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

融合超分辨率重构的图像任意风格迁移

计算机工程与应用 2023年

作者：谭润田启川廉露张晓行北京建筑大学电气与信息工程学院

图像风格迁移是指将一张普通照片转化为具有其他艺术风格效果的图像。针对风格迁移算法中无法重构生成图像的分辨率而造成生成图像清晰度低、纹理细节表现不丰富的问题，提出一种融合超分辨率重构的图像任意风格迁移模型。模型中加入的... 详细信息

图像风格迁移是指将一张普通照片转化为具有其他艺术风格效果的图像。针对风格迁移算法中无法重构生成图像的分辨率而造成生成图像清晰度低、纹理细节表现不丰富的问题，提出一种融合超分辨率重构的图像任意风格迁移模型。模型中加入的多支路特征处理模块通过计算特征的自相似性以增强特征的表达，提出新的特征融合模块以提升特征融合效果，提出特征解码模块来实现图像的超分辨率重构，并在其中多次进行特征融合以提升风格化图像的质量；在损失函数中加入生成对抗损失和白化处理来进一步提升风格化效果。实验表明，模型具有较好的任意风格迁移效果，分辨率重构后的风格化图像的细节丰富、纹理清晰。

关键词：任意风格迁移超分辨率重构生成对抗网络自注意力机制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深层残差网络的山区DEM超分辨率重构

农业机械学报 2021年第1期52卷 178-184页

作者：张宏鸣全凯杨亚男杨江涛陈欢郭伟玲西北农林科技大学信息工程学院陕西杨凌712100 西北农林科技大学水利与建筑工程学院陕西杨凌712100 安徽理工大学测绘学院淮南232001

针对大区域高分辨率数字高程模型(DEM)数据较难获取、超分辨率重构(降尺度)较低分辨率的DEM精度不高、难以满足实际需要的问题,提出一种对起伏特征较明显的山区DEM超分辨率重构的方法。利用较深层的神经网络充分学习高低分辨率DEM之间... 详细信息

针对大区域高分辨率数字高程模型(DEM)数据较难获取、超分辨率重构(降尺度)较低分辨率的DEM精度不高、难以满足实际需要的问题,提出一种对起伏特征较明显的山区DEM超分辨率重构的方法。利用较深层的神经网络充分学习高低分辨率DEM之间的非线性映射关系;为了降低训练难度,结合残差学习的方法进行数据训练。将双立方插值法、稀疏混合估计法重构的DEM及提取的坡度结果分别同深层残差网络法的结果进行对比,结果表明,3种方法DEM结果的差值平均值分别为0.41、0.34、0.34 m,RMSE分别为0.5945、0.5715、0.4869 m;坡度结果的差值平均值分别为3.02°、2.04°、1.99°,RMSE分别为3.6498°、3.1360°、2.7387°;处理时间分别为0.052、663.39、2.16 s。研究表明,对于10、20、40 m的DEM,本文方法在空间分布和误差方面优于其他方法,在耗时效率上也优于稀疏混合估计法,适合应用于梯田等地形复杂的区域进行超分辨率重构。

关键词：山区数字高程模型超分辨率重构坡度深层残差卷积神经网络

基于空时特征增强的图像视频超分辨率重构算法研究

在线全文

学校读者我要写书评

暂无评论

基于空时特征增强的图像视频超分辨率重构算法研究

作者：张丹重庆大学

学位级别：硕士

超分辨率重构旨在从遭受了模糊、噪声以及降采样的低质图像或视频中恢复出对应的高质量图像或视频,目前已大量应用在医学图像处理、视频监控及卫星遥感等领域。作为经典的不适定问题,针对图像重构时难以准确地恢复出纹理信息、视频重构... 详细信息

