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

电容层析成像系统自适应电容归一化模型研究

电测与仪表 2019年第20期56卷 42-46页

作者：张立峰宋亚杰华北电力大学自动化系

电容层析成像(ECT)系统中,测量电容值归一化是使用图像重建算法进行图像重建的必要步骤。在串、并联归一化模型的基础上,提出了兼具两者优势的自适应归一化模型。根据中心电场线(EFCL)将成像区域分为两个区域,将两区域剖分单元到中心电... 详细信息

电容层析成像(ECT)系统中,测量电容值归一化是使用图像重建算法进行图像重建的必要步骤。在串、并联归一化模型的基础上,提出了兼具两者优势的自适应归一化模型。根据中心电场线(EFCL)将成像区域分为两个区域,将两区域剖分单元到中心电场线的最小距离与最大距离的比值作为该模型的自适应因子,因此该模型结合了串联模型在管道截面外围及并联模型在中心区域成像效果较好的特点,并且可根据电介质的分布位置调节自适应因子,达到最优的成像效果。仿真及实验结果表明基于该模型的重建图像质量优于并联及串联模型。

关键词：电容层析成像图像重建电容归一化自适应归一化中心电场线

在线全文

学校读者我要写书评

暂无评论

基于多尺度卷积残差遥感图像超分重建研究

计算机技术与发展 2024年第8期34卷 151-157页

作者：张剑飞屠艳杰黑龙江科技大学计算机与信息工程学院黑龙江哈尔滨150022

针对现有遥感图像超分辨率重建技术在纹理细节恢复、伪影抑制和模型收敛等方面存在的问题,提出一种基于生成对抗网络的超分模型RS-SRGAN(Residual-SN-SimAM SRGAN)。首先,在生成器中应用多尺度卷积的密集剩余残差卷积块(Residual-in-Res... 详细信息

针对现有遥感图像超分辨率重建技术在纹理细节恢复、伪影抑制和模型收敛等方面存在的问题,提出一种基于生成对抗网络的超分模型RS-SRGAN(Residual-SN-SimAM SRGAN)。首先,在生成器中应用多尺度卷积的密集剩余残差卷积块(Residual-in-Residual Density Conv Block,RRDCB)进行深层特征提取,更好地恢复图像细节,同时去除批归一化(BN)提高模型的泛化能力。然后,在判别器中引入自适应归一化(SN)层替代传统的BN层,使网络能够自适应地提取图像特征,并加速模型的收敛。最后,通过集成无参的SimAM注意力机制,增强判别器捕获和理解图像中的关键局部细节能力,在不额外增加参数的基础上有效提高模型的鉴别能力,进一步提高图像的生成质量。实验结果表明,与原始的SRGAN相比,改进的模型在UCMLU和NWPU数据集上的峰值信噪比(PSNR)分别提升了1.0754 dB和0.3492 dB,结构相似性(SSIM)分别提升了0.0049和0.0070。该研究为遥感图像超分辨率的研究和应用提供了新的视角和技术基础。

关键词：遥感图像超分辨率生成对抗网络自适应归一化注意力机制

在线全文

学校读者我要写书评

暂无评论

跨域人脸活体检测的单边对抗网络算法

计算机工程与应用 2024年第5期60卷 103-111页

作者：曾凡智吴楚涛周燕佛山科学技术学院计算机系广东佛山528000

现有跨域人脸活体检测算法,其特征提取过程容易发生过拟合和缺乏特征聚合所导致的泛化性不足问题。针对该问题,提出了跨域人脸活体检测的单边对抗网络算法,将分组卷积与改进的倒残差结构融合替换普通卷积,降低网络参数同时加强人脸细粒... 详细信息

现有跨域人脸活体检测算法,其特征提取过程容易发生过拟合和缺乏特征聚合所导致的泛化性不足问题。针对该问题,提出了跨域人脸活体检测的单边对抗网络算法,将分组卷积与改进的倒残差结构融合替换普通卷积,降低网络参数同时加强人脸细粒度特征的表达能力,并引入自适应特征归一化模块,强调图像中人脸活体信息区域淡化无关背景区域,有效避免人脸活体信息的过拟合并加强来自不同源域的人脸活体检测能力。基于NetVLAD引入通道注意力机制模块,通道注意力机制模块作为特征聚合网络的分支,学习不同源域中人脸局部特征的语义信息,有效增强对不同源域的人脸活体信息分类的泛化能力。设计两模块融合网络以提高未知场景下跨域人脸活体检测精度。在OULU-NPU、CASIA-FASD、MSU-MFSD和Idiap Replay-Attack数据集上的实验结果表明,该算法在跨数据集测试O&C&M to I、O&C&I to M、I&C&M to O、O&M&I to C均有不错的表现,其中,在O&C&I to M及O&M&I to C性能评估指标分别提升了0.99个百分点和0.5个百分点的精度。

