En condiciones de neblina del mundo real, las imágenes capturadas no sólo sufren la neblina sino que también se ven afectadas por el ruido, lo que deteriora significativamente la visibilidad de las imágenes.Sin embargo, la mayoría de los métodos existentes de eliminación de neblina se centran principalmente en la degradación de la neblina y no tienen en cuenta la interferencia del ruido.

Para abordar el problema anterior, un equipo de investigación dirigido por Hailing Xiong y Yun Liu publicaron sunueva investigaciónel 15 de febrero de 2024 enFronteras de la informática.

El equipo propuso un novedoso modelo variacional unificado que consta de múltiples restricciones efectivas que obtiene simultáneamente labruma-Imagen libre, el mapa de transmisión y el mapa de ruido.El modelo propuesto puede lograr tanto la eliminación de la neblina como la supresión del ruido.En comparación con los resultados de la investigación existente, el algoritmo propuesto garantiza la visibilidad al tiempo que suprime el ruido oculto.

En la investigación, idearon cuidadosamente un nuevo modelo variacional que consta de un término de regularización de variación total, un término de regularización de variación total gaussiana y un término de regularización de norma L2 para restringir respectivamente la radiancia de la escena, el mapa de transmisión y el mapa de ruido general.

Al adoptar la estrategia de optimización reponderada, el modelo variacional propuesto se resuelve para obtener una imagen libre de turbidez.En comparación con los métodos de eliminación de neblina anteriores, el modelo variacional unificado propuesto puede lograr la eliminación de la neblina y al mismo tiempo suprimir la amplificación del ruido.

Los experimentos se realizan con imágenes borrosas del mundo real.Amplios datos experimentales demuestran que el modelo variacional unificado propuesto puede lograr efectos de eliminación de neblina superiores, mejorando significativamente la calidad y visibilidad de imágenes nebulosas del mundo real.Además, el modelo propuesto también muestra la capacidad deruidosupresión.

En trabajos futuros, los investigadores planean explorar modelos o redes unificadas adaptativas de parámetros que puedan ajustar los parámetros de forma adaptativa o aprender automáticamente los parámetros del modelo, mejorando así la solidez del modelo.

Más información:Chuan Li et al, Restauración de la visibilidad para imágenes borrosas del mundo real mediante un modelo físico mejorado y variación total gaussiana,Fronteras de la informática(2024).DOI: 10.1007/s11704-023-3394-0

Proporcionado porRevistas de fronteras