检索结果-南通市图书馆

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srcnn的遥感影像时空融合方法研究

基于SRCNN的遥感影像时空融合方法研究

作者：贾翔茹太原理工大学

学位级别：硕士

遥感影像时空融合是解决遥感数据在空间分辨率和时间分辨率上相互制约的有效方法,能够在不改变现有观测条件下生成兼顾空间和时间分辨率的遥感影像,广泛提升遥感影像的应用场景,从而实现在更高的时空分辨率下的地表动态检测。本研究以... 详细信息

遥感影像时空融合是解决遥感数据在空间分辨率和时间分辨率上相互制约的有效方法,能够在不改变现有观测条件下生成兼顾空间和时间分辨率的遥感影像,广泛提升遥感影像的应用场景,从而实现在更高的时空分辨率下的地表动态检测。本研究以山西省中部为研究区,选取低时间、高空间分辨率的遥感影像Landsat8和高时间、低空间分辨率的遥感影像MODIS作为研究数据集,将多流数据输入、注意力机制模块、基于时间依赖和时间约束规则的差异影像引入到超分辨率重建领域的经典模型srcnn的改进中,构建了基于多流数据输入的改进srcnn遥感影像时空融合M-srcnn模型、基于多流数据输入和注意力机制的改进srcnn遥感影像时空融合MBA-srcnn模型、基于差异影像的改进srcnn遥感影像时空融合Diff-MBA-srcnn模型,并采用客观评价(PSNR、SSIM)和主观评价对模型的模拟效果进行评价。本研究的主要结论如下:(1)将非预测时相的高分辨率、低分辨率的影像作为先验信息加入到srcnn模型的输入中,建立了M-srcnn模型。M-srcnn模型使网络提取出高分辨率影像分辨率下的精细特征,同时保证了不同分辨率下的特征相互对应。使用M-srcnn模型对Landsat8和MODIS影像进行时空融合,采用客观评价(PSNR、SSIM)和主观评价对模型的模拟效果进行评价。与srcnn模型相比,M-srcnn模型的PSNR和SSIM分别提升了4.0667和0.0840,其中RED波段的优化效果最优,分别提升了5.8152和0.1398。多流数据输入能明显消除srcnn模型结果的失真,对影像边缘模糊、细节信息不强的问题有显著的改善效果,M-srcnn模型的时空融合效果显著提升。(2)针对M-srcnn模型在田地中的房屋等低频细节信息的重建上较为薄弱的问题,引入CBAM注意力机制模块,建立了MBA-srcnn模型。与M-srcnn模型相比,MBA-srcnn模型在PSNR和SSIM这两个评价指标上分别提升了1.3847和0.0247。MBA-srcnn模型在低频细节信息的重建上优化效果更加明显,道路、房屋等的提取准确率有明显提升。(3)M-srcnn模型和MBA-srcnn模型能明显改善srcnn模型的失真及细节表现差的问题,但在边缘表达上仍较为薄弱,且实验会产生薄雾的噪声。将基于时间依赖和时间约束规则的差异影像引入到MBA-srcnn模型中,建立了Diff-MBA-srcnn模型,能表达出地物类型发生变化区域的特征及影像间细节信息的差异。与MBAsrcnn模型相比,Diff-MBA-srcnn模型的PSNR和SSIM分别提升了1.4120、0.0189。Diff-MBA-srcnn模型可以有效提升低频细节信息的边缘表达能力,弱化薄雾等噪声以及无关结果对影像时空融合结果的影响。Diff-MBA-srcnn模型可作为Landsat8和MODIS遥感影像时空融合的有效方法。本研究构建的Diff-MBA-srcnn模型可以更加准确地生成高时间、高空间分辨率的遥感影像,提升影像所承载的信息量,进一步拓宽遥感影像的应用场景,为农业、军事及城市规划等领域的精准施策提供理论参考。本研究的研究成果可为遥感影像的时空融合提供一种有效的新思路,对遥感影像时空融合领域的研究有一定的促进意义。

