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

基于卡尔曼滤波算法展开的飞行目标轨迹预测

系统工程与电子技术 2023年第6期45卷 1814-1820页

作者：戴礼灿刘欣张海瀛代翔王成刚中国电子科技集团公司第十研究所第二实验室四川成都610036

目标轨迹预测是保证目标航行安全、规划飞行航迹和搜寻空中目标等任务的关键技术,在军事和交通管制等方面具有重要意义。针对传统飞行目标轨迹预测方法模型较为简化且预测精度较低的问题,提出了基于卡尔曼滤波算法展开的深度神经网络模... 详细信息

目标轨迹预测是保证目标航行安全、规划飞行航迹和搜寻空中目标等任务的关键技术,在军事和交通管制等方面具有重要意义。针对传统飞行目标轨迹预测方法模型较为简化且预测精度较低的问题,提出了基于卡尔曼滤波算法展开的深度神经网络模型,用于飞行目标的轨迹预测任务。该模型通过长短时记忆(long short-term memory, LSTM)网络从目标的航迹数据中学习目标的运动状态,再利用卡尔曼滤波算法对LSTM预测的目标状态估计值进行动态修正,其有效结合了卡尔曼滤波算法和深度神经网络各自的优势。在仿真数据和真实数据上的实验验证了所提模型较其他网络模型对飞行目标轨迹预测的准确性和有效性优势。

关键词：卡尔曼滤波轨迹预测长短时记忆网络算法展开

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于算法展开的图像盲去模糊深度学习网络

山东大学学报（工学版） 2023年第6期53卷 35-46页

作者：王旭晴魏伟波杨光宇宋金涛吕婷潘振宽青岛大学计算机科学技术学院山东青岛266071

针对图像盲去模糊问题,基于变分模型的迭代优化展开形式设计了相应的变分深度学习网络,有效克服了传统变分方法计算效率低和深度学习方法可解释性差的问题。设计网络包含2部分:利用算法展开策略实现基于L_(0)正则化估计模糊核的子网络;... 详细信息

针对图像盲去模糊问题,基于变分模型的迭代优化展开形式设计了相应的变分深度学习网络,有效克服了传统变分方法计算效率低和深度学习方法可解释性差的问题。设计网络包含2部分:利用算法展开策略实现基于L_(0)正则化估计模糊核的子网络;基于估计的模糊核及图像恢复正则化模型的非盲去卷积子网络,该子网络充分利用了双通道的编解码网络结构。为确保模糊核估计的准确性和图像内容的一致性,损失函数由均方误差损失和结构相似性损失构成。L_(0)正则化的使用有助于快速准确地完成模糊核估计;图像恢复正则化模型的使用有助于边缘和图像细节的保持。在Levin数据集上的试验结果表明,所提算法在峰值信噪比上较目前先进算法至少提高了2.14 dB。

关键词：图像去模糊算法展开正则化方法模糊核估计深度学习

在线全文

学校读者我要写书评

暂无评论

基于算法展开的图像压缩感知方法研究

基于算法展开的图像压缩感知方法研究

作者：丁琪峰江苏大学

学位级别：硕士

近年来,随着人工智能、云计算、大数据等科技的快速发展,数字信息呈现快速增长。传统的奈奎斯特-香农采样定理(Nyquist–Shannon sampling theorem)认为为了准确重建信号,必须以高于信号带宽两倍的采样率进行采样。虽然这种方法在传统... 详细信息

