雨雾天气下的户外场景成像

本文分析了雨雾天气下大气介质对户外场景成像的影响 ,通过输运理论与解析理论的结合 ,得出了能见距离与图像对比度及分辨率的理论关系 ,给出了图像合成的公式 ,并且通过实验把模拟产生的图像与实际拍摄的图像进行了比较 .

一种实时的复杂户外场景下目标检测算法

根据实际系统中高帧频摄像机背景图像运动不大而目标有一定运动的特点,首先分离奇偶帧图像,隔帧相减并用自适应阈值技术二值化图像来检测运动目标,经过形态学处理得到许多连通的区域,然后利用目标面积最大等特征识别目标并用外接矩形定位目标,得到目标运动的真实轨迹。仿真结果表明:该算法能简单有效地检测机动目标且易于硬件并行实现。

不同天气条件下户外场景图像生成方法研究

大气介质和天气条件的变化使户外场景图像的生成相当复杂。文中分析了不同天气情况下大气介质对成像的影响 ,给出了由天气参数 :拍摄时间、日出、日落时间、温度、风速、相对湿度、太阳照度等计算湍流大气调制传递函数MTFse,由能见距离和光程计算气溶胶调制传递函数MTFa的方法 ,由两者的乘积得出总的大气传递函数MTF ,再利用大气传输理论 ,由总调制传递函数生成不同天气条件下的图像 ;文中还给出了图像生成的具体流程。实验表明 :模拟生成的图像与实际拍摄的图像非常接近 ,获得了满意的实验结果。

基于AKAZE算法的户外建筑场景识别

近些年来,图像识别技术发展迅速,识别精度越来越高,应用领域也越来越广。但是传统算法在大规模复杂场景的识别效率和准确度不高,尤其当场景中有大型建筑物时,由于建筑物复杂的结构以及户外环境如天气、光照、遮挡等因素,特征点多而杂,分布不均匀,难以获取正确的特征信息。文章应用了AKAZE算法来进行户外场景识别,并构建了基于词汇树的海量图像识别框架。实验证明,该识别框架在户外建筑场景中识别准确度和识别效率较高。

基于区域预测和视觉注意计算的快速目标检测

提出了一种结合区域预测与视觉注意模型化计算的快速目标检测方法.通过分析图像近似均匀的3个水平子区域的方向特征图之灰度比率,灰度特征图之信息熵和子区域位置,建立了目标区域预测的判定准则.同时,通过优选特征和优化特征图之权重,改进了视觉注意计算模型.对于一幅待检测图像,根据区域预测的判定准则,实现目标区域的快速预测,并利用改进的视觉注意计算模型对目标区域进行视觉注意计算,实现特定目标的快速精确定位.实验结果表明:针对户外场景中的行人目标,与通过整幅图像的视觉注意计算来实现目标检测的传统方法相比较,该检测方法可使检测时间缩短30%,同时还能使检测准确率提高9%.

基于高层特征融合的图像语义分割

在深度学习下的图像语义分割中,为了探究高层特征对于户外场景语义分割性能的影响,在对高层特征进行分析的基础上,提出了融合高层特征的图像语义分割方法。在目前主流深度学习框架Caffe下搭建的分割模型,并采用斯坦福8类户外场景数据集对模型进行了训练和测试。测试结果验证了该方法的有效性和准确性。

交互式室外复杂光照条件下的本征图像分解

本征图像分解分解是将一张图片分解成本征图和光照图的过程。虽然本征图像分解已经经过几十年的研究,但是如何快速且准确地分解出两张图片仍然是一个艰难过程,仍然有很大的研究意义,尤其是复杂场景下的本征分解。室外的场景由于光照条件的多变、阴影、高光反射,等等,室外的本征分解极具挑战。本文提出在室外复杂场景下的本征分解。在手工交互的方式指导下,引入大气散射模型对光照图进行约束,然后进行分解,最终得到更好的效果。因为缺少真实场景的本征图像分解Ground Truth数据库,所以本文主要是在视觉效果方面进行实验结果评估。