关键词：域泛化生成对抗网络人脸活体检测自适应归一化注意力机制

基于谱残差显著区域检测的图像分辨率归一化方法

在线全文

学校读者我要写书评

暂无评论

西北工业大学学报 2014年第6期32卷 872-876页

作者：余瑞星朱丹高路郭冬梅西北工业大学航天学院陕西西安710072 上海无线电设备研究所上海200090

根据人类视觉系统的特点,提出一种自适应归一化图像分辨率的预处理方法。该方法通过计算图像灰度分布情况,根据图像所包含显著区域大小的不同,自适应的确定图像分辨率,打破了谱残差算法无论什么图像均将其归一化为固定分辨率大小(64×64... 详细信息

根据人类视觉系统的特点,提出一种自适应归一化图像分辨率的预处理方法。该方法通过计算图像灰度分布情况,根据图像所包含显著区域大小的不同,自适应的确定图像分辨率,打破了谱残差算法无论什么图像均将其归一化为固定分辨率大小(64×64)的局限;同时该算法还能够根据图像中所包含目标的不同大小,完整地提取出所有显著性目标,有效克服了谱残差算法倾向于小目标检测的缺点。实验结果表明:相对于谱残差算法,新算法简单,耗时少于0.1 s,检测准确率提高约15%,可以得到显著区域更为全面的检测效果。

关键词：视觉注意谱残差自适应归一化分辨率预处理

在线全文

学校读者我要写书评

暂无评论

多分支修复网络的沙尘降质图像增强算法

计算机工程与应用 2023年第24期59卷 227-237页

作者：丁元邬开俊兰州交通大学电子与信息工程学院兰州730070

目前基于深度学习的沙尘图像增强算法大多类似于图像去雾算法,但由于以下两个方面的原因效果并不理想且弱于一些传统图像处理算法:由于沙尘图像整体色彩偏黄,去雾算法会忽略沙尘图像的色彩恢复问题;由于缺乏大规模基准数据集,深度神经... 详细信息

目前基于深度学习的沙尘图像增强算法大多类似于图像去雾算法,但由于以下两个方面的原因效果并不理想且弱于一些传统图像处理算法:由于沙尘图像整体色彩偏黄,去雾算法会忽略沙尘图像的色彩恢复问题;由于缺乏大规模基准数据集,深度神经网络在有限的数据上学习从沙尘图像到清晰图像的映射是非常困难的。提出一种基于多分支修复网络的沙尘降质图像增强算法;此外,基于大气散射模型构建了一个新型沙尘图像数据集。算法将神经网络分为三个子网,包括迁移学习子网、色彩恢复子网和数据拟合子网,每个子网有其特殊的作用,沙尘图像分别经过三个子网处理,然后将三子网结果通过一个可学习的融合层映射为清晰图像。实验结果中定性比较表明该方法可以有效恢复沙尘图像细节,并较好恢复图像的视觉色彩,且该方法对比其他先进的方法可以产生更加符合人眼视觉体验的清晰图像;从定量比较中,在合成数据集上提出的算法相比于所对比的先进算法PSNR和SSIM指数分别提高了0.783和0.012,在真实图像数据集上提出的算法取得了最好的NIQE和PIQE指数。

关键词：沙尘图像沙尘图像增强分支网络沙尘图像数据集颜色校正自适应归一化

基于DeblurGAN的运动模糊图像盲复原算法研究

在线全文

学校读者我要写书评

暂无评论

电子测量技术 2022年第22期45卷 112-119页

作者：孙晶晶张艳艳高超胡佳琦程菲安徽信息工程学院计算机与软件工程学院芜湖241000 南京信息工程大学电子与信息工程学院南京210044 中央财经大学信息学院北京100098

DeblurGAN方法利用条件生成对抗网络解决了端到端的图像去模糊问题,但存在图像边缘细节恢复不足以及鲁棒性不高的问题,针对此问题,提出一种基于DeblurGAN的运动模糊图像盲复原方法。在生成网络中,采用多尺度卷积核神经网络提取特征,并... 详细信息