近年来,随着人工智能、云计算、大数据等科技的快速发展,数字信息呈现快速增长。传统的奈奎斯特-香农采样定理(Nyquist–Shannon sampling theorem)认为为了准确重建信号,必须以高于信号带宽两倍的采样率进行采样。虽然这种方法在传统信号处理领域被广泛应用,但随着数据不断增长,对大规模数据进行高采样率采样和存储已变得越来越不现实。因此如何减少采样量来实现信号的压缩和恢复成为一个待解决的问题。压缩感知(Compressive sensing)技术突破了奈奎斯特-香农采样定理的限制,可以在低采样率下恢复信号,这是因为许多实际信号具有稀疏性或近似稀疏性,可以使用压缩感知算法来实现信号重构。基于深度学习的压缩感知是近年来压缩感知领域的一个热门研究方向,与传统的压缩感知方法相比,基于深度学习的压缩感知方法具有更好的泛化能力和重构质量。然而,现有的深度学习模型存在块效应、重构质量待提高、缺乏可解释性和灵活性不足等问题。因此,本文旨在研究从信息缺失严重的测量数据中重构高质量图像的算法,并致力于解决现有算法中存在的问题。本文的主要工作和贡献为:(1)提出了一种基于分裂增广拉格朗日收缩(Split Augmented Lagrangian Shrinkage Algorithm,SALSA)算法展开的二次优化视角的深度网络模型,名为SALSA-Net,探索处理目前图像压缩感知重构算法可解释不足、重构质量待提高等问题。该模型分为三部分,即采样、初始重构和深度重构部分。采样部分基于卷积采样实现,利用信号的稀疏性和纹理特征来提高重构质量,无须人工干预。重构部分将SALSA算法的更新映射到深度网络上,并将模型分解为求解两个子问题和一个辅助更新问题,从而继承了SALSA算法的良好可解释性。该模型的所有参数都是基于端到端学习进行优化的,并对参数进行正向约束以确保其正确收敛,从而提高网络稳定性。实验结果表明,相比现有的深度展开方法,所提出的方法可以有效地重建图像细节纹理信息,具有良好的重建视觉效果。(2)提出了一种结合非局部自相似性先验和算法展开的深度网络模型,名为SALSANet+,旨在处理SALSA-Net引入先验不足,且需要针对多个采样率训练多个模型等问题。在初始重构阶段,该模型考虑了图像的非局部先验信息,利用图像中不同块之间的相关性获得参考采样值,通过不同区域之间的相关性和纹理信息消除逐块重建的块效应,从而得到更优的初始重建图像。在深度重构阶段,SALSA-Net+采用自适应策略,通过少量参数引导实现训练单个模型适用于多个采样率下的图像重建。实验结果表明,SALSA-Net+可以实现高质量的灵活采样和重建,并且在低采样率下具有更为突出的重构性能。

关键词：压缩感知 SALSA 深度学习算法展开稀疏恢复

基于Gabor基算法展开卷积神经网络图像恢复模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机科学与应用 2023年第5期13卷 1119-1134页

作者：孙璐魏伟波杨光宇宋金涛李倩潘振宽青岛大学计算机科学技术学院山东青岛

基于变分的图像恢复模型可设计高效的即插即用算法,但涉及较多的超参数调节,且去噪器模块通常选择传统深度学习方法,网络层数和训练参数较多。针对此问题,在变分模型算法展开——半二次分裂方法基础上采用径向基函数近似非线性扩散模型... 详细信息

基于变分的图像恢复模型可设计高效的即插即用算法,但涉及较多的超参数调节,且去噪器模块通常选择传统深度学习方法,网络层数和训练参数较多。针对此问题,在变分模型算法展开——半二次分裂方法基础上采用径向基函数近似非线性扩散模型的激活函数、采用Gabor基近似卷积核,进而设计了高效紧致的图像恢复深度学习卷积神经网络。Gabor基比离散余弦变换基包含更丰富的方向、尺度信息,可设计高效、紧致的网络结构。与非线性反应扩散模型相比,模型针对图像去噪在噪声级为15、25、50对应的峰值信噪比高出0.14 dB、0.7 dB、0.7 dB,在其它图像问题中也展现出良好的恢复效果。提出的框架不仅能够推广到其它图像恢复任务,还可拓展到其它图像分析与处理的深度学习卷积神经网络设计。

关键词：图像恢复半二次分裂 Gabor基卷积神经网络算法展开

可解释性智能监测诊断网络构造及航空发动机整机试车与中介轴承诊断应用

维普期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2024年第12期60卷 90-106页

作者：王诗彬王世傲陈雪峰黄海安波涛赵志斌刘永泉李应红西安交通大学航空动力系统与等离子体技术全国重点实验室西安710049 西安交通大学机械工程学院西安710049 中国航空发动机集团公司沈阳发动机研究所沈阳110015

