排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
水下环境光线昏暗,仅依靠自然光源难以清晰成像,通常需要增加人工光源,但人工光源的引入会导致场景亮度不均。在这种包含自然光源和人工光源的混合光照环境下,所拍摄的水下图像质量严重退化,不仅降低视觉观感,更影响后续高级计算机视觉任务的顺利开展。然而现有方法大都只考虑了自然光源的影响,对混合光源环境下的水下图像复原效果不佳。为了解决混合光源环境下水下图像存在的光照不均、色偏、细节模糊等问题,提出了一个光照感知编解码器网络用于水下图像复原。一方面,在多尺度结构中引入注意力机制和改进残差结构高效提取丰富的结构细节特征,另一方面增加光照感知图作为先验约束网络复原结果的对比度。此外,设计了合适的损失函数,引导网络充分学习水下图像和清晰图像间的非线性映射关系,使恢复图像的色调更自然,纹理细节更丰富。对比试验结果证明此方法在主观感知和客观指标上均优于对比算法,消融实验证明所提网络模块和光照感知的有效性。 相似文献
2.
随着在轨遥感卫星数量的增加及高光谱成像技术的进步,能够获取到的高光谱数据量急剧增长,人类步入了大数据应用和数据驱动的科学发现时代。然而,如此大体量、大幅宽的高光谱数据导致了深度学习算法难以在单节点上学习和推理,为实时高效的信息智能解译带来了极大的挑战。因此,需要综合多星资源分布式协同解析,以解决分块处理带来的块效应。然而,协同处理必然伴随着信息的交互与传输,为进一步降低传输信息量,需要对梯度进行压缩,以缓解分布式学习中的通信瓶颈。本文综合探讨了多种主流的高效通信梯度压缩算法,特别关注其在通信受限的在轨环境下的优劣,并展望了梯度压缩的发展趋势。通过广泛的试验对比,本文全面评估了多种梯度压缩方法在高光谱图像处理中的表现,试验证明不同方法的适用性和性能差异,为未来在实际应用中选择最合适的梯度压缩方法提供了有力的参考。 相似文献
1