检索结果-南通市图书馆

煤炭学报 2024年

作者：潘杉于挺陈伟田子建岳中文中国矿业大学(北京)人工智能学院中国矿业大学计算机科学与技术学院煤矿智能化与机器人创新应急管理部重点实验室中国矿业大学(北京)力学与土木工程学院

受井下复杂的空间环境和不均匀的人造光源影响，井下视觉设备采集的图像易呈现整体或部分区域光线不足、图像内容可见度差的问题。对于井下低光照图像的增强，现有图像增强方法的结果易出现对比度差以及部分区域过曝和欠曝的问题，本文... 详细信息

受井下复杂的空间环境和不均匀的人造光源影响，井下视觉设备采集的图像易呈现整体或部分区域光线不足、图像内容可见度差的问题。对于井下低光照图像的增强，现有图像增强方法的结果易出现对比度差以及部分区域过曝和欠曝的问题，本文提出一种基于结构和纹理感知的井下低光照自监督图像增强方法，以摆脱训练时对配对的井下低光照/正常光照图像的依赖。首先，为产生分段平滑的光照图，本文设计了一种自监督结构和纹理感知的光照估计网络，以根据自监督训练损失保留场景的边缘结构并平滑纹理细节。为了深入挖掘低光照图像中的局部纹理特征和全局结构特征以提高光照估计网络的性能，在光照估计网络中引入了局部-全局感知模块。该模块利用卷积操作中较小感受野能够捕获局部特征的能力以及视觉Transformer的自注意力机制能够实现全局信息交互的特性来实现低光照图像中局部和全局特征的提取。其次，为了实现自监督学习的训练方式，本文针对光照图分段平滑的特性，采用了一种结构感知的平滑损失。最后，为了进一步细化光照估计网络产生的光照图，使其具有合理的亮度和对比度，本文引入了伪标签图像生成器来合成具有良好对比度和亮度的伪标签图像。通过重建损失约束增强图像与伪标签图像之间亮度和对比度之间的一致性，从而间接约束光照图。在多个公开的基准数据集和井下真实场景的低光照图像数据集上进行主观和客观评价的实验结果表明，本文方法具有较好的低光照图像增强效果，在面对井下场景的低光照图像时方法也具有良好的泛化性能。

关键词：低光照图像自监督图像增强光照估计网络局部-全局感知

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于内容感知的三维模型重建方法研究

基于内容感知的三维模型重建方法研究

引用

作者：孟庆亮北方民族大学

学位级别：硕士

三维模型重建是计算机视觉和计算机图形学的一个重要研究方向,其在文物保护、医学诊断、虚拟现实等领域有良好的应用前景。得益于深度学习的快速发展,以体素为表征的三维模型因结构简单,易于处理等优点得到学者们的普遍关注,并取得了一... 详细信息

三维模型重建是计算机视觉和计算机图形学的一个重要研究方向,其在文物保护、医学诊断、虚拟现实等领域有良好的应用前景。得益于深度学习的快速发展,以体素为表征的三维模型因结构简单,易于处理等优点得到学者们的普遍关注,并取得了一定的重建效果。现有方法通常使用编码器-解码器结构,并结合交叉熵损失或其变形以完成体素三维模型重建,这些方法已取得了一定的成功,但所使用的编码器和损失函数并不能很好的对输入的图像数据和以体素为表征的三维模型的特点进行处理,缺乏对输入图像和目标三维模型的内容感知能力,造成重建的三维模型存在不完整、几何细节缺失的问题。本课题从如何有效处理输入的图像数据以及针对以体素为表征的三维模型的特点,如何有效约束网络模型的角度出发,研究如何重建出完整度高、几何细节精准的三维体素模型,主要工作如下:(1)提出基于结构-目标感知的三维模型重建网络ST-Rec3D。该网络采用经典的编码器-解码器-细化器结构,以单视图或多视图为输入,由粗到细的重建出三维模型。在编码阶段结合注意力机制提出一种具有空间结构感知能力的编码器,即结构编码器,以充分捕捉输入图像中所包含的空间结构信息;在损失函数设计阶段,针对体素三维模型重建所存在的特点,将Io U损失引入到三维体素模型重建中,将重建空间从体素空间约束为目标三维模型空间,以实现更精准的目标感知能力。从而在图像中所包含的信息有限,以及体素模型本身所固有的体素分布不均衡的情况下,确保重建物体的完整性和准确性。(2)提出基于局部-全局感知的三维模型重建网络LG-Rec3D。该网络通过卷积神经网络提取输入图像的局部特征,再通过Transformer的自注意力机制提取输入图像的全局特征,形成局部特征和全局特征互补的局部-全局感知编码器,从而实现提取输入图像的局部特征和全局特征;对ST-Rec3D所使用的损失函数进行更深入的分析,并引入新的损失函数Tversky损失,通过平衡目标三维模型空间中预测体素的假阴性和假阳性,以实现更为精准的目标感知能力。从而提取输入图像中所包含的局部信息和全局信息的同时,对目标三维模型空间中预测体素的假阴性和假阳性进行平衡,以保证重建出几何细节精准、完整度高的三维模型。在大型合成数据集ShapeNet和真实世界数据集Pix3D上的定性和定量实验结果表明,ST-Rec3D和LG-Rec3D重建出的三维模型的完整性和准确性均有明显提升。

关键词：三维模型重建深度学习结构-目标感知局部-全局感知

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：