航空发动机故障预测与健康管理是提高航空发动机安全性、可靠性以及经济可承受性的关键技术。基于深度学习的人工智能方法在机械故障诊断领域受到广泛关注并开展了深入研究,但现有深度学习“黑箱算法”的现状仍然存在模型可解释性差、... 详细信息

航空发动机故障预测与健康管理是提高航空发动机安全性、可靠性以及经济可承受性的关键技术。基于深度学习的人工智能方法在机械故障诊断领域受到广泛关注并开展了深入研究,但现有深度学习“黑箱算法”的现状仍然存在模型可解释性差、理论基础薄弱等问题。针对航空发动机健康管理与智能运维的迫切需求,提出航空发动机可解释性智能监测诊断网络,并在某型涡扇发动机整机长试试验中验证了异常检测与中介轴承故障诊断的有效性。将发动机振动信号先验信息融入稀疏表示模型,对模型的迭代求解算法进行展开得到结构具有可解释性的核心网络;针对航空发动机异常检测与智能诊断任务构造了基于对抗训练框架的可解释性异常检测子网络和基于特征提取框架的可解释性故障诊断子网络。本文提出的基于迭代算法展开的网络构造框架具备明确的理论基础,即网络设计有依据;稀疏表示模型驱动的可视化方法能够检验网络是否学到了与发动机故障相符的有意义的特征,即学习结果可信任。最后,通过某型涡扇发动机整机长试试验积累的超过500小时的试车数据,验证了本文提出的模型驱动的可解释性智能监测诊断网络在航空发动机异常检测与中介轴承故障诊断方面的有效性与可靠性。

关键词：航空发动机健康管理可解释性人工智能算法展开异常检测故障诊断

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于深度稀疏低秩网络的图像去噪算法研究

基于深度稀疏低秩网络的图像去噪算法研究

作者：方祯煜南京邮电大学

学位级别：硕士

图像去噪是图像处理中的一个重要研究方向,被广泛地应用于医学诊断、安全监控以及遥感影像等领域。图像去噪算法主要包括基于模型方法和基于深度学习方法。基于模型的去噪方法通过图像先验知识定义图像去噪模型,去噪模型就有准确的数学... 详细信息

图像去噪是图像处理中的一个重要研究方向,被广泛地应用于医学诊断、安全监控以及遥感影像等领域。图像去噪算法主要包括基于模型方法和基于深度学习方法。基于模型的去噪方法通过图像先验知识定义图像去噪模型,去噪模型就有准确的数学定义。基于深度学习方法通过深度神经网络直接将噪声图像映射到干净图像,能取得较好的性能提升,但去噪网络的可解释性较差。为了有效集成这两种方法各自优点,本文利用算法展开技术,针对深度稀疏和低秩模型引导的去噪网络开展研究。研究内容主要如下:(1)提出了一种基于深度双层群稀疏编码的图像去噪网络。首先,结合群稀疏编码模型提出了一种双层群稀疏编码模型(Two-Layer Group Sparse Coding,TLGSC),该模型核心思想是对群稀疏系数进一步进行稀疏编码,提升对图像中复杂结构的表示能力。然后,利用算法展开技术将TLGSC模型的迭代优化求解步骤展开成双层群稀疏编码网络(Two-Layer Group Sparse Coding Network,TLGSC-Net)。通过合成噪声实验结果分析,TLGSC-Net去噪后的图像能够保留更多的细节信息,相较于现有基于算法展开的去噪算法具有更好的去噪效果。(2)提出了一种基于深度动态低秩矩阵分解的高光谱图像去噪网络。考虑到高光谱图像的低秩特性以及对图像的结构特征进行有效表示,提出了一种动态低秩矩阵分解模型(Dynamic Low Rank Factorization,DLRF),然后利用算法展开技术将DLRF模型的迭代优化解展开成动态低秩矩阵分解网络(Dynamic Low Rank Factorization Network,DLRF-Net)。此外,采用了权重分配支路为DLRF-Net动态分配权重。通过合成噪声和真实噪声实验结果分析,DLRF-Net相比于高光谱图像去噪对比算法具有一定的去噪优势。(3)提出了一种基于深度低秩稀疏编码的高光谱图像去噪网络。针对基于深度学习的高光谱图像去噪算法缺乏对高光谱图像去噪领域知识的理解,提出了一种低秩稀疏编码模型(Low Rank Sparse Coding,LRSC),然后利用算法展开技术将LRSC模型的迭代优化解展开成低秩稀疏编码网络(Low Rank Sparse Coding Network,LRSC-Net),其中网络推理过程和迭代优化过程相同,网络参数和优化模型参数也具有相同的数学定义,因此网络参数具有可解释性。此外,通过合成噪声和真实噪声实验结果验证分析,LRSC-Net在细节保留和清晰度等方面相较对比算法取得了更好的效果。

