检索结果-南通市图书馆

检索条件"主题词=深度残差组"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于多模态空间特征融合的图像超分辨率重建及应用

基于多模态空间特征融合的图像超分辨率重建及应用

引用

作者：程什彭延安大学

学位级别：硕士

高分辨率遥感图像在多个领域具有重要意义。随着信号传输方向和传输带宽受多种因素影响,图像成像传感器不断升级与迭代。为解决遥感设备获取的低分辨率图像问题,将硬件水平结合图像超分辨率重建任务,以解决传感器成本高和成像技术不足... 详细信息

高分辨率遥感图像在多个领域具有重要意义。随着信号传输方向和传输带宽受多种因素影响,图像成像传感器不断升级与迭代。为解决遥感设备获取的低分辨率图像问题,将硬件水平结合图像超分辨率重建任务,以解决传感器成本高和成像技术不足导致的图像质量问题。深度学习领域的进步推动了基于深度学习方法的图像超分辨率重建任务的广泛研究。这些方法利用先验知识对模糊和低分辨率图像进行重建,从而实现高清晰度图像的生成。图像超分辨率重建不仅能提高图像清晰度,还能保持硬件性能,提升视觉效果。技术手段在图像超分辨率重建中的应用有助于降低整体硬件成本,同时确保产品质量。基于深度学习的方法对数据结构具有较强依赖性,因此需要合理划分训练集和验证集。然而,图像超分辨率重建任务对高分辨率图像的需求量大,这也带来了一定挑战。为解决网络架构对数据依赖性的问题,本研究提出了一种无监督学习方法用于图像重建输出。在无监督学习的图像超分辨率重建网络中,还引入了图像降质的概念。通过建立无监督形式的图像超分辨率重建算法架构,可以在网络训练过程中不依赖有标签的图像,而是采用无监督方法进行有效训练。这种方法不仅完成了图像超分辨率的重建任务,还减少了对原始图像数据的依赖性,更适合实际应用需求。此外,我们还将本文的图像超分辨率重建算法应用于军事炸点测量,通过对遥感图像采集的炸点视频进行帧间重建,并结合SAT多目标跟踪任务对炸点进行测量,实现了帧间炸点的重建应用。总结和展望全文,概括了文章的整体结构和网络方法,同时对实验内容和未来研究进行了展望。本文的主要创新工作包括以下三个方面。(1)针对单幅图像超分辨率重建领域,本研究提出了一种基于多模态融合嵌套注意力机制的轻量化网络方法。该方法致力于解决单目视觉下的图像超分辨率重建问题,采用了基于残差注意力的轻量化网络架构,并对深度残差注意力机制网络(RCAN)进行了优化,作为基准模型。新提出的深度残差多模态特征轻量化网络Incise SR-AWRCAN是一个由800多个卷积层构成的深度超分辨率架构。为了应对高复杂度和大量参数的挑战,引入了Incise SR网络架构,在最大程度上降低了模型内存资源占用率,同时保持了图像质量。此外,Incise SR-AWRCAN利用多模态特征融合方法,在输出部分采用自适应加权(AW)模块处理输出张量,进一步降低了模型复杂度。通过多尺度嵌套级联的网络架构,该网络实现了更强大、更有效、更精确的特征信息提取。为解决模型退化的不准确性问题,引入了下采样层以取代传统退化算法,并采用Si LU激活函数以加快损失函数的收敛。在残差组内部,采用了多线程特征提取计算方法,并结合多模态特征融合策略,使得Incise SR-AWRCAN在处理复杂场景图像时能够获得更高的PSNR和SSIM指标。(2)针对遥感图像超分辨率重建的研究领域,本研究提出了一种创新的注意力机制——空间半张量积通道双聚合网络SATMF,它在单图像算法的基础上进行了扩展。SATMF通过空间和通道的聚合结构,实现了特征的有效整合,通过交替的通道和空间注意力提取,增强了对全局上下文信息的捕捉能力。本研究进一步改进了现有的单图像超分辨率重建算法Incise SR-AWRCAN,开发了基于SATMF的遥感图像超分辨率重建方法。这一方法考虑了图像在空间和时间维度的相关性,通过融合多图像数据,实现了更精确的超分辨率重建。为了解决深度残差注意力网络在二维特征提取上的限制,引入了3D卷积,以提高感知数据融合和信息提取的效率。面对大量特征信息处理的挑战,本文设计了一种级联嵌套的残差链接网络结构,有效过滤了冗余的低频信号,同时集中处理了关键的高频成分。这些技术的引入和改进,极大提升了SATMF算法在农业遥感图像超分辨率重建任务中的性能。SATMF模型通过多模态空间特征融合架构,在深度残差块之间实现了不同尺度下的语义特征、动态特征和3D空间特征信息的有效整合。该模型采用了半张量积运算,简化了模型复杂度,提高了特征信息处理的效率。经过广泛的实验和评估,本研究提出的基于深度学习的解决方案在农业遥感应用中展示了其先进的多图像超分辨率技术,对该领域的发展做出了显著贡献。(3)在遥感图像超分辨率重建领域,本文探讨了双目视觉遮挡下的炸点检测及跟踪应用。特别关注了迫击炮弹药落点中炸点轨迹的重要性,以及多个迫击炮形成炸点时可能出现的炸点检测失败情况。为了解决这一问题,本研究将图像超分辨率重建任务应用于炸点检测算法。通过对视频炸点帧中的双目视觉遮挡、炸点粘连和模糊等情况进行图像超分辨率重建,实现了炸点运动轨迹的清晰可视化。此外,本研究还利用目标跟踪算法对炸点运动过程进行检测和回推计算。这一基于深度学习的解决方案为图像超分辨率重建领域带来了新的技术进展,具有重要的应用前景和实用价值。

关键词：深度残差组多模态特征融合空间通道双聚合模型轻量化 3D空间注意力机制线性回归

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

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

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

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

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：