关键词： srcnn 时空融合多流数据输入注意力机制差异影像

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srcnn模型的旧书图像重建算法研究

电脑与电信 2022年第9期 48-50,77页

作者：昌磊邓冲陈艳平时代新媒体出版社有限责任公司安徽合肥230071 合肥学院人工智能与大数据学院安徽合肥230601

针对因数字化处理或者网络传输过程中导致的图片质量不佳的情况,研究旧书重做方法及其应用。以传统的超分辨领域中的插值算法为原型,针对传统的插值算法存在的鲁棒性差、计算量大的问题进行改进,将深度学习方法融入传统的插值算法中,提... 详细信息

针对因数字化处理或者网络传输过程中导致的图片质量不佳的情况,研究旧书重做方法及其应用。以传统的超分辨领域中的插值算法为原型,针对传统的插值算法存在的鲁棒性差、计算量大的问题进行改进,将深度学习方法融入传统的插值算法中,提出了网络模型srcnn。最后通过在set5+旧书测试集上和其他算法进行对比,得到了srcnn算法在不同的上采样倍率条件下性能都优于传统插值算法的结果,证明了算法的实用性和优越性。

关键词： srcnn 图像重建超分辨领域

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进srcnn模型的图像超分辨率重构

现代信息科技 2023年第20期7卷 54-57页

作者：宋昕王保云云南师范大学数学学院云南昆明650500 云南省高校复杂系统建模及应用重点实验室云南昆明650500

图像超分辨率重构是指将低分辨率图像生成对应的高分辨率图像,在许多领域有着重要作用。文章在srcnn方法的基础上,提出了改进模型。首先,在srcnn基础上使用小卷积代替大卷积。其次,加入残差结构。最后,在前两层网络后加入ReLU激活函数... 详细信息

图像超分辨率重构是指将低分辨率图像生成对应的高分辨率图像,在许多领域有着重要作用。文章在srcnn方法的基础上,提出了改进模型。首先,在srcnn基础上使用小卷积代替大卷积。其次,加入残差结构。最后,在前两层网络后加入ReLU激活函数。结果表明,scale为3、4、6、8的PSNR分别提升了0.140 3 dB、0.084 5 dB、0.147 2 dB、0.113 5 dB,模型性能较改进前有所提升。

关键词：超分辨率卷积神经网络 srcnn 深度学习

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于srcnn的条形码图像超分辨率重建

物联网技术 2024年第3期14卷 115-117页

作者：孙天健袁小平房鸿超陈思宇中国矿业大学信息与控制工程学院江苏徐州221116

针对像素较低的摄像头对条形码进行拍摄识别时,需要靠近条形码并保持较久的时间,且存在一定的扫描结果错误率等问题,利用卷积神经网络技术srcnn对单幅低清晰度条形码图片进行超分辨率重建,将低分辨率图片转换为高分辨率图片。通过实验验... 详细信息

针对像素较低的摄像头对条形码进行拍摄识别时,需要靠近条形码并保持较久的时间,且存在一定的扫描结果错误率等问题,利用卷积神经网络技术srcnn对单幅低清晰度条形码图片进行超分辨率重建,将低分辨率图片转换为高分辨率图片。通过实验验证,srcnn相对于传统超分方法,在图像处理和评价指标方面取得了更好的效果,实现了条形码图像的超分辨率重建,获得了更为清晰的图片。

关键词：条形码图像超分辨率重建双三次插值法卷积神经网络 srcnn 图像处理

基于深度学习与超分辨率重建的遥感高时空融合方法

同方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

计算机工程与科学 2020年第9期42卷 1578-1586页

作者：张永梅滑瑞敏马健喆胡蕾北方工业大学信息学院北京100144 香港理工大学电子与信息工程系中国香港00852 江西师范大学计算机信息工程学院江西南昌330022

针对遥感影像的“时空矛盾”,提出一种改进STARFM的遥感高时空融合方法。利用srcnn对低分辨率影像进行超分辨率重建,由于所融合的2组影像分辨率差距过大,网络训练困难,先将2组影像均采样至某一中间分辨率,使用高分辨率影像作为低分辨率... 详细信息

针对遥感影像的“时空矛盾”,提出一种改进STARFM的遥感高时空融合方法。利用srcnn对低分辨率影像进行超分辨率重建,由于所融合的2组影像分辨率差距过大,网络训练困难,先将2组影像均采样至某一中间分辨率,使用高分辨率影像作为低分辨率影像的先验知识进行srcnn重建,再将得到的中间分辨率影像重采样后以原始高分辨率影像作为先验知识进行第2次srcnn重建,得到的最终重建图像相比原先使用插值法重采样所得图像,在PSNR和SSIM上均有提升,缓解了传感器差异所造成的系统误差。STARFM融合方法在筛选相似像元与计算权重时均使用专家知识提取人工特征,基于STARFM时空融合的基本思想,以srcnn作为基本框架自动提取特征,实验结果表明,其MSE值相比原方法更低,进一步提高了遥感时空融合的质量,有利于充分利用遥感影像。

