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

基于大周边感受野的仿生图像滤波器

华中科技大学学报（自然科学版） 2009年第11期37卷 78-81页

作者：杜晓凤李翠华李玲玲厦门大学信息科学与技术学院福建厦门361005 郑州航空工业管理学院计算机科学与应用系河南郑州450015

针对图像处理的噪声平滑和对比度增强问题,提出了一种仿生图像滤波器.滤波器模拟初级视皮层自适应机制和大周边感受野(包括经典感受野、经典外周与去抑制区)3个区域之间的作用机制;引入自适应形状的核函数模拟自适应方向选择机制以平滑... 详细信息

针对图像处理的噪声平滑和对比度增强问题,提出了一种仿生图像滤波器.滤波器模拟初级视皮层自适应机制和大周边感受野(包括经典感受野、经典外周与去抑制区)3个区域之间的作用机制;引入自适应形状的核函数模拟自适应方向选择机制以平滑噪声;进而利用3个不同尺度的核函数来模拟大周边感受野的3个区域,通过3个区域的加权组合调节边缘区域的对比度.对灰度图像的处理实验表明:这种仿生图像滤波器可以有效地平滑图像噪声,增强细节特征,使图像在视觉效果上得到明显改善.

关键词：图像滤波器图像增强空间自适应梯度结构张力感受野

增强感受野的轻量化合成孔径雷达船舶检测算法

在线全文

学校读者我要写书评

暂无评论

光子学报 2022年第2期51卷 264-276页

作者：王燕妮孙雪松余丽仙西安建筑科技大学信息与控制工程学院西安710055

基于深度学习的合成孔径雷达船舶检测方法大多依赖于强大的图形处理器来实现良好的检测精度,却忽略了检测速度和算法的部署应用。针对上述问题,本文提出一种有效增强感受野的轻量化合成孔径雷达船舶检测算法。首先,使用ShuffleNetV2作... 详细信息

基于深度学习的合成孔径雷达船舶检测方法大多依赖于强大的图形处理器来实现良好的检测精度,却忽略了检测速度和算法的部署应用。针对上述问题,本文提出一种有效增强感受野的轻量化合成孔径雷达船舶检测算法。首先,使用ShuffleNetV2作为主干特征提取网络,有利于减小计算参数量和模型大小;其次,引入改进型空间金字塔池化模块与空间注意力模块,有效扩大模型感受野,进一步挖掘船舶特征信息;然后,采用改进的路径聚合网络,自底向上传递更丰富的船舶定位特征,增加浅层位置信息和多尺度特征,进一步提高模型的特征提取能力。使用SAR船舶数据集对本文算法进行验证,实验结果表明,模型大小为5.3 MB,平均检测精度可达94.7%,检测速度为46 FPS,同时具有高精度、高实时性和易移植性等优点。

关键词：合成孔径雷达船舶检测遥感图像感受野特征融合轻量化网络

在线全文

学校读者我要写书评

暂无评论

基于视觉感受野特性的自适应图像去噪算法

电子科技大学学报 2017年第6期46卷 934-941页

作者：刘玉红张艳山李永杰杨开富颜红梅电子科技大学生命科学与技术学院成都610054 成都医学院物理教研室成都610500

针对图像去噪中边缘细节信息丢失的问题,提出一种基于视觉感受野特性的图像去噪算法。该方法基于视觉神经电生理研究结果,模拟视觉初级视皮层自适应机制和感受野的响应特性来实现对图像的去噪。使用小尺度模板对噪声进行检测;根据噪声... 详细信息

针对图像去噪中边缘细节信息丢失的问题,提出一种基于视觉感受野特性的图像去噪算法。该方法基于视觉神经电生理研究结果,模拟视觉初级视皮层自适应机制和感受野的响应特性来实现对图像的去噪。使用小尺度模板对噪声进行检测;根据噪声的大小采用ON/OFF感受野模板去噪处理,对图像进行亮度调整。实验结果表明,与现有的流行算法比较,该算法去噪效果较为有效,并能更好地保留图像纹理和边缘细节信息,在峰值信噪比和均方误差等客观定量评价指标上优于其他算法。

