Resumen

Las imágenes marítimas captadas bajo un entorno de niebla suelen tener un efecto visual terrible, lo que facilita que se pase por alto información importante. Para evitar el fallo en la detección de embarcaciones causado por la niebla, es necesario preprocesar las imágenes captadas con niebla para recuperar información vital. En este artículo, se propone un nuevo marco para la eliminación de la niebla mediante CNN, que consta de dos subredes: el módulo de extracción de características gruesas (C-FEM) y el módulo de fusión de características finas (F-FFM). En concreto, el C-FEM es una red multiescala de extracción de características de bruma, que puede aprender información de tres escalas. Por su parte, F-FFM es una red codificadora-decodificadora mejorada para fusionar la información multiescala obtenida por C-FEM y mejorar el efecto visual del resultado final. Mientras tanto, se diseña una función de pérdida híbrida para controlar simultáneamente la salida multiescala de C-FEM y el resultado final de F-FFM. Vale la pena mencionar que las imágenes marítimas masivas se consideran el conjunto de datos de entrenamiento para adaptar aún más la tarea de detección de buques en un entorno brumoso. Experimentos exhaustivos con imágenes sintéticas y realistas han verificado la eficacia y robustez superiores de nuestro marco de desdibujamiento de visibilidad basado en CNN en comparación con varios métodos del estado de la técnica. Nuestro método preprocesa las imágenes antes de la detección de buques para demostrar que nuestro marco tiene la capacidad de promover la videovigilancia marítima.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:visibilidad dehazing framework, fem, ffm, haze environment, vessel detection, coarse feature extraction module, fine feature fusion module, multiscale haze feature extraction network, hybrid loss function, maritime video surveillance
• Keywords:visibility dehazing framework, fem, ffm, haze environment, vessel detection, coarse feature extraction module, fine feature fusion module, multiscale haze feature extraction network, hybrid loss function, maritime video surveillance