立完善的法律、法规、技术标准和监管体系,保护夜间光环境的建议。结果表明,开展监测的区域存在不同程度的光污染,其中,商业区照度为10.4～591.4lx,最大值达CIE150标准E4区域25lx的限值20倍以上,照度均匀度为0.12～0.18;休闲广场照度为4.9～91.5lx,最大照度均超过《城市夜景照明设计规范》(JGJ/T163-2008)中25lx上限值,照度均匀度为0.22～0.39;住商混合区照度为8.5～46.9lx,最大照度均超过CIE150标准E3区域10lx限值;住宅区照度为1.0～23.6lx,57%小区外侧住宅窗表面照度超过CIE150标准E3区域10lx限值。