基于卷积神经网络的去雾算法优化研究与实现

发布时间：2022-12-25 09:27

　　图像去雾应用在雾霾严重的当今有着广泛的应用前景,目前暗通道优先去雾算法可以得到较好的去雾结果,但是花费时间较长、图像在天空部分存在纹理、天空与景物的衔接处不自然、处理结果较暗限制了其进一步应用。随着深度学习的发展,将深度学习算法与去雾需求相结合,利用卷积神经网络（Convolutional Neural Network,CNN）处理雾霾图像,得到效果好、应用广泛、处理时间可接受的结果成为趋势。本文对暗通道优先去雾算法进行优化,提出了一种基于卷积神经网络的去雾算法。同时,本文利用并行卷积神经网络算法训练时间短、可从原始输入学习高阶不变特征的特性,采用开放运算语言（Open Computing Language,OpenCL）设计并优化并行卷积神经网络;同时解决现有卷积神经网络并行化时硬盘利用率低、成本过高、硬件实现难度大以及跨平台性不强的问题,达到了对图像进行去雾处理,并缩短处理时间的目的。首先,本文对卷积神经网络的概念、实现原理、关键技术进行了探讨,以典型的LeNet5网络为例,探讨了网络每层的功能和实现方式。然后本文对典型的去雾算法进行了分析,主要是暗通道优先去雾算法,并在此基础上提... 

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 论文组织结构
第二章 卷积神经网络
    2.1 卷积神经网络的概念
    2.2 卷积神经网络实现原理
        2.2.1 神经网络介绍
        2.2.2 卷积神经网络的实现
    2.3 卷积神经网络结构
第三章 典型去雾算法分析
    3.1 基于大气光照物理模型的去雾算法
        3.1.1 暗通道优先去雾算法
        3.1.2 基于滤波的去雾算法
        3.1.3 基于均值滤波的实时去雾算法
    3.2 基于图像增强的去雾算法
        3.2.1 自适应直方图均衡化算法
        3.2.2 基于自适应对比度及色阶增强的图像算法
        3.2.3 基于多尺度Retinex图像增强技术
    3.3 几种去雾算法的结果对比
第四章 去雾CNN设计与暗通道优先算法优化
    4.1 雾霾图像数据集的建立
        4.1.1 数据集生成原理
        4.1.2 图像数据集的处理与生成
    4.2 去雾卷积神经网络
        4.2.1 batchsize大小的选择
        4.2.2 网络训练结果
    4.3 暗通道优先去雾算法的优化
        4.3.1 大气光值计算的优化
        4.3.2 图像恢复公式中t(x)的替代
        4.3.3 基于天空检测的天空修正
        4.3.4 基于JND模型的图像修正
    4.4 处理结果分析
第五章 基于OpenCL的CNN去雾算法优化
    5.1 OpenCL结构分析
        5.1.1 平台模型
        5.1.2 执行模型
        5.1.3 内存模型
        5.1.4 OpenCL共享虚拟存储器
    5.2 去雾卷积神经网络的设计
        5.2.1 卷积神经网络结构选型
        5.2.2 主要模块介绍
    5.3 去雾卷积神经网络并行化结构设计与优化
        5.3.1 单卷积过程并行
        5.3.2 多卷积数据并行
    5.4 去雾算法内核设计
    5.5 结果分析
        5.5.1 CNN训练与测试结果
        5.5.2 卷积神经网络优化效果
        5.5.3 暗通道优先去雾算法优化的时间对比
        5.5.4 串、并行卷积神经网络训练时间对比
        5.5.5 处理不同尺寸图像的用时对比
第六章 结论
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]基于递进卷积神经网络的台标识别及其并行化[J]. 许子立,姚剑敏,郭太良.  电视技术. 2016(05)
[2]并行交叉的深度卷积神经网络模型[J]. 汤鹏杰,王瀚漓,左凌轩.  中国图象图形学报. 2016(03)
[3]一种快速暗通道去雾算法[J]. 幸山,严华,雷印杰.  计算机测量与控制. 2015(12)
[4]卷积神经网络的FPGA并行加速方案设计[J]. 方睿,刘加贺,薛志辉,杨广文.  计算机工程与应用. 2015(08)
[5]单幅图像快速去雾霾算法[J]. 刘巧玲,张红英.  西南科技大学学报. 2014(03)
[6]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)
[7]基于双边滤波的实时图像去雾技术研究[J]. 孙抗,汪渤,周志强,郑智辉.  北京理工大学学报. 2011(07)
[8]一种单幅图像去雾方法[J]. 王燕,伍博,谷金宏.  电光与控制. 2011(04)

硕士论文
[1]免疫卷积神经网络并行优化及其嵌入式系统应用[D]. 郭吉政.东华大学 2015
[2]卷积神经网络的并行化研究[D]. 凡保磊.郑州大学 2013



本文编号：3726353