文献

J-GLOBAL ID：202002270594162362   整理番号：20A2499749

画像の消去のためのカラー転送畳込みニューラルネットワーク【JST・京大機械翻訳】

Color Transferred Convolutional Neural Networks for Image Dehazing

著者 (4件)： Yin Jia-Li (Department of Computer Science and Engineering, Yuan Ze University, Taoyuan, Taiwan) ,  Huang Yi-Chi (Department of Computer Science and Engineering, Yuan Ze University, Taoyuan, Taiwan) ,  Chen Bo-Hao (Department of Computer Science and Engineering, Yuan Ze University, Taoyuan, Taiwan) ,  Ye Shao-Zhen (College of Mathematics and Computer Science, Fuzhou University, Fuzhou, China)
資料名： IEEE Transactions on Circuits and Systems for Video Technology  (IEEE Transactions on Circuits and Systems for Video Technology)
巻： 30  号： 11  ページ： 3957-3967  発行年： 2020年 
JST資料番号： W0321A  ISSN： 1051-8215  CODEN： ITCTEM  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 画像デザイジングは,屋外ビジョンシステムのための重要な画像処理ステップである。しかしながら,伝送マップを推定するためのヘイズ関連事前または発見的手がかりのいずれかを使用する従来の画像デザイジング法を通して回復した画像は,単一画像から十分に正確なヘイズ除去に導かないかもしれない。最も一般的に観測された効果は,回復画像のいくつかの領域に対して暗色化および明快なアーチファクトであり,それは忠実度,輝度および鋭さのかなりの損失を引き起こす。本論文では,従来の画像デザイジング法より優れているカラー転送画像デザイジングモデルに基づく変分画像デザイジング法を開発した。ヘイズ除去を除去し,教師つき学習戦略として考案された畳み込みニューラルネットワークベースの深層フレームワークを用いて,モデルの係数に関する情報を取得するために,カラー移動画像デザイジングモデルを作成することによって,画像忠実度,輝度,および鋭さを効果的に回復することができた。実験結果は,合成または実際の煙霧画像の定量的および定性的評価を通して確かめて,提案方法は既存の単一画像デザイジング方法より優れている。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 変分法 ,  *輝度 ,  画像処理 ,  教師つき学習 ,  深層 ,  アーチファクト
準シソーラス用語： 煙霧 ,  ヘイズ ,  定性的評価 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 消去 ,  カラー ,  転送 ,  畳込みニューラルネットワーク