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

基于细菌趋药性算法的盲图像分离方法

光电子．激光 2011年第3期22卷 451-454页

作者：郭艳菊陈雷于明李锵陈国鹰洒北工业大学信息工程学院天津300401 天津大学电子信息工程学院天津300072 天津商业大学信息工程学院天津300134 河北工业大学计算机科学与软件学院天津300401

提出了一种新的基于细菌趋药性(BC)算法的盲图像分离方法,利用图像信号的规范四阶累积量作为目标函数,使用BC算法对目标函数进行优化以实现图像的盲分离。每分离出一幅图像后,从混合图像中消除该幅图像成分后再进行下一次分离,从而最终... 详细信息

提出了一种新的基于细菌趋药性(BC)算法的盲图像分离方法,利用图像信号的规范四阶累积量作为目标函数,使用BC算法对目标函数进行优化以实现图像的盲分离。每分离出一幅图像后,从混合图像中消除该幅图像成分后再进行下一次分离,从而最终实现所有源图像的逐次分离。仿真结果表明,本文算法能够有效实现对多幅混合自然图像的盲分离,且具有较好的分离效果。

关键词：盲图像分离细菌趋药性(BC) 智能优化规范四阶累积量

在线全文

学校读者我要写书评

暂无评论

一种基于独立分量分析的模糊图像盲分离算法

计算机应用 2006年第10期26卷 2366-2368,2371页

作者：王毅齐华郝重阳西北工业大学电子信息学院陕西西安710072

利用独立分量分析(ICA)的不完整自然梯度算法对因混合而引起的多幅模糊灰度图像进行盲分离,并针对算法中的非线性函数与源信号概率分布密切相关,而源信号的分布却是未知的先验信息的问题,利用算法输出信号的峰度对非线性激活函数进行自... 详细信息

利用独立分量分析(ICA)的不完整自然梯度算法对因混合而引起的多幅模糊灰度图像进行盲分离,并针对算法中的非线性函数与源信号概率分布密切相关,而源信号的分布却是未知的先验信息的问题,利用算法输出信号的峰度对非线性激活函数进行自适应选择,提出了一种改进的自适应不完整自然梯度算法,并将其应用于模糊图像的盲分离,分析了不同混合矩阵对本文算法恢复原始灰度图像的影响及算法性能。仿真结果证明了本文算法与经典的FastICA算法相比,计算耗时更少、性能指标明显优越。

关键词：独立分量分析盲图像分离不完整自然梯度激活函数混合矩阵

在线全文

学校读者我要写书评

暂无评论

注意机制生成对抗网络单通道盲图像分离

中国科技论文 2021年第3期16卷 266-270页

作者：徐金东孙潇马咏莉欧世峰烟台大学计算机与控制工程学院山东烟台264005 烟台大学光电信息科学与技术学院山东烟台264005

针对单通道极端欠定状况及传统盲源分离(blind source separation,BSS)方法难以克服源信号独立、非高斯分布等多项约束和先验知识缺乏等问题,基于生成对抗模型的网络架构,提出了一种基于注意机制的单通道盲图像分离方法,将基于流形排序... 详细信息

针对单通道极端欠定状况及传统盲源分离(blind source separation,BSS)方法难以克服源信号独立、非高斯分布等多项约束和先验知识缺乏等问题,基于生成对抗模型的网络架构,提出了一种基于注意机制的单通道盲图像分离方法,将基于流形排序的视觉注意机制嵌入到分离网络中,增强目标的关键信息,以生成思想迭代分离混合图像。实验结果表明,融合注意机制的生成对抗网络能仅从单源数据中学习,无需多种先验约束,比经典盲源分离方法有更高的分离精度,与已知分布的神经网络分离方法相比,能更有效地分离单通道混合图像。

