检索结果-南通市图书馆

作者：龚宇重庆邮电大学

学位级别：硕士

基于深度学习的图像语义分割算法在场景解析任务中起着至关重要的作用。该算法主要分为两个阶段,在编码阶段,其借助骨干网将图像的分辨率降低,从而加快模型的推理速度。在解码阶段,模型将每个像素分配指定的类别。针对场景解析任务中,... 详细信息

基于深度学习的图像语义分割算法在场景解析任务中起着至关重要的作用。该算法主要分为两个阶段,在编码阶段,其借助骨干网将图像的分辨率降低,从而加快模型的推理速度。在解码阶段,模型将每个像素分配指定的类别。针对场景解析任务中,高精度的语义分割算法参数量较大或分割速度较慢的问题,本文提出了两种实时语义分割模型:1.提出基于轻量级非对称膨胀网络的实时语义分割方法,其参数量仅为0.94M。首先,编码阶段设计了两个不同的轻量级非对称膨胀模块。这两个模块利用不同尺寸的卷积核去捕获特征信息,然后再进行特征融合,以扩大单个模块的感受野,从而使模型拥有更好识别目标特征的能力。同时,通过使用深度级卷积替换普通卷积的方法,设计了一个轻量级下采样模块,并添加特征增强模块以增强模型的感兴趣区域,在保证分割精度不变的同时降低参数量。其次,解码阶段设计了一个注意力增强解码器,其只需要很少的计算成本就可以提升分割准确度。在Cityscapes上的实验结果表明,本方法在分辨率为512×1024的图像上,处理速度为每秒79.5帧,分割精度达到了71.1%。该方法拥有较高分割精度,同时能够更快处理图像速度。2.提出基于双路径特征融合网络的实时语义分割方法。该网络在编码器阶段构造了不同的特征提取模块,并融合不同路的特征信息提高模型的分割精度。该算法通过在解码器部分使用融合中间特征信息的方式,来保证模型不会因为过多的卷积操作而损害特征信息,这样既节约了内存占用,又保证了模型的分割精度。在Cityscapes上的实验结果表明,所提出的方法的分割精度可以达到67.7%,相较于同类语义分割模型具有较高的优势。本方法在分辨率为512×1024的图像上,处理速度为每秒111帧,远远超过了实时语义分割的最低标准。

关键词：卷积神经网络语义分割注意力机制编解码结构

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

复杂城市道路场景下的实时语义分割算法研究

复杂城市道路场景下的实时语义分割算法研究

作者：敬力源重庆邮电大学

学位级别：硕士

城市道路场景纷繁复杂,传统图像分割算法只能通过图像的颜色、纹理和形状等低级特征,将图像划分成多个具有独特性质的区域,造成分割精度低、速度慢的现象,因此难以满足真实场景中的工业生产需要。随着Alex Net在2012年摘取图像分类竞赛I... 详细信息

城市道路场景纷繁复杂,传统图像分割算法只能通过图像的颜色、纹理和形状等低级特征,将图像划分成多个具有独特性质的区域,造成分割精度低、速度慢的现象,因此难以满足真实场景中的工业生产需要。随着Alex Net在2012年摘取图像分类竞赛Image Net上的桂冠,计算机视觉领域掀起了使用深度学习技术的浪潮。基于深度学习的实时语义分割算法能够自动提取目标的深层特征和语义信息,为复杂城市道路场景的解析提供了非常强大的技术支持。因此,本文详细阐述了在深度学习中提升分割精度和降低计算复杂度的方法,并且提出了以下两个模型。1.用于实时语义分割的轻量级密集连接金字塔网络。该模型采用通道分裂、转换、合并策略以及不同空洞率的卷积核设计了一个空洞金字塔瓶颈块,再通过像素级加法在不同层级上进行稠密连接,增强特征的重复利用。最后采用交叉融合方式进行特征融合。为了进一步提高分割精度,该模型在训练阶段采用辅助损失函数来进行监督,并在验证和推理阶段丢弃。Cityscapes和Camvid两个城市道路场景数据集上的实验证明,该模型在多个客观性能指标和分割后的主观视觉效果上都优于绝大多数同类实时语义分割算法。2.用于实时语义分割的联合金字塔注意力网络。该模型采用去掉全连接层的轻量级图像分类网络作为编码器。解码器设计了三个模块,分别为:提取不同深层次语义特征的联合特征金字塔模块,提取不同浅层次几何信息的空间细节提取模块,采用通道注意力和空间注意力机制的双边特征融合模块。多个数据集上的对比实验都证明了上述三个模块的有效性以及整体模型的优越性,例如:该模型处理512×1024分辨率的Cityscapes数据集图片时,均交并比达到了71.62%,每秒传输帧数为109.9。