关键词：自适应图像去噪感受野视觉机制

基于深度网络的可学习感受野算法在图像分类中的应用

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2015年第8期32卷 1114-1119页

作者：王博郭继昌张艳天津大学电子信息工程学院天津300072

作为图像检索,图像组织和机器人视觉的基本任务,图像分类在计算机视觉和机器学习中受到了广泛的关注.用于目标识别及图像分类的多种基于深度学习的模型同样引发了该领域内的极大兴趣.本文提出了一种取代尺度不变特征变换(SIFT)和方向梯... 详细信息

作为图像检索,图像组织和机器人视觉的基本任务,图像分类在计算机视觉和机器学习中受到了广泛的关注.用于目标识别及图像分类的多种基于深度学习的模型同样引发了该领域内的极大兴趣.本文提出了一种取代尺度不变特征变换(SIFT)和方向梯度直方图(HOG)描述子的算法,即利用深度分层结构,按层级学习有效的图像表示,直接从原始像素点学习特征.该方法分别利用K--奇异值分解(K--SVD)和正交匹配追踪(OMP)进行字典训练和编码.此外,本文采用了同时学习分类器和用于池化的感受野方案.实验结果证明,上述算法在目标(Oxford flowers)和事件(UIUC--sports)图像分类测试集中取得了更好的分类性能.

关键词：图像分类分层结构深度网络感受野

外膝状体神经元的亮度反应与感受野ON-OFF反应的关系

在线全文

学校读者我要写书评

暂无评论

生物化学与生物物理进展 2016年第4期43卷 413-419页

作者：王勇王毅中国科学院生物物理研究所脑与认知科学国家重点实验室北京100101 中国科学院大学北京100049

外膝体是视觉信息进入新皮层的主要通路,其编码亮度信息的神经机制还不清楚.我们采用随机呈现的连续快速变化(50 Hz)的均匀亮度刺激,显著地提高了猫外膝体神经元对均匀亮度的反应强度,通过反相关算法抽提出神经元的亮度反应函数.约81%... 详细信息

外膝体是视觉信息进入新皮层的主要通路,其编码亮度信息的神经机制还不清楚.我们采用随机呈现的连续快速变化(50 Hz)的均匀亮度刺激,显著地提高了猫外膝体神经元对均匀亮度的反应强度,通过反相关算法抽提出神经元的亮度反应函数.约81%的神经元的亮度反应函数为单调性上升或下降,有19%的神经元亮度反应函数为V型.通过分析这些神经元对亮度上升和下降的反应强度与感受野ON和OFF反应强度的关系,表明83%的神经元对亮度的反应模式是由其感受野ON-OFF反应的相对强度决定的,其余17%则与其感受野ON-OFF区的兴奋和抑制的变化相关.这些结果揭示了外膝体神经元编码亮度变化的机制.

关键词：外膝体神经元感受野亮度反应函数 ON反应 OFF反应相关性神经编码

在线全文

学校读者我要写书评

暂无评论

基于NSCT域感受野模型的图像融合方法

控制与决策 2011年第10期26卷 1493-1498,1503页

作者：孔韦韦雷英杰雷阳李卫忠空军工程大学导弹学院陕西三原713800

针对多传感器图像融合问题,提出了一种基于非下采样轮廓波变换域感受野模型的图像融合方法.首先,采用非下采样轮廓波变换对源图像进行多尺度、多方向稀疏分解;然后,对低频子图像采用改进型感受野模型进行融合,高频子图像则采用自适应Uni... 详细信息

针对多传感器图像融合问题,提出了一种基于非下采样轮廓波变换域感受野模型的图像融合方法.首先,采用非下采样轮廓波变换对源图像进行多尺度、多方向稀疏分解;然后,对低频子图像采用改进型感受野模型进行融合,高频子图像则采用自适应Unit-Fast-Linking脉冲耦合神经网络模型进行融合;最后,将各子图像进行非下采样轮廓波逆变换,得到最终融合图像.仿真实验表明了所提出方法的有效性.