关键词：时空融合改进STARFM srcnn 自动特征提取

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于对抗神经网络的图像超分辨重建算法研究

基于对抗神经网络的图像超分辨重建算法研究

作者：吴晨吉林大学

学位级别：硕士

随着图像优化等技术的日益发展,图像超分辨率重建成为其中的一项热门研究方向,它在医疗、军事、航天等领域都被广泛应用。传统的超分辨算法基本分为插值、重建和学习等,但传统的方法存在边缘模糊、丢失细节、重建时间过长等缺点。目前... 详细信息

随着图像优化等技术的日益发展,图像超分辨率重建成为其中的一项热门研究方向,它在医疗、军事、航天等领域都被广泛应用。传统的超分辨算法基本分为插值、重建和学习等,但传统的方法存在边缘模糊、丢失细节、重建时间过长等缺点。目前主流方法是基于深度学习进行超分辨重建,其优化目标为是实现性能与重建质量之间的平衡即降低处理时间提高重建质量,效果大幅优于传统方法。基于深度学习的图像超分辨方法中,srcnn是具有三个卷积层的卷积神经网络,也是开山之作。而Fsrcnn是在srcnn基础上进行改进、ESPCN为使用亚像素卷积层实现单图像以及视频的超分辨、VDSR为基于残差网络的更加深层的重建方法。后续的方法在对抗神经网络的图像超分辨方法SRGAN出现之前多为网络结构的加深,而SRGAN则是将超分辨问题的解决提升到新的高度。传统方法在4倍率放大要求下,其图像会显得更为平滑而缺少细节,而SRGAN可以重建细节,使图像更具真实感。但由于SRGAN的网络结构中,生成网络中残差块个数多、残差块内部结构复杂、使用的传统卷积方式导致计算量大等原因会造成计算复杂,无法在保证重建质量的情况下提高重建速度,尤其在移动端等计算能力有限的条件下,重建质量受计算能力影响较大。针对SRGAN在计算能力有限的设备上重建质量较低问题,本文提出了改进模型ShuffleNetSRGAN,改变网络结构,降低计算复杂度。具体研究如下:(1)用ShuffleNet单元构成生成网络结构替换SRGAN生成网络中的Resnet残差块,提出了ShuffleNetSRGAN模型。实验中,将训练数据图像做不同尺度的模糊预处理后传递于生成网络,增加模型鲁棒性。经过本文实验得知,具有13层ShuffleNetSRGAN可以使用更少的时间完成更出色的重建质量。(2)提出针对ShuffleNetSRGAN模型产生异常纹理的限制模型Ressrcnn,通过实验证明重建效果较srcnn提升10%,也很好的完成了对ShuffleNetSRGAN的异常纹理抑制作用。使其图像重建效果有了明显提升。

关键词：图像超分辨 SRGAN srcnn 残差网络 ShuffleNet

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

机载SAR实测数据的处理研究

机载SAR实测数据的处理研究

作者：李其西安电子科技大学

学位级别：硕士

合成孔径雷达（SAR）是一种具有全天候、全天时和远距离成像的特点的高分辨率成像雷达,对军用和民用具有重要的应用价值。目前根据国内外学者的研究与预测,SAR成像在地形测绘、考古学、沙层、森林覆盖和侦察监视等其他方面也将会有广阔... 详细信息