关键词：深度学习实时语义分割稠密连接注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于变分法和PDE的图像去噪模型研究

基于变分法和PDE的图像去噪模型研究

作者：楼越芳重庆邮电大学

学位级别：硕士

图像信息在形成、传输、存储和处理的过程中会受到各种外界物理条件的影响而导致质量下降，这不但影响了图像的视觉效果，而且也会给图像的后续处理和应用造成困难。图像去噪处理一直是图像处理研究领域的热点问题之一。本文基于变分法... 详细信息

图像信息在形成、传输、存储和处理的过程中会受到各种外界物理条件的影响而导致质量下降，这不但影响了图像的视觉效果，而且也会给图像的后续处理和应用造成困难。图像去噪处理一直是图像处理研究领域的热点问题之一。本文基于变分法和现代偏微分方程理论，提出了一种去除图像乘性噪声的具有严格凸性的全变分新模型，主要研究工作如下：首先，通过分析Gamma噪声的分布特性，采用最大后验估计法和贝叶斯公式导出了新的保真项，引入适当的协调项，并利用一项新的混合测度构造了一种基于变分法和偏微分方程的具有严格凸性的图像去噪模型，该模型主要用于去除图像内乘性噪声。此外，本文还根据Gamma分布的数学特征及本模型的相关性质，讨论了模型中正则化参数的选取问题。其次，将新变分模型转换为两个最小化问题，并分别使用牛顿迭代法和偏微分方程的方法求解，获得了一种交替型迭代最优化算法和相应的迭代序列，并根据变分原理和现代偏微分方程的相关理论证明了该迭代序列的收敛性。最后，利用交替型迭代最优化算法完成了一系列的仿真实验，验证了本模型的有效性、先进性和鲁棒性。实验结果表明，本模型的去噪效果不仅比同类模型的去噪效果更佳，既能有效去除图像中的乘性噪声，还能更好地保护图像的边缘及纹理细节特征，明显缓解了图像模糊，大大减少了一般变分模型在去噪过程中产生的“阶梯效应”现象，而且所提出的模型也适用于去除医学图像中的噪声，其效果优于目前的一些主要模型。

关键词：图像去噪乘性噪声变分法偏微分方程有限差分法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于变分理论的去除乘性噪声模型研究

基于变分理论的去除乘性噪声模型研究

作者：胡艳重庆邮电大学

学位级别：硕士

图像信息在形成、传输、储存和处理的过程中因受到外界因素的影响,使得图像的质量降低,严重影响图像的后续处理和应用,因此近年来图像去噪的研究一直受到学者们的极大关注,其中变分法和偏微分方程(Partial Differential Equations,PDE)... 详细信息

