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

基于深度卷积神经网络的图像盲去模糊算法

基于深度卷积神经网络的图像盲去模糊算法

作者：王巧莹西安建筑科技大学

学位级别：硕士

图像是信息的重要载体之一,在科学研究、医学研究、刑事侦查等许多领域都有广泛应用。然而,由于相机抖动、物体运动或失焦处置等诸多原因,都易造成图像模糊,导致很难从图像中获取有效信息。因此,图像去模糊研究在科学研究、实际应用等... 详细信息

图像是信息的重要载体之一,在科学研究、医学研究、刑事侦查等许多领域都有广泛应用。然而,由于相机抖动、物体运动或失焦处置等诸多原因,都易造成图像模糊,导致很难从图像中获取有效信息。因此,图像去模糊研究在科学研究、实际应用等方面都具有重大意义。为了提高计算机的去模糊性能,本文通过构建网络模块与设计深度卷积神经网络模型,研究图像盲去模糊问题,主要研究工作如下。针对目前基于卷积神经网络的图像去模糊方法,易导致图像纹理细节丢失,在处理不同空间和通道的特征信息时未区分特征信息等问题,构建了一种多局部残差连接注意网络用于去除图像模糊。通过将残差连接与注意机制结合起来,使得网络在处理不同类型信息时更加灵活,有助于消除模糊并提取上下文信息。Go Pro数据集上的PSNR和SSIM分别达到31.83 d B、0.9275,实验结果表明,该算法能够有效恢复模糊图像的纹理细节,图像的整体复原效果好。为了解决图像去模糊过程中存在的图像细节信息丢失、网络模型较大的问题,提出了一种残差连接多分支并行扩张卷积网络用于图像去模糊。通过拓展网络宽度,并使用不同扩张因子的扩张卷积,在减少参数的同时可以获取较大感受野提取出来的不同特征,有助于捕捉更多高频信息,并降低模型大小。实验结果表明,相较于对比算法,所提算法在定性上和定量上都达到了更好的动态场景去模糊性能。为了增强图像去模糊的效果,设计了一种基于双分支特征提取与循环细化网络,以端到端的方式去除图像模糊。通过使用不同的特征提取子网络分别提取轮廓特征和细节特征,丰富图像特征信息,并通过多次交替融合轮廓特征与细节特征来重新细化特征图,充分融合具有互补信息的轮廓特征与细节特征,有助于得到更清晰的复原图像。实验表明本文方法更好地实现了动态场景图像去模糊效果。

关键词：图像盲去模糊卷积神经网络残差网络注意力机制扩张卷积

基于深度学习轻量化卷积神经网络的遥感图像场景分类研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习轻量化卷积神经网络的遥感图像场景分类研究

作者：张港南京邮电大学

学位级别：硕士

遥感观测技术的高速发展提高了观测系统的信息获取能力,使得遥感图像以高分辨率的特点呈现。高分辨率遥感图像中含有更多的空间、纹理和语义等特征信息,能够表达更加细致的地物特征和各地物间的关联特征。遥感图像场景分类任务致力于提... 详细信息

遥感观测技术的高速发展提高了观测系统的信息获取能力,使得遥感图像以高分辨率的特点呈现。高分辨率遥感图像中含有更多的空间、纹理和语义等特征信息,能够表达更加细致的地物特征和各地物间的关联特征。遥感图像场景分类任务致力于提取并理解遥感图像中的多种特征信息,在城市资源管理、农业监测、自然灾害检测和地理数据获取等领域发挥着重要的作用。基于深度学习的卷积神经网络方法是图像处理领域的主流方法,本文主要研究使用轻量级的卷积神经网络来完成遥感图像场景分类任务。本文针对遥感图像中各地物的分布特点和传统卷积方法提取特征的不足,提出了基于轻量级扩张卷积神经网络的遥感图像场景分类方法。该方法先应用扩张卷积神经网络来提取遥感图像中各地物的全局特征和关联特征,然后应用低权重和的结构化剪枝算法去除网络中的冗余。实验对比该方法与传统卷积神经网络方法的网络性能和资源消耗。实验结果显示,扩张卷积和网络剪枝算法的应用改善了卷积神经网络的分类性能,降低了网络模型的空间和时间复杂度。为了提高轻量级卷积神经网络在遥感图像场景分类任务中的分类性能,本文以扩张卷积神经网络为基础网络模型,使用残差模块对网络模型结构进行调整,提出了基于特征融合卷积神经网络的遥感图像场景分类方法。该方法主要应用残差模块来融合卷积神经网络中不同网络层的特征和不同尺度的全局特征。实验结果表明,基于特征融合卷积神经网络方法提取了更加全面的特征,有效改善了卷积神经网络的分类性能。为保证卷积神经网络的分类性能和满足更加轻量级的卷积神经网络结构要求,本文以深度可分离卷积方法为核心,提出了基于深度可分离卷积神经网络的遥感图像场景分类方法。利用深度可分离卷积能够进一步减少网络模型参数和计算量的特点来构建深度可分离卷积神经网络模型。同时,使用基于目标的知识蒸馏方法来弥补该网络模型的分类性能损失。实验结果显示,基于深度可分离卷积神经网络的遥感图像场景分类方法保证了分类性能,且获得了比典型轻量级卷积神经网络Squeeze Net和Mobile Net更小的模型体积和更低的模型复杂度。

