機器學習

影像的除霧技術被大量的應用於機器視覺領域，一般室外影像往往受到空氣中懸浮粒子的影響，使光線散射並衰弱，導致能見度低。因此除霧是困難的問題，尤其是單張影像除霧，因缺乏足夠圖像資訊，來還原成清晰影像。近年來，隨著深度學習技術的興起，它被大量地運用在影像處理上，主要是將有霧圖輸入訓練好的模型，找出圖片的透射率或是直接輸出有霧影像還原圖，這些做法都能有效地提升影像的品質。

本實驗室提出一個有效的模型，結合大氣色散模型與生成對抗網路，並且利用一群不成對的有霧圖與無霧圖進行訓練，解決麻煩的除霧問題。

此外，本實驗室還建立三個卷積神經網路生成器，總共輸出三種與除霧相關參數，分別為透射率、大氣光值以及All-in-One Dehazing Network中的參數K，來進行除霧影像還原，並且在影像評量指標PSNR,SSIM上都有良好的效果。

可見光水下化面強化與除霧:

紅外線水下畫面強化與除霧:

在資料探勘中，異常偵測是對不符合預期模式或資料集中其他專案的事件或觀測值的辨識，它的應用範圍甚廣，其中有入侵偵測、詐欺偵測、故障偵測、系統健康偵測以及生態系統干擾偵測等都是其常見的技術應用。