基于Retinex和对比度约束的夜间去雾

针对夜间雾霾天气条件下获取的图像出现细节模糊、颜色失真等问题,提出一种基于Retinex理论和对比度约束的去雾算法。根据Retinex理论求得夜间场景的环境大气光值,通过设置对比度增强与信息损失的约束函数求得透射率估计值,采用导向滤波进行细化,代入夜间雾霾图像光学模型中求得无雾图像,采用一种基于色彩比重的颜色恢复算法对复原图像进行颜色校正。实验结果表明,所提算法能够有效实现夜间有雾图像的去雾处理,恢复的图像细节丰富、色彩自然,在方差、平均梯度、信息熵等指标上均有较高的提升。

基于自上而下注意力机制的零样本目标检测

由于可见类和未见类目标数据分布的差异性,目前基于映射迁移策略的零样本目标检测算法在测试时容易偏向可见类别的目标,且因为不同类别在属性上的相似性,特征分布比较混乱。本文提出一种新的零样本目标检测框架,利用所设计的先验知识提取模块和自上而下注意力机制模块,为检测过程提供任务导向,引导模型在训练期间关注出现的未见类特征,提高模型对不同数据分布的判别性;还设计了一种新的对比约束以提高特征之间的聚类能力;在MSCOCO标准数据集上进行了大量实验。结果表明,该模型在标准和广义零样本目标检测任务上都取得了显著效果。

一种基于模糊主动轮廓的鲁棒局部分割方法

针对局部分割方法对初始轮廓敏感的问题,本文提出一种基于模糊主动轮廓的鲁棒局部分割方法.该方法利用图像的局部信息,定义一种新的平均模糊能量函数.通过对演化曲线进行形态学膨胀和腐蚀运算构建窄带,并在窄带范围内求解模糊能量函数的最小值来实现局部分割.为防止演化曲线陷入局部极小值,在迭代过程中加入对比度约束判断条件,进一步提高了分割方法对初始轮廓的鲁棒性.对合成图像和医学图像的分割实验结果表明,与已有的几种局部分割方法相比,本文方法在分割精度和鲁棒性等方面都有较大提高.