关键词：图像去噪算法展开深度神经网络群稀疏编码低秩稀疏编码

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

散射成像图像复原的深度网络算法研究

散射成像图像复原的深度网络算法研究

作者：金晴国防科技大学

学位级别：硕士

雾天条件下,空气中存在大量的悬浮颗粒物,这些颗粒物会散射部分可见光,使得到达光学成像系统的光强减弱,成像质量下降。散射现象给视觉系统的目标检测和识别等任务带来了困难,散射图像的复原有重要的研究价值。深度学习方法为散射成像... 详细信息

雾天条件下,空气中存在大量的悬浮颗粒物,这些颗粒物会散射部分可见光,使得到达光学成像系统的光强减弱,成像质量下降。散射现象给视觉系统的目标检测和识别等任务带来了困难,散射图像的复原有重要的研究价值。深度学习方法为散射成像图像复原提供了数据驱动的解决方案,但是通常需要大量的训练数据才能提取到丰富的特征。并且仍然存在全局联系不紧密、处理重点不突出等问题。除此之外,深度学习方法的可解释性也是重要的研究方向,缺乏可解释性限制了理论的发展和实践中的应用。本文针对散射造成图像清晰度下降的问题,研究利用端对端网络重建原始清晰图像。针对神经网络缺乏可解释性和没有区分辨别关键信息的问题,本文改进并实现了两种网络结构,在定性和定量指标上效果都有所提升。主要内容包括以下两个方面:(1)散射成像图像复原的算法展开网络。针对散射成像图像复原的神经网络方法需要大量训练数据及缺乏可解释性的问题,设计了可解释的算法展开网络。首先在大气散射模型的基础上,加入稀疏正则化先验,设计了一个优化模型。然后将优化问题分解为多个子问题,使用交替极小化方法构建迭代框架。再利用算法展开技术将迭代算法展开成一个端对端网络,将可学习模块嵌入到网络中。算法展开网络利用反向传播学习传统迭代算法中难以设计的参数。在每层网络中参数可以取不同值,参数不再保持固定,模型更加灵活。此外,算法展开网络根据目标具体设计,降低了对训练数据的要求,具有更好的泛化性能。通过合成数据集和真实场景的数据集对算法展开网络进行测试,实验结果验证了算法展开网络可以较大程度地提高图像的视觉感受,在定量指标上可以达到更好的效果。(2)散射成像图像复原的注意力网络。针对散射成像图像复原的卷积神经网络方法全局信息提取不充分,特征提取重点不突出的问题,设计了注意力网络,增强特征筛选性能。在卷积神经网络的基础上,加入了挤压激励注意力模块,根据通道的重要性,自适应地调整特征权重,提高网络性能。注意力网络主要包含两部分:编码器解码器提取特征,金字塔池化模块进一步增强复原图像的细节。注意力网络能更快地提取感兴趣的信息,抑制背景信息,在散射图像中快速定位到雾气浓重的区域,挖掘背后隐藏的信息。通过不同浓度的真实场景下的数据集对注意力网络进行测试,验证了注意力网络能够有效地恢复出浓雾下拍摄的图像场景深处的信息,降低雾气残留度。复原图像在主观感受和客观评价标准上都有明显提高。

