摘要：为设计合理有效的神经网络框架,提高去雾算法的精度,保留完整的边缘细节,提出了常微分方程(Ordinary Differential Equation,ODE)启发的多级特征逐步细化及边缘增强的去雾算法。利用多级特征提取子网络,从输入雾图中提取出包含细节信息的低级特征和包含语义信息的高级特征,用于后续去雾结果的逐步细化。受残差网络框架与ODE求解策略关联性启发,依据两步两阶的蛙跳方法Leapfrog设计出Leapfrog模块,并串联多个Leapfrog模块,模拟ODE离散的逼近求解过程,构造逐步细化的去雾子网络。此子网络中,每个Leapfrog模块在交替输入的低级/高级特征的互补信息引导下,不断细化前一个Leapfrog模块估计的去雾结果。受二阶微分算子实施边缘增强的启发,边缘增强子网络利用预训练的UNet估计最后一个Leapfrog模块的去雾图像边缘,并叠加到此去雾图像上得到增强边缘,保留细节的最终去雾结果。实验表明,在真实图像及合成图像上,本算法均能取得较好的去雾效果,且在视觉评价和客观评价方面优于已有的去雾算法,与EAAN相比去雾精度提高了5%,运行时间仅有0.032 s,能有效用于图像去雾的工程实践中。

摘要：月表环境下,山脉或探测器和巡视器等附近形成的整体或局部明暗交界区域会发生月尘输运异常现象。该文通过建立整体和局部2种明暗交界模型,采用质点网格法和蛙跳法,基于Apollo探测器实测的月表月尘数量,研究了2种模型的月尘输运异常现象。结果显示,整体明暗交界区域存在非常显著的月尘输运异常现象,月尘输运路径呈现喇叭口形状或片状抛物线形状,并在明暗交界线上方发生大量月尘聚集,月尘输运现象具有明显的水平输运特征。在局部明暗交界区域的探测器左侧和右侧均出现非常显著的月尘输运异常现象,具有双向水平输运特征,并存在或大或小的双月尘涡旋,引起了探测器周围的局部“月尘暴”。整体明暗交界区域月尘输运异常现象可间接地验证“辉光”现象,局部明暗交界区域月尘输运异常现象也可能是月表探测器上沉积大量月尘的主要原因之一。月尘输运异常现象不但对现役的月球车和探测器等有潜在危害,也是人类在未来探月活动中无法回避的关键问题之一。该文研究的结果对月球探测器着陆点和巡视器行走路线的选取具有重要的参考价值,有助于降低月尘污染对人类探月活动的影响。