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

用支持向量回归法实现单帧图像超分辨率重建

光学精密工程 2016年第9期24卷 2302-2309页

作者：袁其平林海杰陈志宏杨晓苹天津理工大学天津市薄膜电子与通信器件重点实验室天津300384

由于一些传统的超分辨率重建算法学习多幅不同类别的图像仍无法获得好的重建效果,本文提出了一种基于支持向量回归机和光栅扫描的单帧图像超分辨率重建算法。该算法首先采用光栅扫描法对一组高低分辨率训练图像提取图像块,从块中分别抽... 详细信息

由于一些传统的超分辨率重建算法学习多幅不同类别的图像仍无法获得好的重建效果,本文提出了一种基于支持向量回归机和光栅扫描的单帧图像超分辨率重建算法。该算法首先采用光栅扫描法对一组高低分辨率训练图像提取图像块,从块中分别抽取输入向量和标签像素。利用Log算子判断这些块是属于高频空间还是低频空间,从而构建高低频空间向量对并对其进行优化。然后,用支持向量回归机（SVR）工具训练优化后的向量对,得到高低频空间下的两个字典;抽取测试低分辨率图像中的块并得到高低频空间下的输入向量,利用SVR工具回归对应的属于超分辨率图像块的标签像素并得到回归后的图像。最后,对图像进行后处理得到最终的超分辨率图像。与其它算法的对比实验表明：提出的算法具有较好的视觉效果。特别在放大倍数为2时,提出的算法在不同图像上的峰值信噪比（PSNR）和结构相似度（SSIM）值较双三次插值法分别提高了3.1%~5.3%和1.5%~8.1%。得到的结果显示提出的算法获得了更好的重建效果。

关键词：超分辨率重建单帧图像支持向量回归机 Log算子光栅扫描

在线全文

学校读者我要写书评

暂无评论

基于单帧图像的相机响应函数标定算法

光学学报 2016年第7期36卷 106-114页

作者：都琳孙华燕张廷华王帅装备学院研究生院北京101416 装备学院光电装备系北京101416

高动态范围成像技术能够避免因为拍摄方向如逆光和曝光量的不同而使图像存在亮度信息缺失和色差,影响真实场景的信息采集.该技术有利于在复杂环境下获得更高的成像质量,被广泛应用于模式识别、智能交通系统、遥感遥测、军事侦察等众多领... 详细信息

高动态范围成像技术能够避免因为拍摄方向如逆光和曝光量的不同而使图像存在亮度信息缺失和色差,影响真实场景的信息采集.该技术有利于在复杂环境下获得更高的成像质量,被广泛应用于模式识别、智能交通系统、遥感遥测、军事侦察等众多领域.相机响应函数的标定是高动态范围成像技术的关键,能够建立真实场景的辐照度与采集图像亮度值之间的映射关系,从而获得真实场景的高动态范围图像.所提出的算法通过单帧输入图像获得成像系统的相机响应函数,大大地提高了计算效率,并且适用于欠曝光及过曝光条件下采集的图像,扩展了相机响应函数标定算法的应用范围.

关键词：成像系统高动态范围图像处理相机响应函数边缘颜色分布贝叶斯估计单帧图像

在线全文

学校读者我要写书评

暂无评论

单帧图像人体姿态估计综述

计算机工程与科学 2011年第11期33卷 89-97页

作者：汤泽胜王兆仲北京航空航天大学图像处理中心北京100191

人体姿态估计是指从图像中检测人体各部分的位置并计算其方向和尺度信息,姿态估计的结果分二维和三维两种情况,而估计的方法分基于模型和无模型两种途径。本文首先介绍了人体姿态估计的研究背景和应用方向,然后对姿态估计的相关概念作... 详细信息

人体姿态估计是指从图像中检测人体各部分的位置并计算其方向和尺度信息,姿态估计的结果分二维和三维两种情况,而估计的方法分基于模型和无模型两种途径。本文首先介绍了人体姿态估计的研究背景和应用方向,然后对姿态估计的相关概念作了阐述,分析了姿态估计的输出表示,接着从人体目标检测和姿态估计两大类进行了详细分析和讨论,从实际应用的角度对各种方法做了理论上的比较和分析。最后,对相关研究还存在的问题和进一步研究的趋势作了归纳和总结。