DeblurGAN方法利用条件生成对抗网络解决了端到端的图像去模糊问题,但存在图像边缘细节恢复不足以及鲁棒性不高的问题,针对此问题,提出一种基于DeblurGAN的运动模糊图像盲复原方法。在生成网络中,采用多尺度卷积核神经网络提取特征,并使用级联空洞卷积扩大神经元的感受野;采用自适配归一化方法代替原来生成器中使用的实例归一化方法。其次,引入了梯度图像L1损失,结合对抗损失和感知损失,将其作为图像去模糊的正则约束,使得生成图像的边缘特征更加清晰。实验结果表明,提出方法复原的图像峰值信噪比数值较DeblurGAN算法高出5.4%,结构相似性指标高出1%;在主观上清晰化效果较好,且消除了网格效应。

关键词：运动模糊生成对抗网络级联空洞卷积多尺度特征提取自适应归一化

在线全文

学校读者我要写书评

暂无评论

语义区域风格约束下的图像合成

计算机科学 2021年第2期48卷 134-141页

作者：胡妤婕常建慧张健北京大学深圳研究生院广东深圳518055

生成对抗网络近年来发展迅速,其中语义区域分割与生成模型的结合为图像生成技术研究提供了新方向。在当前的研究中,语义信息作为指导生成的条件,可以通过编辑和控制输入的语义分割掩码来生成理想的特定风格图像。文中提出了一种具有语... 详细信息

生成对抗网络近年来发展迅速,其中语义区域分割与生成模型的结合为图像生成技术研究提供了新方向。在当前的研究中,语义信息作为指导生成的条件,可以通过编辑和控制输入的语义分割掩码来生成理想的特定风格图像。文中提出了一种具有语义区域风格约束的图像生成框架,利用条件对抗生成网络实现了图像分区域的自适应风格控制。具体而言,首先获得图像的语义分割图,并使用风格编码器提取出图像中不同语义区域的风格信息;然后,在生成端将风格信息和语义掩码对应生成器中的每个残差块分别仿射变换为两组调制参数;最后,输入到生成器中的语义特征图根据每个残差块的调制参数加权求和,并通过卷积与上采样渐进式地生成目标风格内容,从而有效地将语义信息和风格信息相结合,得到最终的目标风格内容。针对现有模型难以精准控制各语义区域风格的问题,文中设计了新的风格约束损失,在语义层次上约束区域风格变化,减小不同语义区域的风格编码之间的相互影响;另外,在不影响性能的前提下,采取权重量化的方式,将生成器的参数存储规模压缩为原来的15.6%,有效降低了模型的存储空间消耗。实验结果表明,所提模型的生成质量在主观感受和客观指标上较现有方法均有显著提高,其中FID分数比当前最优模型提升了约3.8%。

关键词：条件生成模型自适应归一化图像生成生成对抗网络深度学习

基于人眼视觉特性的图像质量客观评价方法研究

在线全文

学校读者我要写书评

暂无评论

基于人眼视觉特性的图像质量客观评价方法研究

作者：何小波湘潭大学

学位级别：硕士

随着多媒体技术和现代通信技术的迅猛发展,人类已经步入追求高清晰和高保真视觉信息的新时代。由于图像所承载的信息更加直观、丰富和高效,已成为人们感知客观世界非常重要的视觉信息。但是在图像采集、处理、编码、传输和存储的每一个... 详细信息