超分辨率重构旨在从遭受了模糊、噪声以及降采样的低质图像或视频中恢复出对应的高质量图像或视频,目前已大量应用在医学图像处理、视频监控及卫星遥感等领域。作为经典的不适定问题,针对图像重构时难以准确地恢复出纹理信息、视频重构中存在运动模糊和跳变现象的问题,已经提出了很多模型,重构性能得到了不同程度的改善。其中,相较于传统算法,基于深度学习的方法以其强大的非线性表达能力而有更好的表现,但纹理的重构效果仍有待提高。因此,本文以图像和视频为研究对象,分别提出了图像、视频超分辨率重构算法。主要内容如下:本文首先研究了图像超分辨率重构算法。现有的模型要么利用单一尺度特征,要么对多个尺度的特征采用级联的方式提取深度特征,没有利用或者未充分利用高、低分辨率之间的相互依赖关系,为此,本文应用空间特征增强,提出了基于多分支多分辨率交叉投影的图像超分辨率重构算法。该模型具有多个分辨率不同的并行分支,以交叉投影的方式交换信息,并以注意单元自适应地学习通道和空间位置的重要性;为了巩固细节恢复,还根据模型特点定制了损失函数。最终,模型以14.2M参数做到了较高质量的重构,在5个常用测试集上均有较好的PSNR/SSIM得分;视觉感知上,该模型能有效抑制伪影和混叠,生成更清晰的边缘。本文第二个贡献是提出了一个视频时空超分辨率重构模型。现有算法中,二阶段方案的时间超分辨率过程和空间超分辨率过程缺乏关联性;对于一阶段方法,关键问题在于如何保证插入的中间帧特征符合真实运动,以及如何利用帧间相关性和时空的长期依赖关系,为此,本文提出了基于双向对齐和时空修正的视频时空超分辨率重构算法。模型充分利用时空信息,通过双向对齐为相邻帧插入缺失的中间帧特征;在基于时空信息的特征提取与融合模块中利用时空修正方案校正特征,并通过多个残差块提取深度特征。最终,模型以20.32M参数在4个不同场景上均能稳健运行,与当前的主流方法比较,都获得了最佳的定量评估结果,尤其在快速运动测试集Vimeo-Fast上,PSNR值为37.25d B,较次优模型提升了0.21d B;从视觉上,本模型重构出的高帧率高分辨率视频也更自然。

关键词：超分辨率重构交叉投影注意力机制双向对齐时空修正

基于运动特征融合的快速视频超分辨率重构方法

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

模式识别与人工智能 2019年第11期32卷 1022-1031页

作者：付利华孙晓威赵宇李宗刚黄笳倞王路远北京工业大学信息学部

基于深度学习的视频超分辨率重构方法常面临重构精度不高或重构时间过长的问题,难以实时获得高精度的重构结果.针对此问题,文中提出基于深度残差网络的视频超分辨率重构方法,可以快速地对视频进行高精度重构,并在较小分辨率视频的重构... 详细信息

基于深度学习的视频超分辨率重构方法常面临重构精度不高或重构时间过长的问题,难以实时获得高精度的重构结果.针对此问题,文中提出基于深度残差网络的视频超分辨率重构方法,可以快速地对视频进行高精度重构,并在较小分辨率视频的重构过程中达到实时重构的要求.自适应关键帧判别子网自适应地从视频帧中判别关键帧,关键帧经过高精度关键帧重构子网进行重构.对于非关键帧,将其特征与邻近关键帧间的运动估计特征和邻近关键帧的特征逐层融合,直接获得非关键帧的特征,从而快速获得非关键帧的重构结果.在公开数据集上的实验表明,文中方法能实现对视频的快速、高精度重构,鲁棒性较好.

关键词：超分辨率重构关键帧运动估计特征特征融合

深度学习超分辨率重构方法在典型建筑风场重构中的应用

在线全文

学校读者我要写书评

暂无评论

深度学习超分辨率重构方法在典型建筑风场重构中的应用

作者：梁仍康西南科技大学

学位级别：硕士

精细化高分辨率的建筑流场数据能为结构设计、辅助计算和安全布局等提供技术性指导。传统的高分辨率流场数据主要通过基于插值方法和基于重建方法获得,但存在细微的纹理信息不准确、有锯齿状和先验信息不足等缺点。基于机器学习的超分... 详细信息