图像信息在形成、传输、储存和处理的过程中因受到外界因素的影响,使得图像的质量降低,严重影响图像的后续处理和应用,因此近年来图像去噪的研究一直受到学者们的极大关注,其中变分法和偏微分方程(Partial Differential Equations,PDE)作为数学工具活跃在图像处理的各个领域。本文基于变分理论开展了去除乘性噪声的研究。首先综述了图像去噪的研究现状和主要方法,其次深入讨论了基于变分法和PDE的去除噪声的变分模型的优势和不足,再次简要介绍了图像去噪效果的评价方法。在此基础上,针对变分模型去除乘性噪声时存在边缘模糊、积块甚至产生“阶梯效应”的问题,本文分别提出了一种去除多种乘性噪声的变分模型和一种去除Gamma乘性噪声的全变分模型,主要内容如下:(1)为解决现有变分模型在有效去除乘性噪声时图像纹理信息丢失和模型算法收敛速度慢的不足,本文利用贝叶斯(Bayesian)框架下的最大后验概率(Maximum A Probability,MAP)方法和变分法导出了一个新的保真项,构建了一种去除多种乘性噪声的全变分模型,给出了该模型快速收敛的数值算法,并从理论上证明该算法的收敛性。从模拟实验结果看,无论是视觉效果对比,还是客观指标分析都表明,所提出的模型可以有效地去除Gamma噪声、Rayleigh噪声等多种噪声,能很好地保护图像的纹理信息,明显提高了现有同类算法的去噪效率,其去噪效果和效率都明显优于Y.Huang等人提出的变分模型。(2)针对在去除Gamma乘性噪声时,图像边缘细节模糊和产生“阶梯效应”的问题,通过构建新的保真项,提出了一种去除Gamma乘性噪声的变分模型,给出了该模型的数值算法,并讨论了该算法的收敛性。从实验结果的主观视觉效果来看,所提出模型去除噪声效果优于目前一些模型,能更好地保护图像的边缘,抑制去噪后出现的模糊和“阶梯效应”;实验结果的峰值信噪比明显提高,相对误差率显著减小,说明所提出模型的去噪效果良好,而且本模型同样适用于彩色图像的去噪,可以很好地保留图像的边缘和纹理信息。

关键词：图像去噪乘性噪声变分法阶梯效应图像模糊

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的医学图像分割方法研究

基于深度学习的医学图像分割方法研究

作者：杨洪光重庆邮电大学

学位级别：硕士

随着医学图像在医疗卫生领域的普遍应用,医学图像分割在病理分析、临床诊断和医学研究等领域扮演着重要角色。近几年,卷积神经网络特征提取能力的不断挖掘,越来越多的深度学习技术被用于医学图像分割任务,也取得了相比于传统分割方法更... 详细信息

随着医学图像在医疗卫生领域的普遍应用,医学图像分割在病理分析、临床诊断和医学研究等领域扮演着重要角色。近几年,卷积神经网络特征提取能力的不断挖掘,越来越多的深度学习技术被用于医学图像分割任务,也取得了相比于传统分割方法更好的结果。全卷积神经网络(Fully Convolutional Network,FCN)是一种广泛应用于图像分割的深度学习技术,但是由于医学图像中分割目标的大小、形状变化复杂,正负样本分布不平衡等问题,FCN在一些医学图像分割中并未达到很好的预期效果。为了获得更加精确的分割结果,本文提出了两种基于全卷积神经网络的改进方法。这些方法对分割目标的形态变化有较好的鲁棒性,提高了分割准确度。本文的主要工作如下:1.受DenseNet和U-Net等神经网络的启发,本文提出了一种基于全卷积DenseNet网络结构的医学图像分割方法。该方法将目前分类性能较好的DenseNet从自然图像迁移到医学图像数据集,以提高网络特征提取能力和训练速度;并且采用反卷积和类似U-Net的连接方式,在恢复分辨率的同时融合细节信息,从而实现端到端的图像分割网络;引入并改进Dice相似性损失函数,以解决医学图像中背景区域远远大于目标区域导致的模型训练困难问题。在前列腺分割数据集上进行实验,相较于目前的主要方法,该方法分割效果更好,所耗时间更短。2.本文提出一种具有可变形编码器和重构上采样解码器的U-Net医学图像分割方法。该方法使用并改进可变形卷积提高网络学习几何形变的能力,并提出更有效的上采样方法——重构上采样卷积(Reshape Upsampling Convolution,RUC)。该分割方法将集中性损失函数(Focal Loss)应用到医学图像分割任务中,解决了样本分布不均和简单样本过多导致的模型偏移问题。所提出的方法不仅大大降低了网络的参数数量,并且在果蝇细胞数据集和Warwick-QU腺体数据集上取得了较好的分割效果。

关键词：医学图像分割深度学习 U-Net DenseNet 可变形卷积

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于稀疏表示的图像去噪算法研究

基于稀疏表示的图像去噪算法研究

作者：徐华重庆邮电大学

学位级别：硕士

图像在产生、传输和获取过程中非常容易受到噪声的干扰,图像去噪是图像处理和分析中必不可少的预处理步骤。近几十年来,相关问题的研究一直是该领域学者关注的热点。针对目前基于稀疏表示的图像去噪算法去噪精度不高的问题,本文给出了... 详细信息

