一种雨雪雾天实时可视增强嵌入式系统及可视增强方法技术方案

本发明专利技术公开了一种雨雪雾天实时可视增强嵌入式系统及可视增强方法，该系统包括图像获取模块、图像处理模块和图像输出模块；本发明专利技术进行可视增强时，通过OpenCV中的VideoCapture方法调用摄像头采集视频，并将视频读取为单帧图像；然后将读取到的单帧图像输入到构建的轻量化神经网络模型中，神经网络模型对输入的图像进行处理，得到包含大气透射率t(x)和大气光值A的中间参数K(x)；根据大气散射模型，利用神经网络模型的输出值中间参K(x)计算出增强后的单帧图像，并使用OpenCV的图片可视化方法将增强后的单帧图像输出。本发明专利技术基于大气散射模型，并通过轻量化神经网络模型实现了在嵌入式设备上进行视频实时增强，复杂程度低，处理速度快。度快。度快。

【技术实现步骤摘要】
一种雨雪雾天实时可视增强嵌入式系统及可视增强方法


[0001]本专利技术涉及图像处理与嵌入式系统，尤其涉及一种雨雪雾天实时可视增强嵌入式系统，本专利技术还涉及一种雨雪雾天实时可视增强方法。

技术介绍

[0002]在雨、雪、雾天气拍摄到的图像，图像质量会显著地下降。同时，因雨、雪、雾天气而产生的图像退化会对自动驾驶、航拍等活动产生负面的影响，雨、雪、雾天气也会给交通、监控、车辆辅助系统等带来不利的影响，因此需要对采集到的图像或视频进行处理。
[0003]根据大气光照模型，人能看见物体是由于物体本身反射的光线进入到了人眼。雨、雪、雾天气情况下，大气中存在的颗粒物在吸收光的同时也会影响物体的反射光线反射，导致反射光线传播方向改变，朝多个方向散射。目前的图像增强方法虽然在精度方面取得了显著的进展，但这些方法很少考虑可落地性，其图像增强模型往往具有庞大的参数量，需要消耗大量的计算资源。
[0004]而在资源有限的硬件条件下，这些图像增强方法无法使用。为了增强神经网络的实用性，研究人员做了许多压缩神经网络模型的工作，如知识蒸馏、参数量化、轻本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种雨雪雾天实时可视增强嵌入式系统，其特征在于：包括图像获取模块、图像处理模块和图像输出模块；所述图像获取模块获取视频数据并转为图像数据；所述图像处理模块对获取到的图像数据进行计算、增强；所述图像输出模块将增强后的图像数据进行展示。2.根据权利要求1所述的雨雪雾天实时可视增强嵌入式系统，其特征在于：所述图像获取模块将获取到的视频数据转为单帧的图像数据。3.根据权利要求1所述的雨雪雾天实时可视增强嵌入式系统，其特征在于：所述图像处理模块通过轻量化神经网络模型对图像的数据进行增强。4.一种雨雪雾天实时可视增强方法，其特征在于：包括以下步骤：(1)通过OpenCV中的VideoCapture方法调用摄像头采集视频，并将视频读取为单帧图像；(2)将步骤(1)的单帧图像输入到构建的轻量化神经网络模型中，轻量化神经网络模型对输入的单帧图像处理后，得到包含大气透射率t(x)和大气光值A的中间参数K(x)；(3)根据大气散射模型，利用轻量化神经网络模型的输出值中间参数K(x)计算出增强的单帧图像，使用OpenCV的图片可视化方法将增强后的单帧图像输出。5.根据权利要求4所述的雨雪雾天实时可视增强方法，其特征在于：步骤(2)包括以下过程：(2.1)对输入轻量化神经网络模型的图像进行预处理：由VideoCapture捕捉到的视频读取为单帧图片后，将BGR格式的图片转为RGB图片，并将RGB图片做归一化处理；随后对图像数据进行维度扩充；再将读取到的ndarray形式的图片数据转为Tensor类型，并进行加速计算；(2.2)采用轻量化神经网络模型对图像进行特征提取：所述轻量化神经网络模型由包含不同大小卷积核的卷积层组成，图像经过不同的卷积层时，神经网络模型提取图像中不同尺度的特征；并将提取到的不同尺度的特征图利用输出卷积层进行特征融合；(2.3)采用跳跃连接的方式将不同尺度的特征图进行拼接对于步骤(2.2)中的不同尺度的特征图，采用跳跃连接的方式将各个尺度的特征图进行拼接，将包含了多个尺度的特征图像输入随后的特征融合卷积层；(2.4)修正轻量化神经网络模型中的...

【专利技术属性】
技术研发人员：范新南，史朋飞，赵忠鑫，周仲凯，周璇，黄伟盛，王啸天，姜雯琪，陈泽，
申请(专利权)人：河海大学，
类型：发明
国别省市：