关键词：遥感图像场景分类卷积神经网络扩张卷积网络剪枝深度可分离卷积知识蒸馏

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于RCGAN的水声通信信号降噪方法

电子学报 2022年第1期50卷 54-62页

作者：李勇斌王彬邵高平邵帅中国人民解放军战略支援部队信息工程大学河南郑州450001

针对复杂海洋环境噪声中水声通信信号数据稀缺条件下的水声通信信号降噪问题,提出一种基于相对条件生成对抗网络(Relativistic Conditional Generative Adversarial Networks,RCGAN)的水声通信信号降噪方法.该方法利用相对条件生成对抗... 详细信息

针对复杂海洋环境噪声中水声通信信号数据稀缺条件下的水声通信信号降噪问题,提出一种基于相对条件生成对抗网络(Relativistic Conditional Generative Adversarial Networks,RCGAN)的水声通信信号降噪方法.该方法利用相对条件生成对抗网络具有降噪能力的特点,通过引入扩张卷积结构,构造了适用于水声通信信号的降噪模型,提升了对不同海洋环境噪声的降噪能力;为了解决样本数据稀缺条件下的网络训练问题,根据生成对抗网络特点设计了两步迁移学习策略,并构造了基于数据模型迁移的迁移数据训练集.仿真实验和实际信号测试结果表明,该方法对不同分布特性的海洋环境噪声具有稳健性,能够大幅度降低对目标信号训练数据数量的要求,降噪效果优于现有算法.

关键词：水声通信信号降噪 RCGAN 扩张卷积迁移学习

基于多模态特征融合网络的空时分组码识别算法

在线全文

学校读者我要写书评

暂无评论

电子学报 2023年第2期51卷 489-498页

作者：张聿远闫文君张立民海军航空大学信息融合研究所山东烟台264001

针对现有算法在空时分组码(Space-Time Block Code,STBC)识别过程中存在的低信噪比下误判概率高、识别效率低等问题,本文提出了一种基于多模态特征融合网络(Multi-Modality Features Fusion Network,MMFFN)的空时分组码自动识别方法.首... 详细信息

针对现有算法在空时分组码(Space-Time Block Code,STBC)识别过程中存在的低信噪比下误判概率高、识别效率低等问题,本文提出了一种基于多模态特征融合网络(Multi-Modality Features Fusion Network,MMFFN)的空时分组码自动识别方法.首先,在合并卷积层将STBC时域样本映射为一维特征向量的基础上,采用多扩张率下的扩张卷积提取非连续时间窗的STBC码内特征,实现多时延特征自提取;然后,构建多时序特征自提取模块以提取码间时序特征,进一步扩展映射特征类型;最后,将多时延拼接层获取的最大时延特征作为深层融合特征,并增加了带跨越连接的残差层以提升融合特征利用率,实现空时分组码识别.仿真实验结果表明,本文算法在-9dB下对6类STBC信号的识别准确率达到了90%以上,较现有识别算法的性能获得了显著提升,对低信噪比有较强的适应性.本文提出的STBC多时延特征提取和融合方法,为结合传统算法设计深度学习网络结构提供了新思路,其思想同样可应用于其他通信信号识别领域.