关键词：图像融合非下采样轮廓波变换感受野脉冲耦合神经网络

在线全文

学校读者我要写书评

暂无评论

基于参数量和感受野可调的遥感目标检测算法

光子学报 2021年第11期50卷 294-305页

作者：刘楠毛昭勇王亦晨沈钧戈西北工业大学航海学院西安710072 西北工业大学无人系统技术研究院西安710072

针对光学遥感图像目标检测存在多尺度目标检测及实时性不佳的问题,提出一种基于参数量和感受野可调的遥感目标检测算法,在保证精度的基础上可同时兼顾实时性。该算法以更快的区域卷积神经网络为基础,设计通道数可调模块和感受野可调模块... 详细信息

针对光学遥感图像目标检测存在多尺度目标检测及实时性不佳的问题,提出一种基于参数量和感受野可调的遥感目标检测算法,在保证精度的基础上可同时兼顾实时性。该算法以更快的区域卷积神经网络为基础,设计通道数可调模块和感受野可调模块,分别提升速度和精度,同时令全连接层维度根据目标类别数动态变化,以减少参数冗余。在DIOR遥感数据集上的实验结果表明,本文方法在达到最高精度时高于所有对比算法,检测速度比Faster R-CNN略高;在达到最高速度时,可达到实时性且同时具有较高的精度。

关键词：遥感图像目标检测深度学习感受野网络参数

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

感受野下的小目标检测算法

计算机科学与探索 2021年第2期15卷 346-353页

作者：陈灏然彭力物联网技术应用教育部工程研究中心(江南大学物联网工程学院) 江苏无锡214122

早前提出的one-stage类算法SSD,在主干网络特征提取方面,经过3×3的卷积之后会造成计算通道数增多。同时,在SSD中这些被提取出的特征直接生成特征图并分别丢入预测模型中,导致层与层之间没有很好的信息交融。在现实的检测过程中,因为神... 详细信息

早前提出的one-stage类算法SSD,在主干网络特征提取方面,经过3×3的卷积之后会造成计算通道数增多。同时,在SSD中这些被提取出的特征直接生成特征图并分别丢入预测模型中,导致层与层之间没有很好的信息交融。在现实的检测过程中,因为神经网络的主导为大型目标,常常会忽略相对于大型物体更容易被漏检的小型物体,导致小型被检测物的检测成功率较低。因此基于SSD进行研究,融入了一种基于特征融合的感受野模型Receptive Field Block。在特征提取的主干网络上,基于感受视野特征提取融入特征融合模块,以加强对小目标的检测效果。该改进算法框架在VOC公开数据集上的mAP为81.8%,在自制的针对小目标的航拍数据集上的mAP为82.8%,在牺牲了部分速度的情况下,在精度方面产生了较大的优势。

关键词：机器视觉特征融合感受野小目标深度学习

在线全文

学校读者我要写书评

暂无评论

基于SRD感受野自调节的肺炎病灶检测

天津大学学报（自然科学与工程技术版） 2021年第5期54卷 508-516页

作者：李锵武昱忻关欣周静天津大学微电子学院天津300072 北京邮电大学国际学院北京100876

随着深度学习的发展,采用卷积神经网络诊断肺炎的方法受到广泛关注,但对肺炎区域检测的研究还十分欠缺.现有方法的特征提取网络需要大量参数和计算,以及巨大的存储资源和算能,同时因其无法自动调节感受野的大小,导致难以适用于胸部X光片... 详细信息

随着深度学习的发展,采用卷积神经网络诊断肺炎的方法受到广泛关注,但对肺炎区域检测的研究还十分欠缺.现有方法的特征提取网络需要大量参数和计算,以及巨大的存储资源和算能,同时因其无法自动调节感受野的大小,导致难以适用于胸部X光片(chest X-ray,CXR)中病灶区域大小不一的问题.为解决这些问题,本文提出一种基于自调节密集网络(self-regulation DenseNet,SRD)的肺炎病灶检测方法.首先,设计了一种突出病灶技术对图像进行预处理,通过抑制肋骨区域排除肋骨干扰,并采用拉普拉斯变换锐化图像突出微弱病灶特征.其次,基于改进的RetinaNet网络对预处理后图像进行检测,其中特征提取网络采用本文提出的自调节密集网络结构SRD,来代替原RetinaNet中的特征提取网络***结合密集连接和选择性核卷积的优势,具有参数量和计算量小、感受野可自适应调节的特点.最后,提出采用k-means++算法对数据集中的宽高信息进行聚类,选出具有代表性的先验框宽高比,代替RetinaNet中采取固定比例的先验框宽高比选取方法.在北美放射学会提供的CXR数据集上,与原RetinaNet算法相比,基于SRD-121的方法实现mAP提高0.4%,参数量减少52.2%,计算量减少51.8%.实验结果表明,本文提出的基于SRD感受野自调节的肺炎病灶检测方法具有参数量和计算量的减少及mAP提高的双重优势.

关键词：卷积神经网络肺炎病灶检测图像锐化感受野 k-means++