随着多媒体技术和现代通信技术的迅猛发展,人类已经步入追求高清晰和高保真视觉信息的新时代。由于图像所承载的信息更加直观、丰富和高效,已成为人们感知客观世界非常重要的视觉信息。但是在图像采集、处理、编码、传输和存储的每一个环节中,不可避免地引入失真而引起图像质量发生改变,这不利于人们准确地认识客观世界。因此,研究高效且可靠的图像质量客观评价方法具有相当重要的现实意义和应用前景。针对传统的模拟人眼视觉系统的图像质量评价方法未充分考虑高级视觉特性的不足,本文在分析视觉显著性对图像质量感知重要性的基础上,提出了一种基于眼动显著图的图像质量评价方法。该方法首先设计眼动实验采集人眼观测图像时的眼动数据,然后用得到的眼动注视点计算出图像的视觉显著图,将视觉显著图作为权重因子与图像失真索引图加权得到图像质量的测度。在LIVE图像库上的实验表明该方法的评价结果更加符合主观评分值。本文针对现有提取图像自然场景统计特征的质量评价方法不能有效模拟视觉感知特性的问题,设计了一种提取图像联合梯度和相位一致特征的图像质量评价方法。该方法首先计算图像梯度幅值和高斯拉普拉斯响应,分析二者统计特性与图像失真程度的关系,通过联合自适应归一化得到联合梯度统计特征,然后再从视觉感知的角度提取图像的相位一致性特征,最后在图像特征与主观评分值之间,采用超限学习机方法建立两者的映射关系。在LIVE、CSIQ和TID2008通用的图像质量评价库上进行实验,该方法的评价结果与人的主观感知有较好的一致性,同时也说明该方法的特征提取是有效的。

关键词：图像质量评价人眼视觉系统视觉显著性超限学习机自适应归一化

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

单图像生成模型风格迁移算法研究与实现

单图像生成模型风格迁移算法研究与实现

作者：李春风中南财经政法大学

学位级别：硕士

风格迁移算法是当前计算机视觉领域的热点研究方向之一。当下神经风格迁移的技术路线可分为:基于图像迭代的风格迁移和基于模型迭代的风格迁移。其中,基于图像迭代的风格迁移算法,通过不断迭代噪声图像的像素来生成风格化图像,具有合成... 详细信息

风格迁移算法是当前计算机视觉领域的热点研究方向之一。当下神经风格迁移的技术路线可分为:基于图像迭代的风格迁移和基于模型迭代的风格迁移。其中,基于图像迭代的风格迁移算法,通过不断迭代噪声图像的像素来生成风格化图像,具有合成图像质量高、可控性好、易于调参、无需训练数据的优点。而基于模型迭代的风格迁移技术,借助生成对抗网络(GAN)强大的生成能力,通过预训练生成模型来实现快速风格化。该方法具有计算速度快、可用于即时应用部署的优点。但是,上述两种技术方案都不是风格迁移的完美解决方案:首先,基于图像迭代的迁移方法虽然具有合成图像质量高、无需训练数据的优点。但是其缺点在于:计算时间长、不利于即时应用部署、感知损失的计算对预训练模型依赖大。第二种模型迭代的风格迁移:训练对数据依赖度高、数据需求量大、计算量大、训练时间长、对硬件要求高;且生成对抗网络模型复杂,存在训练不稳定、模式崩溃的问题,使得模型训练难度大。本文提出了一种神经风格迁移方法,综合了以上两种技术路线的优势,利用单图像生成模型(SinGAN)与自适应归一化(AdaIN)方法,设计了一个可以较好提升图像风格化质量,同时,降低图像训练复杂度、加速训练时间的单图像风格迁移模型。首先,本文对原有的单图像生成模型(SinGAN)进行了改进,该改进的主要目的是提高SinGAN模型的生成能力,解决原模型生成图像中的噪点过多、结构扭曲、细节失真等问题。通过引入SSIM损失函数,重新构建SinGAN模型的损失函数并重新选择激活函数,改善了生成图像噪点过多的问题,使生成图像更加平滑。通过引入了多阶段并行训练方法解决了生成图像结构扭曲的问题,并通过级差缩小学习率的方法克服了并行训练方法带来的过拟合问题,稳定了SinGAN模型的训练。通过渐进式增长策略与训练阶段数的实验,寻找到最佳的增长策略与阶段数,增强生成图像的细节。其次,改进了AdaIN风格迁移算法。通过跨连接层设计增强对图像的风格化效果。并通过缩放参数实验、寻找到较好的缩放结构,改善了生成图像的清晰度与亮度细节。之后,构建了基于单图像生成算法的风格迁移模型。该模型的构建分为两步完成,第一步通过卷积网络与自适应归一化方法构建基础迁移网络;第二步利用改进的SinGAN模型构建了图像修正网络。通过基础网络与修正网络的合同协助,完成图像的风格迁移。最后,通过与Gatys模型、AdaIN风格迁移模型的对比实验,验证了模型的可行性。并验证了模型在提升图像风格化质量、降低训练复杂度、加速生成图像时间等方面的提升。并通过设计实现在线风格迁移系统,完成了算法的应用部署。

关键词：风格迁移生成对抗网络 SinGAN 自适应归一化