雾天退化模型参数估计与CUDA设计

摘要：

针对基于物理模型的去雾方法大多采用统计或假设等先验信息获取模型参数精度较低的问题,提出一种非假设的雾天退化模型参数估计方法.为了尽可能准确地获取大气光值和透射率值,首先采用四叉树算法求解大气光值;随后利用预训练的卷积神经网络获取粗略透射率图,并使用引导滤波算法优化透射率图;最后通过大气散射模型逆向求解获取复原图像.实验结果表明,文中方法在去雾各项性能指标上表现均衡,不仅提高了雾天图像的清晰度和亮度,而且可以有效地避免"晕轮效应".算法时间性能实验表明,文中算法CPU效率比其他去雾算法提高40％+,应用CUDA并行设计将耗时的引导滤波算法并行化后效率有显著提升,处理分辨率大小为640×480(单位为像素)雾天图像仅需0.0489 s,可直接迁移应用于视频去雾处理,满足视频处理的实时性要求.

关键词：大气散射模型、四叉树算法、卷积神经网络、CUDA

所属期刊栏目：30

分类号：TP391.41(计算技术、计算机技术)

资助基金：福建省产学合作重大项目2016H6010;福建省自然科学基金2015J01420;福建省引导性基金2016Y0060;福建省卫生教育联合攻关计划项目WKJ2016-2-26

在线出版日期：2018-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：327-335