关键词：空时分组码深度学习扩张卷积多时延特征多时序特征最大时延融合

基于多尺度特征融合和门控卷积的图像修复方法研究

在线全文

学校读者我要写书评

暂无评论

基于多尺度特征融合和门控卷积的图像修复方法研究

作者：宋昊文兰州理工大学

学位级别：硕士

图像修复是计算机视觉领域研究的一项重要内容,在图像编辑、影视特效制作、虚拟现实以及文化遗产保护等领域都具有广泛的应用价值。基于深度学习的图像修复的主要目标是通过输入待修复图像,重建并修复出破损区域的内容。同时,通过设计... 详细信息

图像修复是计算机视觉领域研究的一项重要内容,在图像编辑、影视特效制作、虚拟现实以及文化遗产保护等领域都具有广泛的应用价值。基于深度学习的图像修复的主要目标是通过输入待修复图像,重建并修复出破损区域的内容。同时,通过设计网络模型的架构并使用合适的损失函数,可以使修复出的图像结构连贯和细节清晰。目前,当前图像修复的主流方法主要是建立在生成对抗网络模型上,并且用博弈机制来进行破损图像语义级别上的修复。本文主要针对图像修复模型存在的大尺度细节信息丢失、特征信息利用不充分、无法正确区分待修复图像中的有效像素和对图像关键区域关注度不足等问题。在生成对抗网络模型下,通过多尺度特征融合、门控卷积和多级注意力,提出了两种图像修复方法。本文主要研究内容以及贡献如下:1.本文通过研究当前三种主流的代表性图像修复算法,并且进行实验对比三种方法的修复结果以及分析三种方法的优缺点后,进而发现主流代表性方法的图像修复结果存在细节模糊、结构扭曲、修复错误和特征信息利用不充分等问题。2.当前代表性方法都存在未能充分利用待修复图像中大尺度下的细节信息,仅依靠编码网络特征提取后的结构特征进行修复。同时,解码网络还存在对破损区域周边信息利用不充分的问题。因此本文提出了多尺度特征融合的图像修复方法,通过在编码网络加入扩张卷积来增大卷积滤波器的感受野,并将编码网络不同尺度下包含的特征信息,通过跳跃连接的方式聚合至对应尺度的解码网络中,以此来解决解码网络在修复阶段对破损区域周边信息利用不充分的问题。实验证明,本文提出的多尺度特征融合的图像修复方法具有良好的细节重建能力,生成的修复结果更加真实。3.针对基于当前图像修复方法中传统编解码网络无法确保使用有效像素信息进行修复以及对重要特征区域关注力度不够,致使修复后的图像出现结构扭曲、明显的边缘相应和色差等问题。基于此,本文提出一种基于门控卷积的注意力图像修复方法,通过在两级网络架构中引入门控卷积和多级空间注意力机制(Multilevel Spatial Attention Mechanism,MSAM)来确保网络模型可以生成结构正确和细节逼真的修复结果。通过实验结论可以证明本文提出的基于门控卷积的注意力图像修复方法恢复出破损区域的结构更为完善和连贯,细节更清晰。

关键词：深度学习图像修复扩张卷积跳跃连接门控卷积

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于组合卷积的单通道语音增强方法研究

基于组合卷积的单通道语音增强方法研究

作者：张程北京邮电大学

学位级别：硕士

语音增强的目的是在被加性噪声污染的语音信号中分离出纯净语音,进而提高语音的清晰度和可懂度。过去基于信号处理的传统语音增强方法对于平稳噪声有着不错的降噪效果,但是当周围的噪声环境变得不再平稳时,对噪声的滤除效果急剧下降并... 详细信息

语音增强的目的是在被加性噪声污染的语音信号中分离出纯净语音,进而提高语音的清晰度和可懂度。过去基于信号处理的传统语音增强方法对于平稳噪声有着不错的降噪效果,但是当周围的噪声环境变得不再平稳时,对噪声的滤除效果急剧下降并产生严重的语音失真。近年来,基于深度学习的语音增强算法因其在低信噪比和复杂噪声背景下的增强效果显著,已逐渐成为了语音增强领域的主流方向。其中,卷积神经网络能在使用较少模型参数量的情况下获得优异的降噪效果,得到了学者们的青睐。在此基础上,本文进行了相关研究,主要内容及创新点如下所示:(1)卷积神经网络中广泛使用的扩张卷积对临近点信息提取能力的不足,影响了网络对于特征的提取,一定程度上限制了模型的语音增强效果,不利于对原始语音的重建。针对上述问题,本文提出了一种用于单通道语音增强的组合卷积神经网络CB-ConvNet,通过使用两个并行的卷积块分别对特征图的长距离信息和短距离信息进行提取后融合,提升了模型的语音增强性能。(2)本文在实验中发现,CB-ConvNet中组合卷积块在对近距离信息的提取过程中存在一定的特征的损失,针对这一问题,本文又提出了基于亚像素卷积的自适应压缩卷积神经网络AS-ConvNet,通过对特征图多尺度特征压缩以及通道的扩张和重组,实现对多尺度特征的近距离信息提取并减少特征损失。相比于CB-ConvNet,AS-ConvNet在增加少量参数的情况下,进一步提升了模型的降噪效果。