图像在产生、传输和获取过程中非常容易受到噪声的干扰,图像去噪是图像处理和分析中必不可少的预处理步骤。近几十年来,相关问题的研究一直是该领域学者关注的热点。针对目前基于稀疏表示的图像去噪算法去噪精度不高的问题,本文给出了两种图像去噪改进算法,主要内容如下。1.针对目前基于稀疏表示的去噪方法容易丢失图像细节,造成图像去噪质量不高的问题,本文提出了一种在非局部框架下的基于低秩和稀疏表示的图像去噪方法。所提出的算法主要由两步构成:首先,把相似的图像块匹配分组,建立低秩矩阵恢复模型,然后利用随机矩阵理论实现初步去噪;其次,通过非局部稀疏表示方法去除图像中的伪影。理论分析和实验结果都表明,所提出的方法相对于目前流行的同类去噪方法能够更好地滤除噪声,保留图像细节信息,得到更佳的图像视觉效果。2.针对目前基于K-SVD字典学习的图像去噪算法去噪能力不强的问题,本文综合考虑现有字典学习算法的特性,提出了一种基于稀疏表示的图像去噪优化算法。其主要思路是利用稀疏编码和字典学习算法,用尽可能少的原子信息来表示信号的主要信息,能够很好地保持原始图像的结构和纹理信息。具体说来,所提出的算法使用AK-SVD算法进行字典原子更新,同时利用新给出的样本数据选择方式,以改善样本数据不完善的问题,大幅度提升字典训练的性能。理论分析和模拟实验结果都表明,所提出的基于稀疏表示的图像去噪优化算法,无论在视觉效果还是PSNR等客观指标对比,相对于同类算法均有所改善和提高。

关键词：图像去噪稀疏表示低秩表示字典学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于显著性的目标分割算法研究

基于显著性的目标分割算法研究

作者：吴开元重庆邮电大学

学位级别：硕士

图像分割作为图像处理过程中的预处理步骤,具有基础且关键的作用。相关问题的研究受到国内外学者的极大关注。由于图像中所包含信息的多样性与复杂性,图像分割仍然是一项极具挑战性的任务。其中,基于显著性的目标分割算法作为图像分割... 详细信息

图像分割作为图像处理过程中的预处理步骤,具有基础且关键的作用。相关问题的研究受到国内外学者的极大关注。由于图像中所包含信息的多样性与复杂性,图像分割仍然是一项极具挑战性的任务。其中,基于显著性的目标分割算法作为图像分割算法的重要分支,其模拟人类视觉感知机制,能够快速准确地分割出一张图像中人们可能感兴趣的目标或区域。海量的图像信息可通过该方法选择或者重点处理其中重要的部分,这对于图像分割领域有着重要的意义。本文对基于显著目标分割算法进行研究。首先概述显著目标分割算法的基础理论与几种经典方法,然后分析现有方法并对存在的问题展开讨论,重点针对其中一些主要问题,本文提出了一种基于支持向量机的显著性目标自动分割新算法和一种基于结构矩阵分解的非凸低秩显著目标分割算法。主要工作与研究结论如下:(1)针对显著性检测算法显著图不均匀导致图像分割精度不高的问题,提出了一种基于支持向量机(Support Vector Machine,SVM)的显著性目标自动分割新算法。该算法首先通过显著性检测得到大致的显著区域和背景区域,然后将图像在HSV颜色空间量化,并利用颜色直方图信息获取显著区域和背景区域的主色,以此自动选取正负训练样本,再从训练样本中提取颜色等特征训练SVM,最后使用SVM对整幅图像精确分割出显著目标。理论分析和实验结果表明,所提出的算法不仅具有更正错误检测信息的机制,而且有效地解决了因显著图不均匀导致分割结果缺乏准确边界的问题,比现有同类算法能获得更准确的分割结果。(2)针对显著性检测算法显著图不均匀、目标背景相互混淆的问题,提出了一种基于结构矩阵分解的非凸低秩显著目标分割算法。该算法主要分为两大步骤,第一步是首先使用非凸S范数约束低秩背景和F范数改进稀疏约束来构造矩阵分解模型,然后提取图像的多个特征组成特征矩阵F,接着使用分解模型得到稀疏矩阵S和低秩矩阵L,最后利用稀疏矩阵S计算得到显著图;第二步是使用OTSU阈值分割算法对显著图进行进一步分割,得到显著目标。理论分析和实验结果表明,所提出的算法在背景较为复杂时,获得的显著图与现有同类算法相比更为完整且均匀,最后分割得到的显著目标也更为准确。