关键词：盲图像分离单通道生成对抗网络注意机制生成模型

在线全文

学校读者我要写书评

暂无评论

基于独立剩余量的图像盲分离

基于独立剩余量的图像盲分离

2007第三届中国智能交通年会

作者：夏斌上海海事大学

本文提出一种基于独立剩余量的图像盲分离算法。在分离具有时序相关信号的问题中,传统的盲信号分离算法不能得到很好的分离效果。为了获得理想的分离效果,我们同时运用信号的高阶统计量和时序结构,并将分离过程置于剩余量的层面来进行... 详细信息

本文提出一种基于独立剩余量的图像盲分离算法。在分离具有时序相关信号的问题中,传统的盲信号分离算法不能得到很好的分离效果。为了获得理想的分离效果,我们同时运用信号的高阶统计量和时序结构,并将分离过程置于剩余量的层面来进行。剩余量信号是将源信号时序结构抽取以后的部分,不同分量之间是相互独立的。通过最小化剩余量信号的互信息,导出最小化互信息的代价函数。然后,我们给出一种高效的学习算法。从本文最后给出的数值例子可以看出,文中提出的算法有很好的分离效果。

关键词：盲分离独立剩余量盲图像分离

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于动态模态分解的几类应用研究

基于动态模态分解的几类应用研究

学位级别：硕士

本文基于动态模态分解(Dynamic Mode Decomposition,DMD)的方法,研究了混沌信号、图像信号以及流行病等数据相关的几类应用问题.具体包括混沌信号的盲源分离问题、图像信号的盲源分离问题、手足口病病例数的预测以及时空相干模态的提取... 详细信息

本文基于动态模态分解(Dynamic Mode Decomposition,DMD)的方法,研究了混沌信号、图像信号以及流行病等数据相关的几类应用问题.具体包括混沌信号的盲源分离问题、图像信号的盲源分离问题、手足口病病例数的预测以及时空相干模态的提取问题.论文主要内容由以下几部分构成.本文首先介绍了动态模态分解方法,它是一种无方程、数据驱动的,通过将复杂系统分解为时空相干结构的算法.因为它通过库普曼算子理论与潜在的非线性动力系统联系起来,DMD随后得到了更广泛的普及.一般情况下,DMD算法可以完成以下三个主要任务:(1)作为诊断工具来提取高维系统的低秩时空相干结构;(2)作为预测工具,可以根据重构数据对系统状态进行预测;(3)从数据驱动的角度为复杂动力系统提供鲁棒的控制策略.本文运用带有时滞τ的动态模态分解(τ-DMD)方法,处理混沌信号的盲源分离问题以及图像信号的盲源分离问题.充分利用了将观测到的混合信号分解为一组非正交模态的原理,τ-DMD方法将以上盲分离问题转化成一个只依赖于数据的低维模态分解问题.具体内容涉及以下三个方面:(1)对于混沌信号的盲分离问题,分别在有无噪声的情况下对混沌系统产生的信号进行模拟,发现相比于一些传统的盲分离方法,τ-DMD方法的分离效果更好.同时,以去除心电图(Electrocardiogram,ECG)中的噪声伪影和脑电图(Electroencephalogram,EEG)中的眼部伪影为例展示了τ-DMD方法应用于医学信号的潜力.(2)对于图像信号的盲源分离问题,τ-DMD方法对于合成的混合图像和真实的混合图像中都展示出很好的分离效果.(3)最后,首次将τ-DMD方法应用于加密图像的解密过程中,从而实现图像的安全传输.接下来,受Hankel矩阵构造的启发,本文提出了一种基于Hankel矩阵的动态模态分解(Hankel-based Dynamic Mode Decomposition,Hankel-based DMD)方法,分析中国大陆手足口病的时空分布特征以及预测月发病数量.该方法的核心思想是将多个数据快照的时移副本进行叠加,从而形成一个原始低维数据矩阵的高维版本.与传统的DMD方法相比,Hankel-based DMD方法基于有效的重构结果,可以更准确地预测各地区未来12个月手足口病病例数.Hankel-based DMD算法计算得到的连续时间特征值可用于识别频率内容,特别是能够自动识别出手足口病爆发的年周期频率.同时,计算得到的每个模态能识别出所有区域在疾病传播的相应动态模式中的参与度.最后,计算的模态还提供不同地区感染高峰时间的相对相位信息,以上信息对规划手足口病疫苗资源配置具有重要意义.