关键词：人体姿态估计目标检测人体模型单帧图像

基于迁移学习的移动机器人单帧图像坡度检测算法

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2021年第1期16卷 81-91页

作者：辛菁杜柯楠王媛媛刘丁西安理工大学自动化与信息工程学院陕西西安710048

针对未知环境下移动机器人平稳上坡控制对坡度感知精度的要求,本文提出了一种基于迁移学习的移动机器人单帧图像坡度检测算法。利用室内图像标准数据集训练深度卷积神经场-全连接超像素池化网络(deep convolutional neural field-fully ... 详细信息

针对未知环境下移动机器人平稳上坡控制对坡度感知精度的要求,本文提出了一种基于迁移学习的移动机器人单帧图像坡度检测算法。利用室内图像标准数据集训练深度卷积神经场-全连接超像素池化网络(deep convolutional neural field-fully connected superpixel pooling network,DCNF-FCSP)并获得室内单帧图像深度估计网络模型;将DCNF-FCSP模型中前5个图像特征提取层的网络参数迁移至室外图像深度估计网络中;固定室外图像深度估计网络中图像特征提取部分的网络参数,利用室外图像数据集对剩余5层的网络参数进行训练,从而得到室外单帧图像深度估计网络;将其应用在移动机器人坡度检测中,根据单帧斜坡图像估计出斜坡角度。标准数据集和实际场景的深度估计和坡度检测实验表明:本文所提出的基于迁移学习的移动机器人单帧图像坡度检测算法能够仅根据移动机器人车载相机采集的单帧斜坡RGB图像就可估计出精确的斜坡角度,满足移动机器人在未知环境中对坡度感知精度的要求。

关键词：未知环境移动机器人坡度检测室外单帧图像深度估计迁移学习深度卷积网络

在线全文

学校读者我要写书评

暂无评论

单帧图像局部差异特征多目标分离仿真

计算机仿真 2018年第6期35卷 246-249页

作者：陈虹君赵力衡罗福强李瑶四川大学锦城学院电子信息学院四川成都611731

对单帧图像差异特征的多目标分离,能够有效提高图像处理效果。对单帧图像局部差异特征进行多目标分离,需要将差异度较小区域合并至相邻区域中,并获取图像分离算法最优的阈值参数,完成差异特征的多目标分离。传统方法结合分水岭的分离方... 详细信息

对单帧图像差异特征的多目标分离,能够有效提高图像处理效果。对单帧图像局部差异特征进行多目标分离,需要将差异度较小区域合并至相邻区域中,并获取图像分离算法最优的阈值参数,完成差异特征的多目标分离。传统方法结合分水岭的分离方法,对图像特征进行分离及提取,但无法对图像分离阈值参数进行获取,导致图像目标分离精度偏低。提出基于粒子群的区域生长分水岭的单帧图像局部差异特征的多目标分离算法。将区域生长和分水岭的图像分离算法进行结合,依据香农熵对目标函数进行构建,对区域生长的参数进行确定,利用特征值对区域间的差异度进行计算,将较小的区域合并至相邻差异度区域中,得出图像分离算法最优的阈值参数,完成对单帧图像局部差异特征多目标的分离。实验证明,所提方法能有效对单帧图像局部差异特征进行多目标分离,并高效提高了图像处理速度。

关键词：单帧图像局部差异特征多目标分离

在线全文

学校读者我要写书评

暂无评论

使用分块FFT的单帧图像上行采样算法

吉林大学学报（理学版） 2002年第2期40卷 148-152页

作者：郭晓新李文辉庞云阶吉林大学计算机科学与技术学院长春130012

采用 FFT变换实现单帧图像上行采样 ,对实现策略进行了改进 ,即通过对整幅图像的分块处理提高算法的执行效率。

关键词：上行采样算法超分辨率快速Fourier变换单帧图像图像处理 Nyquist采样定理分块处理

基于深度学习特征字典的单帧图像超分辨率重建

在线全文

学校读者我要写书评

暂无评论

数据采集与处理 2018年第4期33卷 740-750页

作者：赵丽玲孙权森张泽林南京理工大学计算机科学与工程学院南京210094 南京信息工程大学信息与控制学院南京210044

在基于字典的单帧图像超分辨率重建算法中,依赖人工浅层特征设计的字典表达图像特征能力有限。为此,提出基于深度学习特征字典的超分辨重建方法。该算法首先利用深度网络进行高、低分辨率训练样本图像深层次特征学习;然后,在稀疏字典超... 详细信息