关键词：显著目标分割支持向量机选择训练像素低秩矩阵分解非凸Sp范数

基于轻量级卷积神经网络的图像语义分割算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于轻量级卷积神经网络的图像语义分割算法研究

作者：王海波重庆邮电大学

学位级别：硕士

图像作为一种重要的信息载体,能够表达出文字难以描述的信息,对图像进行有效的理解就显得至关重要。随着深度学习理论的发展、获取海量数据成本的下降,基于卷积神经网络(Convolutional Neural Networks,CNNs)的图像语义分割算法凭借高... 详细信息

图像作为一种重要的信息载体,能够表达出文字难以描述的信息,对图像进行有效的理解就显得至关重要。随着深度学习理论的发展、获取海量数据成本的下降,基于卷积神经网络(Convolutional Neural Networks,CNNs)的图像语义分割算法凭借高精度的分割表现逐渐取代传统分割算法。通过增大训练数据量、堆叠更多的卷积层形成深度卷积神经网络(Deep Convolutional Neural Networks,DCNNs),能够得到分割精度更高的神经网络模型,却面临内存消耗严重和时延变长等问题。对于一些特殊的应用场景,如增强现实、移动端交互等,不能进行实时的处理。为了提高语义分割速度,同时得到尽可能准确的分割结果,本文综合考虑计算复杂度和分割精度,提出了两种基于轻量级卷积神经网络的语义分割算法。主要内容如下:1.针对现有语义分割算法存在计算量大、泛化性不好等问题,提出基于连续混洗空洞卷积的实时语义分割算法。该算法的编码器是轻量级的,它由下采样、因式分解、混洗空洞卷积等模块组成。其中,混洗空洞卷积模块采用不同膨胀率的空洞卷积以提取多尺度特征。解码器由上采样、转置卷积等模块组成,用于逐步生成分割概率图。其中,由插值算法和转置卷积组成的上采样模块用于减少参数量和分割噪声。在Cam Vid和Cityscapes场景解析数据集上进行了大量消融实验,结果表明所提模块有效性。该算法参数仅为0.17M,相较于同类算法,在计算复杂度和分割精度方面具有明显优势。2.针对现有算法分割精度不足的问题,提出一种基于空间注意力机制的分割算法。在编码器部分,所提出算法使用特征变换原理对特征图进行线性变换,以减少不必要的卷积操作。引入上下文信息更丰富的位置注意力机制建模不同像素之间的关系,避免了卷积局部感受野过小。此外,在解码器部分使用捷径连接对浅层特征图信息重新利用,丰富了图像细节。大量的实验表明,所提出算法在Cityscapes数据集上能够实时处理,同时达到了69.6%的分割精度。与现有算法相比,在分割精度相近的情况下,本文所提出算法浮点运算量更低。

关键词：卷积神经网络语义分割注意力机制实时处理

基于自适应混合高斯模型的运动目标检测与跟踪算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于自适应混合高斯模型的运动目标检测与跟踪算法研究

作者：郑加敏重庆邮电大学

学位级别：硕士

运动目标的检测与跟踪是智能视频监控相关研究领域的核心问题,且具有广泛地应用前景。然而在目标检测与跟踪过程中,光照的变化、物体的阴影、目标之间的遮挡等一系列外界的干扰严重影响了其效果。因此运动目标检测与跟踪算法的研究一直... 详细信息

