检索结果-南通市图书馆

仪器仪表学报 2021年第8期42卷 175-182页

作者：韩冉曾广淼王荣杰集美大学轮机工程学院厦门361021 福建省船舶与海洋工程重点实验室厦门361021

为了从有雨图像中恢复图像质量,提出了一种基于残差块网络的海面图像去雨算法。该算法将两种类型的残差块网络相结合,用于提取有雨图像的深层次信息。在训练过程中,学习有雨图像与原图之间的残差,使算法操作的图像目标值域缩小,稀疏性... 详细信息

为了从有雨图像中恢复图像质量,提出了一种基于残差块网络的海面图像去雨算法。该算法将两种类型的残差块网络相结合,用于提取有雨图像的深层次信息。在训练过程中,学习有雨图像与原图之间的残差,使算法操作的图像目标值域缩小,稀疏性增强。在训练数据集方面,我们采用室外雨天图像数据集和两种加雨算法进行模拟的海面雨天图像数据集,以此扩充训练样本。测试集图像我们选择3种不同类型的雨天场景图像,雨水的类型包括雨线和雨滴。实验结果表明了本文的去雨算法能够适用于不同的雨天场景,去雨处理后图像信噪比评价指标均在35以上,结构相似度均在0.97以上,总体上提升了图像的清晰度。

关键词：图像处理去雨算法残差块网络模型设计

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向海面目标检测的图像去雾方法研究

面向海面目标检测的图像去雾方法研究

引用

作者：韩冉集美大学

学位级别：硕士

在雾天情况下由于海面环境比较特殊,大部分区域的场景深度变化缓慢,容易受到雾天颗粒散射作用的影响,不利于海况监控、海面目标识别和跟踪等作业任务。为了提高有雾环境下图像检测识别的准确率,对海面雾天图像进行去雾处理的研究是必要... 详细信息

在雾天情况下由于海面环境比较特殊,大部分区域的场景深度变化缓慢,容易受到雾天颗粒散射作用的影响,不利于海况监控、海面目标识别和跟踪等作业任务。为了提高有雾环境下图像检测识别的准确率,对海面雾天图像进行去雾处理的研究是必要的。本文基于深度卷积神经网络,以海面雾天和雨天场景为研究对象,就去雾算法和去雨算法的网络结构设计、模型训练以及去雾算法在海面目标检测的应用方面展开了研究,主要内容包括:为了从有雨图像中恢复图像质量,提出了一种基于残差块网络的海面图像去雨算法。该算法将两种类型的残差块网络相结合,用于提取有雨图像的深层次信息。在训练过程中,学习有雨图像与原图之间的残差,使算法操作的图像目标值域缩小,稀疏性增强。通过对三种雨天场景的图像进行预测实验,实验结果表明了本文的去雨算法能够适用于不同的雨天场景,提升了图像的清晰度。针对海面环境比较单一、存在大面积天空区域等特点,提出了一种基于多尺度融合的海面图像去雾算法。该算法通过融合不同尺度的特征,拓宽了输入范围并获取雾天图像深层次信息,从而恢复雾天海面的图像质量。实验结果表明,本文的去雾算法克服了传统去雾算法容易出现颜色失真、光晕等问题,具有更好的去雾效果。雾天海面能见度低,直接影响了目标检测与识别。为了提高海面目标识别准确率,本文将多尺度融合的去雾算法与YOLOv4目标检测算法相结合,对不同浓度的雾天海面图像进行目标识别。实验结果表明,该方法能有效地识别浓雾环境下的海面目标,并且随着雾浓度的增加,去雾后的识别效果明显优于去雾前。

关键词：图像去雾算法残差块网络多尺度融合海面目标识别

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

基于单幅样本三维化的人脸识别技术研究

基于单幅样本三维化的人脸识别技术研究

引用

作者：杨豪沈阳理工大学

学位级别：硕士

人脸识别作为最近几十年里最热门的人工智能技术,已经发展的比较成熟。在生活中几乎无处不在,在各个方面都有广泛的应用。但是,它也存在着许多不足的地方,二维人脸识别的效果会受到环境因素以及人脸本身等多种综合因素的影响,而三维人... 详细信息

