基于可学习图像滤波器的雾天驾驶场景图像语义分割.docxVIP

基于可学习图像滤波器的雾天驾驶场景图像语义分割

目录

内容概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2

1.1研究背景．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2

1.2研究意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.3文档结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

相关技术概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

2.1图像滤波器技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

2.2语义分割技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

2.3深度学习在图像处理中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

可学习图像滤波器研究进展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

3.1可学习滤波器的原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

3.2常见的可学习滤波器模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

3.3可学习滤波器在图像处理中的应用．．．．．．．．．．．．．．．．．．．．．．．．12

雾天驾驶场景图像特点分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

4.1雾天图像的视觉特性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

4.2雾天图像的挑战与问题．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

4.3雾天图像分割的需求．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

基于可学习图像滤波器的雾天驾驶场景图像语义分割方法．．．．．18

5.1滤波器设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

5.1.1滤波器参数优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

5.1.2滤波器训练策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

5.2语义分割模型构建．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

5.2.1网络结构设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

5.2.2损失函数与优化算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

5.3雾天图像预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

5.3.1图像去雾方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28

5.3.2图像增强方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

实验与结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

6.1数据集准备．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

6.2实验设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33

6.3实验结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34

6.3.1滤波器效果评估．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．36

6.3.2语义分割性能评估．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

6.4与现有方法的比较．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39

结论与展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40

7.1研究结论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41

7.2研究不足与改进方向．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42

7.3未来工作展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．44

1.内容概述

本文旨在探讨雾天驾驶场景图像的语义分割