文献

J-GLOBAL ID：202202228697636001   整理番号：22A0804071

マルチスケールセグメンテーションと深層学習に基づく単一画像ぼけ除去【JST・京大機械翻訳】

Single image dehazing based on multi-scale segmentation and deep learning

著者 (3件)： Yu Tianhe (Harbin University of Science and Technology, Harbin, China) ,  Zhu Ming (Harbin University of Science and Technology, Harbin, China) ,  Chen Haiming (Harbin University of Science and Technology, Harbin, China)
資料名： Machine Vision and Applications  (Machine Vision and Applications)
巻： 33  号： 2  ページ： 33  発行年： 2022年 
JST資料番号： T0616A  ISSN： 0932-8092  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 既存の画像デザイジング法は,不十分なデヘッジング,歪み,および低い色コントラストの問題に悩まされる。この問題に狙いを定めて,マルチスケールセグメンテーションに基づく深層学習単一画像デヘッジング法をこの論文で提案する。研究は,煙霧画像における煙霧情報が周波数の増加で減少することを見出した。したがって,煙霧画像は,本論文における画像分割を通して異なる周波数領域の4つのサブ画像に最初に分解した。次に,異なる複雑性を有する4つのサブネットワークチャネルから成るデヘッジングネットワークモデルを構築し,各サブ画像に含まれるヘイズ情報を抽出した。伝送サブ画像を生成する後,画像融合技術を用いて最終透過率マップを得た。最後に,煙霧のない画像を大気散乱の物理的モデルに基づいて得た。合成画像データセットと実画像データセットに関する実験結果は,提案方法が,歪みのない顕著な脱穀効果と高い色コントラストを達成して,他の脱穀方式より優れた性能を示した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コントラスト ,  散乱 ,  *セグメンテーション ,  画像処理 ,  *画像 ,  透過率 ,  脱穀 ,  性質 ,  チャネル ,  周波数領域
準シソーラス用語： 煙霧 ,  ヘイズ ,  画像セグメンテーション ,  画像融合 ,  *マルチスケール ,  複雑性 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 画像脱ヘイズ ,  マルチスケール畳込み ,  マルチスケールセグメンテーション ,  深層学習 ,  大気散乱モデル

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 深層学習 ,  画像ぼけ