人脸识别作为最近几十年里最热门的人工智能技术,已经发展的比较成熟。在生活中几乎无处不在,在各个方面都有广泛的应用。但是,它也存在着许多不足的地方,二维人脸识别的效果会受到环境因素以及人脸本身等多种综合因素的影响,而三维人脸识别技术受到环境影响较小并且对于人脸信息有更好的识别,比二维人脸识别更有优势。因此本文研究了基于单幅样本三维化的人脸识别方法,提出了改进DECA的三维人脸重建与改进ResNet50网络的人脸识别方法。对于人脸重建,基于模型的三维人脸重建一直都是人脸重建的主流方法。这种方法需要以三维人脸数据库作为基础,不仅效率低,而且也不实用。对于此本文提出一种基于改进后的详细的表情捕捉和动画三维人脸重建,它可以从单幅图像里生成准确的人脸三维模型,包括脸部的表情、形状以及详细的面部几何形状。该方法可以精确的从单幅二维图像中重建出细腻的三维模型,具有速度快、效果好且不用三维人脸数据库作为依赖的优势。然后是将常用的人脸识别损失函数进行改进,针对于A-softmax损失函数所存在的一些分类能力有限、样本划分能力不足的问题,在A-softmaxloss的基础上进行改进,加入一个间隔m（margin）来增加损失函数的分类能力。最后设计一种基于深度学习的三维人脸识别网络,基于深度学习的优势再结合残差块网络,最后加上上述所改进的损失函数设计出一套完整的三维人脸识别网络。通过设置残差块的参数与个数可以更好的提取特征,减少计算量。最后的实验结果显示,重建后的三维人脸模型效果更好,本文所改进的该网络识别准确率比未改进之前提高了 5%,识别所用时间减少,符合实验要求。

关键词：三维人脸重建三维人脸识别损失函数残差块网络

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

基于毫米波信号的人体活动识别关键技术研究

基于毫米波信号的人体活动识别关键技术研究

引用

作者：田国森北京邮电大学

学位级别：硕士

现阶段在采用毫米波信号的人体活动无线感知领域中,使用的设备可大致分为 FMCW(Frequency-Modulated Continuous-Wave)毫米波雷达、802.11ad芯片、商用毫米波Wi-Fi。相比于前两者,后者的优点是无需修改硬件、日常生活中部署广泛等,人们... 详细信息

现阶段在采用毫米波信号的人体活动无线感知领域中,使用的设备可大致分为 FMCW(Frequency-Modulated Continuous-Wave)毫米波雷达、802.11ad芯片、商用毫米波Wi-Fi。相比于前两者,后者的优点是无需修改硬件、日常生活中部署广泛等,人们逐渐开始关注基于毫米波Wi-Fi的人体活动感知。对于60GHz毫米波Wi-Fi,亚6GHz频段下的活动识别领域中常采用的RSSI(Received Signal Strength Indication)和 CSI(Channel State Information)由于粗粒度及提取难度大等原因已不再适用,人们新引入一个中粒度测量值:空间波束信噪比,用于该领域。目前,基于波束信噪比的活动识别存在以下问题,一是未利用其时间维度信息致使无法在时间上连贯,而未能实现动作识别;二是利用设备在扇区扫描中收集到的全部扇区的波束信噪比构建离线数据集,数据维度过大。因此本文研究在基于商用毫米波Wi-Fi的场景下,实现低复杂度的人体姿势和动作识别系统。(1)针对当前研究无法使能动作识别的问题,首先搭建了国内较早的基于商用毫米波Wi-Fi的研究平台;其次,提出利用波束信噪比的时空信息来构建二维指纹特征,从而使能动作识别;并引入残差块神经网络来提高分类精度,在仅对姿势进行识别的情况下准确率达到了 92.33%,同时对姿势和动作识别时准确率为79.3%;现有应用一维指纹对姿势识别的研究准确率为88.8%,尚未发现对动作进行识别。(2)针对现有研究构建指纹时利用扇区扫描中的全部扇区的问题,本文提出了基于多种聚类方法和Kullback-Leibler散度的扇区选择算法,通过分析波束信噪比在时间维度上的信息,剔除全部扇区中对特定方向上的人体活动相对不敏感的扇区,进而构建离线指纹数据集,之后配合引入的残差块神经网络,相比于未进行扇区选择时,仅对姿势识别时训练所需数据量下降11.1%,识别精度下降不足0.3%;同时对动作和姿势进行识别时,数据量虽有所增长,但却可实现之前未能实现的动作识别。

关键词：毫米波Wi-Fi感知波束信噪比扇区选择残差块网络

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

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

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：