本發(fā)明公開了一種基于DQN的高速公路監(jiān)測視頻去霧方法和系統(tǒng),屬于圖像處理領域。由于強化學習本身性質,可靈活擴充去霧動作空間,獲得更好的去霧效果;基于強化學習本身特性,是一種通過進行一系列序列決策,通過反復、多次從簡單去霧圖像處理動作集合中選取多個圖像處理動作疊加式地完成圖像去霧任務,符合人類專家進行修圖的過程。本發(fā)明采用實際高速公路監(jiān)測視頻在不同能見度下進行訓練,僅需當時當?shù)啬芤姸葘崨r數(shù)值即可對去霧質量計算模型進行訓練。并且通過去霧質量模型即可計算經(jīng)過去霧處理后的圖片對應的獎勵值,進而引導強化學習去霧策略達到更好的去霧效果,無需帶霧?無霧圖像真實數(shù)據(jù)集即可進行訓練,大大降低了對數(shù)據(jù)集的要求。
聲明:
“基于DQN的高速公路監(jiān)測視頻去霧方法和系統(tǒng)” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)