分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-10-11 合作期刊: 《计算机应用研究》
摘要: 在仅有少量标签数据的图像网状结构检测任务中,需要大量训练数据的目标检测模型检测性能大幅下降。基于区域候选的目标检测模型在预测时,检测目标越多,检测时间越长。若基于区域候选的目标检测模型产生候选框的数量固定不变,而不同图像中网状结构目标数量不同,造成目标检测中额外的时间消耗。针对该问题,通过对训练样本中网状结构目标在图片中的密度分析以及根据网状结构体在图片中的特征分布,提出一种面向少样本网状结构体的候选区域自适应检测方法。该方法通过基于二值标签图标注方法得到大量训练样本,由候选区域自适应方法选取合理候选框数量。与未改进的模型相比,在几乎不损失准确率的情况下,加快了检测速度,尤其在目标数量稀少的数据中优势更为明显。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-08-13 合作期刊: 《计算机应用研究》
摘要: 为了解决去雾过程中图像边缘产生光带的情况和去雾之后图像整体变暗的现象,提出了一种新颖的基于优化后透射率和半逆法的图像去雾算法。首先,针对图像边缘处暗通道失效情况,运用透射率修正机制来消除边缘处的光带现象,从而提高暗通道先验的适用范围;其次,从大气散射模型出发,利用半逆算法得到大气整体光照值;最后,针对去雾之后整幅图片颜色变暗淡的现象,采用基于小波变换的图像对比度算法来进行增强处理,改善去雾图像的视觉效果。实验结果表明,该算法能够更有效地去雾,而且去雾能力优于原算法。