关键词：动态模态分解盲混沌信号分离盲图像分离图像加密和解密 Hankel矩阵手足口病疾病预测时空相干模态提取

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

基于生成对抗网络的图像分离研究与应用

基于生成对抗网络的图像分离研究与应用

作者：孙潇烟台大学

学位级别：硕士

生成对抗网络在学习高维、复杂的大型数据分布上具有巨大潜力,在机器学习领域受到极大重视。学习过程不必再依赖任何关于空间分布的假定,可以简单地从一个潜在空间直接生成一个具有真实属性的样本,这种强大的性能使得生成对抗网络被广... 详细信息

生成对抗网络在学习高维、复杂的大型数据分布上具有巨大潜力,在机器学习领域受到极大重视。学习过程不必再依赖任何关于空间分布的假定,可以简单地从一个潜在空间直接生成一个具有真实属性的样本,这种强大的性能使得生成对抗网络被广泛应用于图像合成、影像属性编辑、图像翻译等多个研究领域。生成模型可以作为解决机器学习技术领域各类问题的特殊解决办法,如解决标签型数据缺乏等,通过提供少量已知信息即可处理其他技术领域的一些任务。当前生成对抗网络主要以生成思想和判别思想互相博弈的方式处理图像领域的相关问题。本文以生成对抗网络的发展为入手点,利用对抗网络结构的可变性和兼容性,创新生成对抗网络结构并将其应用至盲图像分离领域,旨在以生成思想解决盲源分离问题,是在生成对抗网络发展及盲源分离领域的应用探索。本文主要研究了生成对抗网络在单通道盲图像分离应用、将高维遥感图像的云遮挡问题以源混合角度进行分析,并将生成对抗网络迁移应用至级联生成对抗网络进行云雾去除等。主要研究工作概括如下:（1）针对单通道极端欠定状况及传统盲源分离方法难以克服源信号独立、非高斯分布等多项约束和先验知识缺乏等问题,在生成对抗模型的网络架构下,提出了一种基于注意机制的单通道盲图像分离方法,该模型引入自我注意力机制解决图像细节模糊的问题,在图像分离过程中保留图像细节。与基于生成对抗网络的神经蛋分离等现有单通道盲源分离算法相比,该分离算法的详细特征信息更加突出,并且混合图像中的源信号也得到了完整分离,比传统的盲源分离具有更好的分离性能。在此项工作的基础上改进网络结构和注意机制并提出了另一种分离网络模型。为构造轻量级生成对抗网络,尝试以损失函数代替判别器,将基于流形排序的视觉注意机制嵌入到分离网络中,从而增强目标的关键信息,以生成思想迭代分离混合图像。实验结果表明,融合注意机制的生成对抗网络能仅从单源数据中学习,无需多种先验约束,比经典盲源分离方法取得了更高的分离精度,与已知分布的神经网络分离方法相比,该方法能更有效地分离单通道混合图像。（2）针对图像训练对的去雾算法难以应对遥感图像中训练样本对不足、模型泛化的问题,将带雾图像视为源混合图像,把去雾过程看做提取地物源的过程。基于以上研究思路,提出了基于级联生成对抗网络的遥感图像去雾方法,通过UGAN（U-Net Generative Adversarial Networks）学习使用未配对的遥感图像和带雾遥感图像引导PAGAN（Pix Attention Generative Adversarial Networks）进行正确的去雾。为了使模型生成的带雾遥感图像和去除雾后的遥感图像之间的差异最小化,在PAGAN中加入了自我注意机制,生成器生成高分辨率的细节特征,判别器检查遥感图像中高级特征之间的差异。与经典方法和神经网络去雾方法相比,级联生成对抗网络方法无需大量成对数据反复训练网络,实验结果表明该方法能够有效地去除雾和薄云,目视效果和定量指标上均优于对比方法。

关键词：生成对抗网络盲图像分离单通道注意机制生成模型