摘要
本发明涉及一种基于快速去雾神经网络算法的高速场景能见度评估方法,所述方法如下:步骤1:图像输入:通过高速建设的摄像机,采集获取待评估图像,步骤2:图像预处理:对输入图像进行必要的预处理,包括裁剪、缩放等,步骤3:去雾处理:步骤4:图像纹理提取:步骤5:能见度估值计算:步骤6:结果输出:将计算得到的能见度估值输出;该技术方案高准确性,自动化程度高,实用性强。由于使用了浅层神经网络,大大提高了去雾图像重建性能,在Atlas 300服务器上可以达到102simples/s的速度,远高于现有的去雾网络。并且,能见度系数在固定点位的评估一致性可以达到99%的准确率。
技术关键词
神经网络算法
能见度
浅层神经网络
非极大值抑制方法
双线性插值方法
纹理
场景
上采样
矩阵
有雾图像
图像去雾
剔除噪声
处理器
像素点
摄像机
图像重建
固定点
系统为您推荐了相关专利信息
绿色数据中心
能耗控制方法
混合神经网络模型
能耗控制系统
LSTM神经网络
气敏传感器阵列
卷烟固定装置
评价系统
加压机
显示装置
防护方法
深度学习分类
特征提取算法
数据
分布特征
阻抗电路
RBF神经网络
阻抗匹配电路
高压电缆
神经网络算法