关键词：语音增强扩张卷积组合卷积神经网络自适应压缩卷积神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于边缘与注意力跨层转移的图像修复模型

计算机工程 2023年第6期49卷 180-192页

作者：樊瑶石英男柏劲咸西藏民族大学信息工程学院陕西咸阳712000

针对现有基于深度学习的图像修复算法在处理大面积不规则缺损图像时出现局部结构不连通与模糊的问题,提出一种基于边缘和注意力跨层转移的二阶生成式图像修复模型。该模型由边缘修复网络和图像修补网络构成,边缘修复网络在自编码器的基... 详细信息

针对现有基于深度学习的图像修复算法在处理大面积不规则缺损图像时出现局部结构不连通与模糊的问题,提出一种基于边缘和注意力跨层转移的二阶生成式图像修复模型。该模型由边缘修复网络和图像修补网络构成,边缘修复网络在自编码器的基础上结合扩张卷积对缺损图像的边缘二值图进行修复,并将边缘修复图作为先验条件与缺损图像一起输入到图像修补网络,在图像修补网络中,给出注意力跨层转移网络对各尺度编码特征由深到浅进行重构,并将重构特征图跳跃连接至解码层与对应潜在特征融合进行解码,提高各级解码层输出的上下文一致性,减少结构信息和语义特征丢失,最终得到修复图像。在Celeba、Facade、Places2这3个数据集上的实验结果表明,与当前主流算法相比,该方法平均L1损失降低了1.044%~3.801%,峰值信噪比和结构相似性分别提升了1.435~4.486 dB和1.789%~8.755%,不仅能够生成整体语义合理的内容,而且在局部结构连通性和纹理合成方面更符合人眼视觉感受。

关键词：图像修复边缘修复扩张卷积注意力跨层转移网络跳跃连接

在线全文

学校读者我要写书评

暂无评论

基于一维卷积神经网络的岩石物理相识别

吉林大学学报（信息科学版） 2022年第1期40卷 51-63页

作者：李盼池李文杰东北石油大学计算机与信息技术学院黑龙江大庆163318

为解决岩石物理相识别问题,提出了一种基于可解释一维卷积神经网络的识别方法。该方法通过引入全局平均池化层,突出了测井曲线波形的动态变化部分;并且通过分类激活映射增强了方法的可解释性;通过引入扩张卷积和批量归一化,弥补了由全... 详细信息

为解决岩石物理相识别问题,提出了一种基于可解释一维卷积神经网络的识别方法。该方法通过引入全局平均池化层,突出了测井曲线波形的动态变化部分;并且通过分类激活映射增强了方法的可解释性;通过引入扩张卷积和批量归一化,弥补了由全局平均池化层引起的性能下降。实验结果表明,测试集中4种岩石物理相的平均F1分数为0.97,相比其他同类方法提升了0.15左右。研究表明,该方法可用于识别岩石物理相,并可提高分类过程中的可解释性,从而为预测优质致密砂岩储层提供了一种新的深度学习方法。

关键词：岩石物理相可解释一维卷积神经网络全局平均池化层扩张卷积批量归一化

三维Gabor和多尺度残差网络的高光谱影像分类

在线全文

学校读者我要写书评

暂无评论

遥感信息 2023年第4期38卷 33-41页

作者：吕欢欢胡杨张辉辽宁工程技术大学软件学院辽宁葫芦岛125105 湖州师范学院信息工程学院浙江湖州313000

为了减轻高光谱影像分类网络模型对训练样本的依赖性并解决网络层数加深产生的性能退化问题,文章研究了三维Gabor滤波和多尺度残差网络的高光谱影像分类方法。利用三维Gabor滤波器提取出有助于分类的光谱-纹理特征,引入扩张卷积和残差... 详细信息

为了减轻高光谱影像分类网络模型对训练样本的依赖性并解决网络层数加深产生的性能退化问题,文章研究了三维Gabor滤波和多尺度残差网络的高光谱影像分类方法。利用三维Gabor滤波器提取出有助于分类的光谱-纹理特征,引入扩张卷积和残差学习构建多尺度残差网络模型进行深层次特征提取,实现不同尺度下局部和全局特征融合和分类。在两幅高光谱影像上对该方法和其他方法进行实验比较。结果表明,该方法获得了最优的分类结果,能够在训练样本有限的情况下提高分类精度。

关键词：卷积神经网络高光谱影像分类三维Gabor滤波扩张卷积残差学习