Алгоритм для автоматического удаления статичных погодных явлений на основе билатерального фильтра
https://doi.org/10.55648/1998-6920-2024-18-4-43-51
Аннотация
Данная статья посвящена предобработке изображений, полученных в условиях плохой видимости. Такие явления, как туман или дымка, способны существенно снижать точность нейронных сетей, предназначенных для обнаружения объектов, тем самым не давая системам, основанным на компьютерном зрении, нормально функционировать. В данной работе был реализован алгоритм для автоматического удаления статичных погодных явлений на основе билатерального фильтра. Алгоритм был протестирован совместно с нейронной сетью, обученной распознавать дорожные знаки.
Об авторах
Г. Е. Эдель
Томский государственный университет систем управления и радиоэлектроники (ТУСУР)
Россия
Россия
Эдель Герман Евгеньевич - аспирант кафедры телевидения и управления, инженер лаборатории телевидения и автоматики,
634050, г. Томск, пр. Ленина, 40.
М. Е. Сукотнова
Томский государственный университет систем управления и радиоэлектроники (ТУСУР)
Россия
Россия
Сукотнова Марина Евгеньевна - магистр, инженер лаборатории телевидения и автоматики,
634050, г. Томск, пр. Ленина, 40.
Список литературы
1. Mathias М., Timofte R., Benenson R. and Van Gool L. Traffic sign recognition — How far are we from the solution?// IEEE International Joint Conference on Neural Networks, 2013. P. 1–8.
2. Levinson J., Askelad J., Becker J. and Dolson J. Towards fully autonomous driving: Systems and algorithms // IEEE Intelligent Vehicles Symposium (IV), 2011. P. 163–168.
3. Timofte R., Zimmermann K., Van Gool L. Multi-view traffic sign detection, recognition, and 3D localization, Machine vision and applications // Machine vision and applications, 2009. P. 633–647.
4. Sermanet P., LeCun Y. Traffic sign recognition with multi-scale convolutional networks // IEEE International Joint Conference on Neural Networks, 2011. P. 2809–2813.
5. Houben S., Stallkamp J., Salmen J., Schlipsing M. and Igel C. Detection of traffic signs in real-world images: The German Traffic Sign Detection Benchmark // IEEE International Joint Conference on Neural Networks, 2013. P. 1–8.
6. Qi Y., Zhang P. The Tracker with Online Training Based on the TLD Algorithm // Proceedings of the 2nd International Conference on Information Technology and Intelligent Transportation Systems, 2017. P. 76–81.
7. Dang P., Tran N. T., To V. H. and Thi M. T. Improved YOLOv5 for real-time traffic signs recognition in bad weather conditions // The Journal of Supercomputing, vol. 79, no. 13, 2023. P. 10706–10724.
8. Xing J., Nguyen M. and Yan W. Q. The Improved Framework for Traffic Sign Recognition Using Guided Image Filtering // SN Computer Science, 2022. P. 85–99.
Рецензия
Для цитирования:
Эдель Г.Е., Сукотнова М.Е. Алгоритм для автоматического удаления статичных погодных явлений на основе билатерального фильтра. Вестник СибГУТИ. 2024;18(4):43-51. https://doi.org/10.55648/1998-6920-2024-18-4-43-51
For citation:
Edel G.E., Sukotnova M.E. Algorithm for automatic removal of static weather phenomena based on a bilateral filter. The Herald of the Siberian State University of Telecommunications and Information Science. 2024;18(4):43-51. (In Russ.) https://doi.org/10.55648/1998-6920-2024-18-4-43-51
Просмотров:
119
Послать статью по эл. почте 