精细化高分辨率的建筑流场数据能为结构设计、辅助计算和安全布局等提供技术性指导。传统的高分辨率流场数据主要通过基于插值方法和基于重建方法获得,但存在细微的纹理信息不准确、有锯齿状和先验信息不足等缺点。基于机器学习的超分辨率重构方法是近年来发展的一种有效的图像精细化方法,已在安防监控、医学影像和遥感影像等各个领域被广泛应用。然而调研发现,针对建筑的复杂风场的超分辨率重构尚未有系统的研究。基于此,本文构建了对严重欠分辨率流场数据进行超分辨率重构的深度学习(Deep Learning,DL)模型。模型以卷积神经网络(Convolutional Neural Network,CNN)为基础,并结合了混合下采样跳跃连接/多尺度(Multi-scale CNN)模型。将构建的超分辨率重构模型应用于典型建筑风场的低分辨率风场,探究基于深度学习的超分辨率重构方法在建筑内外风场重构中的有效性。具体开展了以下工作:一、开展了CAARC(Common Wealth Advisory Aeronautical Research Council)标准建筑模型绕流流场的超分辨率重构。基于大涡模拟方法对CAARC标准建筑模型绕流流场开展数值模拟,分析了建筑绕流流场的分布特性,构建了建筑表面风压场和速度场的数据集。将构建的超分辨率重构模型应用于CAARC标准建筑模型表面风压场和建筑绕流速度场的重构,对比不同方法重构风压场和速度场在不同欠分辨率流场的重构能力。结果显示该深度学习模型重构高分辨率外流场具有良好的精度,重构效果优于原始的卷积神经网络模型和传统的双三次插值方法。在风压场重构方面,Multi-scale CNN模型比双三次插值方法最大减少54.68%的相对误差。由于方法的普适性,该方法可推广应用到具有复杂湍流流动的建筑结构绕流风场的超分辨率重构。二、开展了用氢厂房内高压管道氢气泄漏流场的超分辨率重构。基于Realizable k-ε湍流模型和组分运输模型对用氢厂房内高压管道氢气泄漏流场开展了数值模拟,分析了不同泄漏质量流量的流场速度大小和氢气泄漏分布特性,构建了氢气摩尔分数场和速度场的数据集。基于Multi-Scale CNN模型,开展了用氢厂房内流场超分辨率重构,对比不同方法重构纵截面和3个横截面的氢气摩尔分数场和速度场在不同欠分辨率流场的重构效果。采用了相对误差和相干性分析方法来全面评价深度学习模型的优劣。结果显示,除了速度场中横截面3的Multi-scale CNN模型重构误差高于CNN模型外,其他截面的Multi-scale CNN模型重构精度都有提升。在氢气摩尔分数场和速度场重构方面,Multi-scale CNN模型比双三次插值方法分别最大减少89.01%和89.92%的相对误差。

关键词：深度学习超分辨率重构卷积神经网络 CAARC 氢气泄漏

基于CNN与ELM的二次超分辨率重构方法研究

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

计算机学报 2018年第11期41卷 2581-2597页

作者：张静陈益强纪雯中国科学院计算技术研究所移动计算与新型终端北京市重点实验室北京100190 中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190 中国科学院大学北京100049

为了实现将低分辨率图像重构为高分辨率图像,弥补高、低分辨率图像间信息损失,文中提出了卷积神经网络与极限学习机结合的二次超分辨率重构方法.首先通过基于深度学习的超分辨率重构优化方法,快速训练端对端的卷积神经网络重构模型,学... 详细信息

为了实现将低分辨率图像重构为高分辨率图像,弥补高、低分辨率图像间信息损失,文中提出了卷积神经网络与极限学习机结合的二次超分辨率重构方法.首先通过基于深度学习的超分辨率重构优化方法,快速训练端对端的卷积神经网络重构模型,学习结构化的图像信息;然后采用像素级的特征提取,并采用极限学习机模型对图像进行高频分量的补充,通过二次重构获得具有更好视觉效果的高分辨率图像.实验结果表明,文中的优化方法将原有卷积神经网络重构模型的训练效率提高了3个数量级,重构效果在主观和客观评估中均优于当前代表性的超分辨率重构方法.

关键词：超分辨率重构深度学习图像处理卷积神经网络极限学习机

在线全文

学校读者我要写书评

暂无评论

超分辨率重构技术用于红外扫描系统的关键

电光与控制 2012年第12期19卷 63-67页

作者：吴艳安博文叶洪涛林川广西工学院电控系广西柳州545006 上海海事大学上海200083

超分辨率重构(SRR)技术是提高遥感图像空间分辨率最有前景的方法,红外遥感成像的空间分辨率相对可见光要低得多,研究采用SRR技术提高红外扫描图像空间分辨率有重要意义。从有效应用SRR技术的条件出发,分析它应用于红外扫描成像系统需要... 详细信息

超分辨率重构(SRR)技术是提高遥感图像空间分辨率最有前景的方法,红外遥感成像的空间分辨率相对可见光要低得多,研究采用SRR技术提高红外扫描图像空间分辨率有重要意义。从有效应用SRR技术的条件出发,分析它应用于红外扫描成像系统需要解决的关键问题,对待重构图像错位量估计可通过采用固定错位量的多排传感器,并精确计算其曝光时间来解决;对待重构图像中噪声的去除,提出了基于序列逐像素比较滤波法。通过红外扫描成像实验,提出的方法可以有效解决待重构图像错位量估计不准与噪声对重构的影响。

