检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于多尺度注意力和对比学习的水下图像增强

激光与光电子学进展 2024年第4期61卷 549-557页

作者：王悦范慧杰刘世本唐延东中国科学院沈阳自动化研究所机器人学国家重点实验室辽宁沈阳110016 中国科学院机器人与智能制造创新研究院辽宁沈阳110016 中国科学院大学北京100049

由于水体对光的吸收和散射作用,水下图像普遍存在颜色失真和细节模糊这两种退化问题。为了得到色彩鲜明、细节清晰的水下图像,提出了一个基于多尺度注意力和对比学习的水下图像增强算法模型。该模型采用编码-解码结构作为基础框架,为了... 详细信息

由于水体对光的吸收和散射作用,水下图像普遍存在颜色失真和细节模糊这两种退化问题。为了得到色彩鲜明、细节清晰的水下图像,提出了一个基于多尺度注意力和对比学习的水下图像增强算法模型。该模型采用编码-解码结构作为基础框架,为了提取到更细粒度的特征,在编码部分设计了一个多尺度通道像素注意力模块,利用3个并行支路提取图像中不同层次的特征,然后将3条支路提取的特征进行融合输入到下一层编码器以及对应的解码层,提高网络特征提取以及细节增强的能力。最后,为了进一步提高增强图像的质量,引入对比学习训练网络。大量实验证明,本文算法增强后的图像色彩鲜明且细节信息保留较好。峰值信噪比和结构相似性指标的平均值最高可达到25.46和0.8946,与其他方法相比至少提高了4.4%和2.8%;水下彩色图像质量指标和信息熵的平均值最高为0.5802和7.6668,与其他方法相比均至少提高了2%;特征点匹配平均比原始图像多24个。

关键词：图像增强注意力多尺度对比学习

基于空谱先验与高阶张量表示的高光谱图像超分辨率重建算法研究

在线全文

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：王震陈希爱杨超贾慧迪韩志唐延东沈阳化工大学信息工程学院中国科学院沈阳自动化研究所机器人学国家重点实验室中国科学院机器人与智能制造创新研究院中国科学院大学

现有高光谱图像超分辨率任务存在信息表示不充分、先验信息利用不足、重建精度不高的问题，严重影响后续图像处理任务精度。针对此问题，提出基于多-高光谱图像融合的非局部高阶张量表示算法用于高光谱图像超分辨率重建。通过K-means算... 详细信息

现有高光谱图像超分辨率任务存在信息表示不充分、先验信息利用不足、重建精度不高的问题，严重影响后续图像处理任务精度。针对此问题，提出基于多-高光谱图像融合的非局部高阶张量表示算法用于高光谱图像超分辨率重建。通过K-means算法将图像划分为非局部相似块，将其构建成高阶张量，并利用张量火车所具有的均衡分解策略去挖掘非局部高阶张量空间-光谱低秩冗余性。由于图像空间域中存在的局部平滑特性，加权组稀疏正则项被用来进行刻画，并构造加权光谱解混约束项来解决超分过程中光谱数据的融合失真问题，利用交替方向乘子法推导给出了各变量具体求解计算过程。在公开的三个真实数据集：CAVE，Pavia University，Indian Pines上进行了实验。实验结果表明，所提算法在三个数据集的平均PSNR、SSIM、SAM、ERGAS分别提升了0.2908dB，0.002，-0.116°，-3.1%，与现有代表性超分辨率算法相比，有效提高了重建后的图像超分重建指标结果。

关键词：超分辨率融合非局部高阶张量张量火车光谱解混

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于并行多轴自注意力的图像去高光算法

红外与激光工程 2024年第3期53卷 254-264页

作者：李鹏越续欣莹唐延东张朝霞韩晓霞岳海峰太原理工大学电气与动力工程学院山西太原030024 太原重型机械(集团)有限公司山西太原030027 中国科学院沈阳自动化研究所机器人学国家重点实验室辽宁沈阳110016 中国科学院机器人与智能制造创新研究院辽宁沈阳110016

