针对雾霾天气下视频监控图像出现的细节缺失、色彩暗淡和亮度降低等问题,目前现有的图像去雾算法在视频监控场景中往往难以同时满足去雾效果和实时处理的要求。为了恢复出质量更高的无雾图像,文章在传统AOD-Net算法中引入Squeeze and Ex...针对雾霾天气下视频监控图像出现的细节缺失、色彩暗淡和亮度降低等问题,目前现有的图像去雾算法在视频监控场景中往往难以同时满足去雾效果和实时处理的要求。为了恢复出质量更高的无雾图像,文章在传统AOD-Net算法中引入Squeeze and Excitation机制,以自适应的方式分配通道权重,同时引入金字塔池化模块,扩大网络感受野,最终采用复合损失函数,以均衡考虑图像的边缘特征及纹理细节。同时,此系统以Zynq作为实现平台,使用Vivado HLS进行接口为AXI4-Stream的新型AOD-Net算法IP核的开发,使用PL端作为算法的实现单元,PS端作为控制核心,充分发挥异构SoC的架构优势。实验结果表明:基于Zynq平台下的新型AOD-Net算法,图像去雾效果显著,信噪比极值优化了2.45 dB,结构匹配度提升至91.2%,降低了雾霾天气对视频监控图像的影响。展开更多
文摘针对雾霾天气下视频监控图像出现的细节缺失、色彩暗淡和亮度降低等问题,目前现有的图像去雾算法在视频监控场景中往往难以同时满足去雾效果和实时处理的要求。为了恢复出质量更高的无雾图像,文章在传统AOD-Net算法中引入Squeeze and Excitation机制,以自适应的方式分配通道权重,同时引入金字塔池化模块,扩大网络感受野,最终采用复合损失函数,以均衡考虑图像的边缘特征及纹理细节。同时,此系统以Zynq作为实现平台,使用Vivado HLS进行接口为AXI4-Stream的新型AOD-Net算法IP核的开发,使用PL端作为算法的实现单元,PS端作为控制核心,充分发挥异构SoC的架构优势。实验结果表明:基于Zynq平台下的新型AOD-Net算法,图像去雾效果显著,信噪比极值优化了2.45 dB,结构匹配度提升至91.2%,降低了雾霾天气对视频监控图像的影响。
