摘要
تركز الأبحاث الحالية في خوارزميات إزالة الضباب من الصور بشكل رئيسي على بناء شبكات عصبية ذات هيكل متقن، ونقص الدراسات التي تستخدم نموذج الانتشار كطريقة توليدية لإزالة الضباب، بالإضافة إلى قلة الأبحاث التي تجمع بين نموذج الانتشار وتحليل المجال الترددي، مما يؤدي إلى ضعف أداء العديد من الخوارزميات عند التعامل مع صور ضبابية حقيقية. استجابة لهذه المشكلات، اقترح هذا البحث طريقة لإزالة الضباب من الصور Firs-Net تعتمد على نموذج الانتشار IR-SDE المبني على مطابقة الدرجات. تستخدم هذه الطريقة القدرة القوية لنماذج الانتشار في توليد الصور لاستعادة الصور الواضحة الخالية من الضباب تدريجياً من الصور الضبابية بطريقة تكرارية. تم إدخال وحدة دمج مميزات فورييه في Firs-Net، والتي تساعد نموذج الانتشار على تحليل ودمج الميزات من منظور المجال الترددي بشكل أفضل دون زيادة في عدد المعاملات أو الحاجة لإعادة ضبط الشبكة العصبية. أظهرت النتائج التجريبية أن Firs-Net تقدم أداءً متميزاً من حيث الرؤية الذاتية والمؤشرات الموضوعية على مجموعات بيانات ضبابية حقيقية، حيث وصلت قيمة PSNR إلى 21.91 على مجموعة بيانات NH-HAZE ذات الضباب غير المتجانس الحقيقية، و17.40 على مجموعة Dense-HAZE ذات الضباب الكثيف الحقيقي، متقدمة بنسبة 13.94% و 5.52% على التوالي مقارنة بالطريقة التالية الأفضل.
关键词
الرؤية الحاسوبية;إزالة الضباب من الصور;نموذج الانتشار;مرشح فورييه
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website