图像高光层模型的模糊性和高光动态范围大的特点,使得图像去高光成为了一个挑战性的视觉任务。纯局部性方法容易导致图像高光区出现伪影,纯全局性方法容易使图像非高光区色彩失真。针对图像去高光中局部和全局特征不平衡导致的上述问题... 详细信息

图像高光层模型的模糊性和高光动态范围大的特点,使得图像去高光成为了一个挑战性的视觉任务。纯局部性方法容易导致图像高光区出现伪影,纯全局性方法容易使图像非高光区色彩失真。针对图像去高光中局部和全局特征不平衡导致的上述问题,以及高光层建模的模糊性,提出了基于并行多轴自注意力机制的门限融合U型深度网络图像去高光算法。该方法通过隐式建模避免了高光层模型模糊引入的问题,利用U型网络结构将上下文信息与低层信息融合对无高光图像进行估计,并在U型结构编码器和解码器之间引入门限融合结构进一步提升网络模型的特征表达能力。此外,U型网络的单元结构通过融合局部和全局自注意力平衡了局部和全局特征的编码和解码。定性实验结果表明,文中方法可以更有效地去除图像中的高光,其他对比算法在高光处容易产生伪影和失真。定量实验结果表明,文中方法在PSNR和SSIM指标上优于其他五种典型的图像去高光方法,在三个数据集上,PSNR值分别高于次优方法4.10、7.09、6.58 dB,SSIM值分别取得了4%、9%和3%的增量。

关键词：图像处理去高光多轴自注意力深度学习

基于多通道Retinex模型的低照度图像增强网络

在线全文

学校读者我要写书评

暂无评论

信息与控制 2024年

作者：张箴鹿阳苏奕铭唐延东田建东中国科学院大学中国科学院机器人与智能制造创新研究院中国科学院沈阳自动化研究所机器人学国家重点实验室

低照度图像增强是近年计算机视觉领域的研究热点之一，在目标检测、自动驾驶、夜间监控等领域具有广泛的应用价值。本文分析了同一场景在不同曝光下所得到的图像的像素值分布，发现其低照度图像与正常光照图像在RGB三通道的增强比具有... 详细信息

低照度图像增强是近年计算机视觉领域的研究热点之一，在目标检测、自动驾驶、夜间监控等领域具有广泛的应用价值。本文分析了同一场景在不同曝光下所得到的图像的像素值分布，发现其低照度图像与正常光照图像在RGB三通道的增强比具有一定差异。基于这一现象，提出了一种基于多通道Retinex模型的低照度图像增强网络。为获得更准确的初始化光照和反射分量，设计了初始化模块。为解决低照度增强后存在的色偏问题，本文在光照增强模块中采用了分通道增强的策略，设计了针对性的颜色损失函数，并通过对抗性损失函数来提升生成图片的质量。本文方法在两种公开数据集上进行了实验，与现有的先进算法进行对比取得了较好的结果，与次优的方法相比，本文方法得到的增强图像与参考图像之间的峰值信噪比提高了20%，结构相似性提高7.2%，且消除了图像中的噪声，与参考图像在数值指标和视觉效果上都更为接近。

关键词：低照度图像增强光照分解 Retinex模型图像增强

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于扩散方法的特征动态库

计算机工程与应用 2024年

作者：黄山范慧杰林森曹镜涵唐延东中国科学院机器人与智能制造创新研究院中国科学院沈阳自动化研究所机器人学国家重点实验室沈阳理工大学自动化与电气工程学院

目的弱监督语义分割（Weakly-supervisedsemanticsegmentation， wsss）是通过利用更简单易得的图像级标注（框，点，线和类别信息），以训练分类模型的方式获取物体分割区域从而实现图像像素级预测。因为主流的分割算法仍然需要依赖... 详细信息