关键词：超分辨率重构红外扫描成像关键点

在线全文

学校读者我要写书评

暂无评论

基于深度学习的建筑风压场超分辨率重构

基于深度学习的建筑风压场超分辨率重构

作者：陈霄哈尔滨工业大学

学位级别：硕士

随着经济的不断发展,城市中涌现出了大量的风敏感结构,对风敏感结构表面风压进行监测势在必行。为了实时获取高分辨率的建筑物风压场数据,本文基于深度学习技术建立了建筑表面风压场超分辨率重构实现框架。将此框架部署在风敏感结构健... 详细信息

随着经济的不断发展,城市中涌现出了大量的风敏感结构,对风敏感结构表面风压进行监测势在必行。为了实时获取高分辨率的建筑物风压场数据,本文基于深度学习技术建立了建筑表面风压场超分辨率重构实现框架。将此框架部署在风敏感结构健康监测系统中,可以实时获取风敏感结构表面高分辨率风压场,协助使用者了解建筑物的风致响应,保障建筑物在强风作用下的安全。风压场超分辨率重构实现框架由以下几部分构成:获取高分辨率风压场数据集,对高分辨率风压场数据集进行前处理,超分辨率深度学习模型的选定,深度学习模型的超参数优化及训练,训练好的模型在测试集上的测试。为了探究风压场超分辨率重构实现框架的可行性,本文将此框架在理想建筑模型和实际工程结构两种工况下进行了测试,观察框架在两种工况下的性能表现。针对理想建筑模型,本文首先将深度学习模型(残差网络和生成对抗网络)与传统方法(双线性插值与双三次插值)生成的高分辨率风压场进行对比,发现深度学习模型的性能明显优于传统方法;其次,将残差网络和生成对抗网络生成的结果进行对比,发现生成对抗网络模型在重构高分辨率风压场方面优于残差网络模型;此外,生成对抗网络模型在实验中被证明可以仅使用20%的测压管数据就可重构得到可信的高分辨率风压场,在测试集上的测试结果R值达到0.969,且模型对于各种工况均表现良好;同时,采用k均值聚类算法比使用完全规则化处理会更进一步提取特征,使得深度学习模型性能增强。在理想建筑模型上,风压场超分辨率重构实现框架获取高分辨率风压场的测试是有效的。针对实际工程结构,分析了训练时测压管的数量对于获得的深度学习模型性能的影响:数量越多,深度学习模型性能越好;同时比较了在相同数量测压管的前提下,使用k均值聚类算法进行前处理可以协助模型预测更为准确的高分辨率风压场。在实际工程结构上,证明了风压场超分辨率重构实现框架在更为复杂的建筑形态下的强大重构能力。综上所述,本文采用深度学习技术来建立风压场超分辨率重构实现框架,并用此框架从低分辨率风压场中获取高分辨率风压场。此框架不仅可以提供准确的风压数据,为设计人员提供工程指导依据,同时也可以解决高分辨率风压场数据需求与监测时测压管明显不足之间的矛盾。

关键词：深度学习超分辨率重构风敏感结构生成对抗网络聚类算法

DEM超分辨率重构对梯田坡度提取的影响研究

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

农业机械学报 2017年第1期48卷 112-118,138页

作者：张宏鸣宋泽鲁杨江涛杨勤科王春梅李锐西北农林科技大学信息工程学院陕西杨凌712100 西北农林科技大学水利与建筑工程学院陕西杨凌712100 西北大学城市与环境学院西安710069 中国科学院水利部水土保持研究所陕西杨凌712100

坡度对地表水文、土壤侵蚀、土地利用规划有着重要的影响,区域尺度上的坡度通常基于数字高程模型(DEM)提取。区域尺度上,高分辨率坡度数据由于DEM获取途径、方式等原因,较难获得,通常通过超分辨率重构(又称降尺度变换)得到。以黄土高原... 详细信息

坡度对地表水文、土壤侵蚀、土地利用规划有着重要的影响,区域尺度上的坡度通常基于数字高程模型(DEM)提取。区域尺度上,高分辨率坡度数据由于DEM获取途径、方式等原因,较难获得,通常通过超分辨率重构(又称降尺度变换)得到。以黄土高原地区水平梯田地形为研究对象,基于无人机摄影测量技术,生成不同分辨率的DEM数据并提取坡度,设计并给出了基于稀疏混合估计对DEM数据进行超分辨率重构的方法及流程,并与最近邻法、双线性插值法、三次卷积插值法比较,结果表明所提方法在空间分布和误差方面上均优于其他方法。

关键词：侵蚀梯田坡度超分辨率重构稀疏混合估计