在基于字典的单帧图像超分辨率重建算法中,依赖人工浅层特征设计的字典表达图像特征能力有限。为此,提出基于深度学习特征字典的超分辨重建方法。该算法首先利用深度网络进行高、低分辨率训练样本图像深层次特征学习;然后,在稀疏字典超分辨框架下联合训练特征字典;最后,输入单帧低分辨率图像并利用该字典实现超分辨率重建。理论分析表明,引入深度网络提取图像深层次特征并用于字典训练,对低分辨率图像的高频信息补充更加有利。实验证明,与双三次插值以及基于一般人工特征字典的超分辨重建算法相比,本文算法的主观视觉和客观评价指标均高于对比算法。

关键词：深度学习字典学习超分辨深层次特征提取单帧图像

在线全文

学校读者我要写书评

暂无评论

一种余光目标深度及高度的单帧图像测量

小型微型计算机系统 2024年第8期45卷 1921-1928页

作者：李艳艳胡亚红盛伟国毛家发浙江工业大学计算机与科学技术学院杭州310023 杭州师范大学信息科学与工程学院杭州311121

在自动避障,目标监控,自动驾驶等领域,基于单目视觉的目标测量总是关键技术之一.但是,已知的单目视觉测量方法只能得到目标的距离和最低点位置坐标,目标高度需要利用其他传感器获取.本文从目标的线特征出发,创造性的提出了关于余光目标... 详细信息

在自动避障,目标监控,自动驾驶等领域,基于单目视觉的目标测量总是关键技术之一.但是,已知的单目视觉测量方法只能得到目标的距离和最低点位置坐标,目标高度需要利用其他传感器获取.本文从目标的线特征出发,创造性的提出了关于余光目标像与像平面竖直中线的夹角、余光目标偏离单目相机装置的角度以及单目镜头的俯仰角三个变量之间的关系模型.最后,在单帧目标图像和单目相机的高度已知的情况下,利用该模型实现余光目标深度和高度的测量.实验结果表明,本文提出的测量方法能有效,快速的对目标的高度和距离进行测量.

关键词：余光目标单目视觉目标测量线特征单帧图像

基于学习—重构框架的单帧图像超分辨率重建算法研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于学习—重构框架的单帧图像超分辨率重建算法研究

作者：庾吉飞西安电子科技大学

学位级别：硕士

单帧图像超分辨率重建是以一幅低分辨率图像作为输入，使用信号处理技术重建一幅高分辨率图像的过程。基于学习与基于重构的方法是两类十分有效的单帧图像超分辨率重建方法，本文对这两类方法进行了深入的研究，提出了三种超分辨率重建... 详细信息

单帧图像超分辨率重建是以一幅低分辨率图像作为输入，使用信号处理技术重建一幅高分辨率图像的过程。基于学习与基于重构的方法是两类十分有效的单帧图像超分辨率重建方法，本文对这两类方法进行了深入的研究，提出了三种超分辨率重建算法。针对可控核回归中固定阶数的多项式基不能有效拟合自然图像中所有局部块，提出了基于局部学习字典的单帧图像超分辨率重建算法。该算法为不同局部结构的图像块自适应地选择拟合基。实验表明提出的算法可以更精确地估计高分辨率图像像素。针对低分辨图像块到高分辨率像素的映射是高度非线性的，而高斯过程回归特别适合处理非线性回归问题，提出了一种基于高斯过程回归的单帧图像超分辨率重建算法。实验表明与一般的线性回归方法相比，高斯过程回归算法可以产生更高质量的高分辨率图像。针对基于学习的方法可以合成丰富的细节却容易在边缘区域引入明显的人工痕迹;基于重构的方法可以产生光滑、清晰的边缘却会使纹理区域过于平滑导致重建的超分辨率图像视觉上不够自然。我们还提出了一种基于自适应稀疏表示与非局部正则化的单帧图像超分辨率重建算法。该算法有机结合了基于学习和基于重构的方法。实验表明所提出的方法既可以合成丰富的纹理也可以生成清晰的边缘。

关键词：单帧图像超分辨率重建局部学习字典高斯过程回归稀疏表示