目的弱监督语义分割（Weakly-supervisedsemanticsegmentation， wsss）是通过利用更简单易得的图像级标注（框，点，线和类别信息），以训练分类模型的方式获取物体分割区域从而实现图像像素级预测。因为主流的分割算法仍然需要依赖大量的标注数据，而逐像素标注十分昂贵、费时且费力。为了减轻这一负担，人们越来越关注高效的利用弱标注的信息生成标签这种方法。在弱监督方面关注两个问题，一是生成的伪标签图像不够完整，二是分类不够精准。方法现有的绝大部分方法都只考虑了第一点，而论文提出一种基于扩散方法的特征动态存储方案既保证了标签的完整性又兼顾了类别特征。具体来说本文通过抑制最显著区域以扩散激活图的激活区域方式，并使用前景背景分离的细化方案剔除类激活图的冗余噪声。最后输入特征动态库在训练阶段引入语义标签使得每个类别实时更新。结果在Pascal VOC 2012数据集上对比现有大部分弱监督语义分割的方法，论文方法都展现了优越性。对比以transformer为骨干网络的新方法在验证集和测试集上分别高2.5%和2.9%。

关键词：弱监督特征提取语义分割

基于多尺度模态融合的RGB-T目标跟踪网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

山东科技大学学报（自然科学版） 2024年第1期43卷 89-99页

作者：程竹轩范慧杰唐延东王强沈阳化工大学信息工程学院辽宁沈阳110142 中国科学院沈阳自动化研究所机器人学国家重点实验室辽宁沈阳110016 沈阳大学辽宁省装备制造综合自动化重点实验室辽宁沈阳110044 中国科学院机器人与智能制造创新研究院辽宁沈阳110016

可见光-热红外(RGB-T)目标跟踪因受光照条件限制较小受到关注。针对不同尺度特征的分辨率与语义信息存在差异、可见光与热红外两种模态信息不一致的特点,以及现有网络在多模态融合策略上的不足,提出一种RGB-T目标跟踪网络。网络采用孪... 详细信息

可见光-热红外(RGB-T)目标跟踪因受光照条件限制较小受到关注。针对不同尺度特征的分辨率与语义信息存在差异、可见光与热红外两种模态信息不一致的特点,以及现有网络在多模态融合策略上的不足,提出一种RGB-T目标跟踪网络。网络采用孪生结构,首先将主干特征提取网络输出的模板图像特征与搜索图像特征从单尺度拓展到多尺度,并对可见光与热红外模态在不同尺度上分别进行模态融合,然后将得到的融合特征通过注意力机制增强特征表示,最后通过区域建议网络得到预测结果。在GTOT与RGBT-234两个公开RGB-T数据集上的实验结果表明,该网络跟踪精度和成功率较高,可以应对复杂的跟踪场景,相比于其他网络具有更高的跟踪性能。

关键词：目标跟踪可见光与热红外多尺度特征模态融合深度学习

在线全文

学校读者我要写书评

暂无评论

基于图像自适应增强的低照度目标检测算法

计算机工程 2024年

作者：王非凡陈希爱任卫红管宇韩志唐延东沈阳理工大学信息科学与工程学院中国科学院沈阳自动化研究所机器人学国家重点实验室哈尔滨工业大学机电工程与自动化学院沈阳理工大学自动化与电气工程学院中国科学院机器人与智能制造创新研究院

在低光环境下的检测任务中，由于低亮度、低对比度以及噪声等不利因素影响，会存在对目标的漏检、错检等现象。针对此问题，提出基于图像自适应增强的低照度目标检测算法。将传统图像处理方法与深度学习相结合，设计图像自适应增强网络... 详细信息

在低光环境下的检测任务中，由于低亮度、低对比度以及噪声等不利因素影响，会存在对目标的漏检、错检等现象。针对此问题，提出基于图像自适应增强的低照度目标检测算法。将传统图像处理方法与深度学习相结合，设计图像自适应增强网络，使用多个可调滤波器通过级联的方式进行结合，对输入的低光图像进行逐步增强，各滤波器的调节参数由卷积神经网络根据输入图像的全局信息进行预测。将图像自适应增强网络与YOLOv5目标检测网络相结合，进行端到端的联合训练，使图像增强效果更有利于目标检测。由于低光目标检测过程中易出现漏检现象，对通道注意力机制SE-Net进行改进，设计了特征增强网络，并嵌入到YOLOv5网络中Neck部分的末端，以减少网络特征融合过程中造成潜在目标特征的信息损失。实验结果表明，本文所提算法在真实低光数据集ExDark上的检测精度达到77.3%，相较于原始YOLOv5目标检测网络提高了2.1个百分点，检测速度达到79帧/秒，能够实现实时检测的效果。