关键词：散射成像图像复原大气散射模型算法展开注意力机制

基于变分深度神经网络的模糊图像盲复原算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于变分深度神经网络的模糊图像盲复原算法研究

作者：王旭晴青岛大学

学位级别：硕士

模糊图像盲复原问题是典型的病态反问题。变分方法和深度学习方法是解决该问题的有效手段。前者依据模糊图像的退化过程准确建立能量泛函模型,具有良好的可解释性,但计算效率低;后者基于数据驱动学习图像特征,实现网络参数的适应性调整... 详细信息

模糊图像盲复原问题是典型的病态反问题。变分方法和深度学习方法是解决该问题的有效手段。前者依据模糊图像的退化过程准确建立能量泛函模型,具有良好的可解释性,但计算效率低;后者基于数据驱动学习图像特征,实现网络参数的适应性调整,求解计算效率高但可解释性相对较差。依据算法展开策略建立的变分深度神经网络结合了两种方法的优势,在提高计算效率的同时增加了网络模型的可解释性。因此,本文基于变分深度神经网络,对模糊图像盲复原问题展开研究,提出了两种网络模型:(1)基于L正则化的展开式模糊图像盲复原网络。网络模型是基于经半二次分裂算法优化后的变分模型设计得到的,包括特征提取、模糊核估计以及非盲去模糊三个模块,变分模型中的一次迭代求解过程对应展开式网络结构中的一层。在模型设计过程中,利用级联的卷积操作逐渐细化提取到的模糊图像特征,近似图像处理中的金字塔策略,并使用改进的硬阈值线性修正单元解决L正则化在求解过程中的不连续性问题。(2)基于改进编解码结构的模糊图像盲复原深度展开网络。在两步法实现模糊图像复原过程中,模糊核估计产生的误差会对复原后的图像产生一定的影响,尤其是在模糊核较大较复杂的情况下,影响结果更加明显。因此,本文结合模糊核误差模型,设计了双通道的编解码网络模型完善图像的复原过程,并将其嵌入到基于变分模型的去模糊框架下,有效地计算去模糊阶段中的迭代求解过程。最后,结合均方误差损失和结构相似性损失展开训练过程,确保模糊核估计的准确性和图像内容的一致性。本文将提出的盲复原算法应用于不同的运动模糊场景。实验结果表明,本文基于迭代格式展开设计的盲复原网络相较于目前先进算法,参数量少、计算效率高,同时网络结构与迭代求解过程相对应,具有良好的可解释性。在针对不同数据集的盲复原结果中,本文模型的复原效果具有更清晰的细节和锐利的边缘。

关键词：盲复原正则化方法算法展开模糊核估计深度学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向图像去噪的深度双层群稀疏编码网络

计算机工程与应用 2023年第21期59卷 195-203页

作者：方祯煜尹海涛南京邮电大学自动化学院、人工智能学院南京210023

当前基于深度学习的图像去噪方法主要是利用深度神经网络将噪声图像直接映射到干净图像,忽略了图像去噪任务知识。针对该问题,提出了一种基于双层群稀疏编码的深度图像去噪网络。为了充分利用图像中相似结构以及对相似块之间的特异性有... 详细信息

当前基于深度学习的图像去噪方法主要是利用深度神经网络将噪声图像直接映射到干净图像,忽略了图像去噪任务知识。针对该问题,提出了一种基于双层群稀疏编码的深度图像去噪网络。为了充分利用图像中相似结构以及对相似块之间的特异性有效表示,提出了双层群稀疏编码图像去噪模型,并表示成l_(2,1)-l_(1)范数优化问题。利用算法展开技术将所提去噪模型的优化解转化成“端到端”的深度神经网络。为了进一步提高网络训练的稳定性,所提去噪网络中引入一种改进的残差连接。在BSD68、Set12、CBSD68、Kodak24和Urban100等常用数据集上的实验结果表明,所提算法在主观视觉质量和客观评价指标上优于一些主流的去噪方法。特别地,针对噪声等级为75,所提算法在CBSD68数据集上比经典的DnCNN算法平均PSNR指标提高了1.3 dB。

关键词：图像去噪群稀疏编码深度神经网络算法展开残差连接