排序方式: 共有9条查询结果,搜索用时 421 毫秒
1
1.
2.
传统的一阶马尔科夫随机场在图像先验信息表达和对图像整体的约束上能力有限,同时基于暗通道的去雾算法在天空等大片白色区域处理效果存在偏差。针对以上问题,该文提出一种基于Color Lines 的高阶马尔科夫随机场去雾算法。该算法通过引入对颜色失真具有很好鲁棒性的Color Lines 先验条件,初步校正经暗通道获取的传输图,然后利用高阶马尔科夫随机场优化传输图,获取最终精确的去雾图像。实验结果表明,与已有算法相比,该文算法具有更强的普适性,可提高雾天图像的清晰度,同时恢复更多的图像细节等信息。 相似文献
3.
4.
5.
6.
为寻找更具鲁棒性和计算简便的特征描述子,提出了一种基于SIFT和MSE的局部聚集特征描述算法.分析说明了该方法在继承SIFT算法良好性质的基础上,通过对多尺度下信息熵的估计,能够快速准确找出图像局部结构特征并利用改进的非线性降维方法对特征描述子进行特征重划.实验结果表明,在图像尺度缩放、旋转、模糊、亮度变化等多种变换条件下,该描述子不仅能够取得更多的特征效果,并且计算速度较原算法大幅提升.该算法适用于实时性要求较高,存在旋转、尺度缩放、亮度差异等变换下的结构图像寻找描述子. 相似文献
7.
8.
9.
针对遥感图像中目标尺度差异较大和方向分布随机等导致检测精度较低的问题,提出一种基于稀疏掩模Transformer的遥感目标检测方法。该方法以Transformer网络为基础,首先引入角度参量,使其适应遥感目标的旋转特性;其次在特征提取部分以多层级特征金字塔为输入,以应对遥感图像目标尺寸变化大的特点,提高对不同尺度目标的检测效果,尤其对小目标的检测效果提升明显;最后以稀疏-插值注意力模块代替自注意力模块,有效缓解了Transformer网络检测高分辨遥感图像时计算量大的缺陷,并且加快了网络的收敛速度。在大型遥感数据集DOTA上的实验结果表明,所提方法的平均检测精度为78.43%,检测速度为12.5 frame/s,与基准方法相比,平均精度均值(mAP)提高了3.07个百分点,证明了所提方法的有效性。 相似文献
1