关键词：自适应增强低照度目标检测注意力机制联合训练

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于低秩分解和向量量化的深度网络压缩方法

计算机应用 2024年第7期44卷 1987-1994页

作者：王东炜刘柏辰韩志王艳美唐延东机器人学国家重点实验室(中国科学院沈阳自动化研究所) 沈阳110016 中国科学院机器人与智能制造研究院沈阳110016 中国科学院大学北京100049

随着人工智能的发展,深度神经网络成为多种模式识别任务中必不可少的工具,由于深度卷积神经网络(CNN)参数量巨大、计算复杂度高,将它部署到计算资源和存储空间受限的边缘计算设备上成为一项挑战。因此,深度网络压缩成为近年来的研究热... 详细信息

随着人工智能的发展,深度神经网络成为多种模式识别任务中必不可少的工具,由于深度卷积神经网络(CNN)参数量巨大、计算复杂度高,将它部署到计算资源和存储空间受限的边缘计算设备上成为一项挑战。因此,深度网络压缩成为近年来的研究热点。低秩分解与向量量化是深度网络压缩中重要的两个研究分支,其核心思想都是通过找到原网络结构的一种紧凑型表达,从而降低网络参数的冗余程度。通过建立联合压缩框架,提出一种基于低秩分解和向量量化的深度网络压缩方法——可量化的张量分解(QTD)。该方法能够在网络低秩结构的基础上实现进一步的量化,从而得到更大的压缩比。在CIFAR-10数据集上对经典ResNet和该方法进行验证的实验结果表明,QTD能够在准确率仅损失1.71个百分点的情况下,将网络参数量压缩至原来的1%。而在大型数据集ImageNet上把所提方法与基于量化的方法PQF(Permute,Quantize,and Fine-tune)、基于低秩分解的方法TDNR(Tucker Decomposition with Nonlinear Response)和基于剪枝的方法CLIP-Q(Compression Learning by In-parallel Pruning-Quantization)进行比较与分析的实验结果表明,QTD能够在相同压缩范围下实现更好的分类准确率。

关键词：卷积神经网络张量分解向量量化模型压缩图像分类

同方期刊数据库

基于复原结构与增强纹理融合的水下图像清晰化

在线全文

学校读者我要写书评

暂无评论

控制与决策 2022年第3期37卷 635-644页

作者：林森迟凯晨唐延东沈阳理工大学自动化与电气工程学院沈阳110159 中国科学院沈阳自动化研究所机器人学国家重点实验室沈阳110016 中国科学院机器人与智能制造创新研究院沈阳110016 辽宁工程技术大学电子与信息工程学院辽宁葫芦岛125105

针对水体对光的吸收与散射作用,导致水下拍摄图像存在雾化现象、色彩失真等问题,提出一种基于复原结构与增强纹理融合的水下图像清晰化算法.首先,通过相对总变差模型将图像分解为结构层与纹理层;其次,基于背景光的高亮度与平坦特性及颜... 详细信息

针对水体对光的吸收与散射作用,导致水下拍摄图像存在雾化现象、色彩失真等问题,提出一种基于复原结构与增强纹理融合的水下图像清晰化算法.首先,通过相对总变差模型将图像分解为结构层与纹理层;其次,基于背景光的高亮度与平坦特性及颜色信息计算背景光值,利用红色暗通道先验优化透射率,通过逆求解成像模型得到复原结构层;然后,提出将梯度平滑方法用于纹理层,在抑制噪声的同时有效增强纹理细节;最后,融合复原结构层与增强纹理层,得到清晰的水下图像.实验结果表明,所提出算法将复原与增强技术相结合,清晰化处理后的图像较好地去除了雾化现象,且色彩鲜明、细节丰富.相对于各比较算法,水下彩色图像质量评价指标提高16.09%,为水下机器人等工程实践提供了可行的参考.

关键词：图像清晰化水下光学成像模型暗通道先验梯度平滑颜色校正机器视觉