运动目标的检测与跟踪是智能视频监控相关研究领域的核心问题,且具有广泛地应用前景。然而在目标检测与跟踪过程中,光照的变化、物体的阴影、目标之间的遮挡等一系列外界的干扰严重影响了其效果。因此运动目标检测与跟踪算法的研究一直是智能视觉领域的一个热点研究方向。本论文分析了运动目标检测与跟踪算法的研究现状,并简要介绍了相关的基本理论和技术。在此基础上,针对目前相关研究和应用中出现的一些突出问题,对运动目标检测与跟踪算法进行了深入的研究。针对传统混合高斯模型对场景的适应能力差、无法检测到完整的运动目标、对光照突变场景较为敏感等问题,本文提出了一种基于自适应混合高斯背景模型的运动目标检测的改进算法。该算法首先改进现有的三帧差分法,并利用其进行运动目标区域粗提取,运用动态分割阈值和边缘检测技术,有效地解决对光照突变敏感和目标边缘不连续等问题。其次,在混合高斯模型更新过程中自适应选择混合高斯模型的个数。最后,利用HSV颜色空间进行阴影去除,检测出完整的运动目标。实验结果表明,该算法在实时性,准确率,场景适应能力等方面比现有同类算法都有明显的提高。针对运动目标检测与跟踪算法存在跟踪准确度低,稳定性差的问题,本文提出了一种基于混合高斯背景模型和Kalman滤波的运动目标检测与跟踪方法。该方法首先在背景模型更新中,改变传统权重的学习率机制,使得背景模型能够持续有效。然后将检测得到运动目标的运动信息与质心位置信息作为Kalman滤波器的初始输入数据,使得Kalman滤波器能够开始对目标进行跟踪。最后,在Kalman滤波更新过程中,根据运动目标的状态变化情况确定Kalman滤波器观测噪声协方差矩阵。当运动目标被遮挡时,运用卡尔曼滤波的预测功能继续跟踪目标;当目标再次出现时,利用颜色特征对运动目标进行判定,确定为同一个目标时继续跟踪。理论分析和实验结果表明,该算法能检测并跟踪到运动目标,在准确率、稳定性等方面有较大的提升。

关键词：目标检测目标跟踪混合高斯模型卡尔曼滤波阴影去除

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多种群生物趋化模型解的定性分析

多种群生物趋化模型解的定性分析

作者：张静重庆邮电大学

学位级别：硕士

生物趋化模型的理论研究对数学和生物学的发展都具有重要的意义。本文主要研究了三类多种群生物趋化模型解的相关性质,包括解的存在性、有界性及渐近行为等。首先,本文研究了带logistic增长项的双种群拟线性趋化模型的初边值问题。该模... 详细信息

生物趋化模型的理论研究对数学和生物学的发展都具有重要的意义。本文主要研究了三类多种群生物趋化模型解的相关性质,包括解的存在性、有界性及渐近行为等。首先,本文研究了带logistic增长项的双种群拟线性趋化模型的初边值问题。该模型刻画了细胞或微生物在化学吸引信号、非线性扩散、与信号物质浓度有关的趋化灵敏度和logistic增长项联合作用下的趋化现象。利用系数矩阵的非负定性证明了模型解的局部存在性;利用Sobolev极大正则性原理及多个常用不等式得到了在逻辑源系数μ1,μ2都足够大的条件下,模型的解是整体存在且一致有界的。其次,本文研究了一类含扩散项和趋化灵敏度的趋化模型的初边值问题。这一模型描述了趋化灵敏度依赖于种群密度的非线性扩散过程。证明了解的局部存在性,并利用能量估计的方法以及分析处理技巧分别得到了两种情形解的整体存在性及一致有界性。最后,本文研究了一类含两种信号物质的双种群趋化模型。在2维情形下,模型满足条件|χ’i|（i=1,2）有界时,通过能量估计方法得到了模型存在唯一的整体有界经典解;在维数小于等于3的情形下,当μ1,μ2足够大时,证明了模型有唯一的整体有界经典解。特别地,当μi0＞0,且在μi＞μi0时,首次得到了一个精确的结果,且模型不存在爆破情形。此外,通过构造适当的能量泛函,还得到了三种不同竞争情况下解的渐近行为。

关键词：多种群趋化模型整体存在性有界性渐近行为