合成孔径雷达（SAR）是一种具有全天候、全天时和远距离成像的特点的高分辨率成像雷达,对军用和民用具有重要的应用价值。目前根据国内外学者的研究与预测,SAR成像在地形测绘、考古学、沙层、森林覆盖和侦察监视等其他方面也将会有广阔的应用前景。因此对于SAR数据而言,研究成像算法进行成像处理是关键步骤,而且成像之后提高SAR图像的质量也具有重要的研究意义。传统的SAR成像算法大多不适用于大斜视成像模式,而且由于SAR图像距离向与方位向分辨率的不同（方位向分辨率一般大于距离向分辨率）,因此为了使SAR图像看起来更接近原始场景,通常采用传统的方位向多视方法,将二维分辨率调节成一致。但是多视操作造成了方位向分辨率的降低和大量的数据浪费。本论文主要针对以上几个方面做了一些工作,现概括如下:本文首先分析了SAR成像在二维方向（距离向及方位向）的特性,在减少运算量并且提高运算效率的前提下,研究了传统SAR成像频域算法——距离徙动算法（RMA）的具体实现过程,并通过公式推导对算法进行改进,以期在大斜视构型下能够得到聚焦效果良好的SAR成像结果。然后利用改进的RMA,对SAR大斜视仿真数据和实测数据进行成像处理,观察图像的聚焦效果,验证改进成像算法RMA的有效性。为了避免SAR图像进行多视操作所造成的影响,本文提出对SAR图像进行距离向超分辨,即对距离向进行插值,插值的倍数就是多视的倍数。为了使输入图像更接近高分辨图像,本文将双三次插值（Bicubic）之后的图像作为输入,然后利用极限学习机（ELM）对聚焦后但未进行多视的原始SAR图像进行距离向超分辨率处理,得到高分辨SAR图像。并将得到的结果与Bicubic方法和基于稀疏表征的超分辨重建方法（Sc SR）得到的结果进行比较,在肉眼观察的基础上,有原始图像的计算峰值信噪比（PSNR）,没有原始图像的计算熵值和对比度,证明ELM方法实现SAR图像距离向超分辨处理的优越性。为了进一步避免SAR图像进行多视操作所造成的影响,本文提出利用基于深度神经网络的图像超分辨方法（srcnn）对聚焦后未进行多视的原始SAR图像进行距离向超分辨,将一开始通过ELM方法得到的SAR图像作为训练输入,原始的高分辨图像作为训练标签,利用深度卷积神经网络超分辨恢复具有高精度的特性,通过随机梯度下降法反向传播,训练网络超参数使损失降到最小,从而得到效果更为良好的SAR成像结果。与通过ELM得到的结果进行比较,证明srcnn方法实现距离向超分辨的优越性。

关键词：合成孔径雷达成像距离徙动算法超分辨处理极限学习机 srcnn

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

遥感时空大数据并行处理方法研究与设计

遥感时空大数据并行处理方法研究与设计

作者：滑瑞敏北方工业大学

学位级别：硕士

伴随遥感技术的高速发展,遥感数据各方面的分辨率都有了极大提高,但与此同时,对遥感数据的处理能力已有些跟不上遥感数据获取能力的发展速度。本文针对遥感时空数据融合问题,以及遥感时空序列数据间的变化检测问题进行研究,对遥感技术... 详细信息

伴随遥感技术的高速发展,遥感数据各方面的分辨率都有了极大提高,但与此同时,对遥感数据的处理能力已有些跟不上遥感数据获取能力的发展速度。本文针对遥感时空数据融合问题,以及遥感时空序列数据间的变化检测问题进行研究,对遥感技术的一些传统方法进行了改进,借助深度学习强大的特征提取和数据处理能力,提高遥感时空融合质量与变化检测精度。本文针对遥感影像的“时空矛盾”,提出一种改进的STARFM遥感高时空融合方法。利用srcnn对低分辨率影像进行超分辨率重建,使用高分辨率影像作为低分辨率影像的先验知识,由于所融合的两组影像分辨率差距过大,本文采用了二次学习的方式进行改进,相比原有方法所得结果,本文方法在PSNR和SSIM上均表现更佳,提高了精度的同时缓解了传感器差异所造成的系统误差。STARFM在筛选相似像元与计算权重等时均使用专家知识提取人工特征,本文基于STARFM时空融合的基本思想,以srcnn作为基本框架实现自动提取特征,实验结果相比原方法更优,进一步提高了遥感时空融合的质量。针对在改进方法时引入深度学习导致时间复杂度提升的问题,本文利用基于CUDA的GPU并行化改进方法,实现了srcnn的并行化处理,充分利用了GPU的存储器分级技术与线程配置方法,相比传统的直接并行化方法进一步提高了运行效率。本文针对高分辨率遥感影像变化检测中,多数面向对象的方法难以进行高层特征提取的问题,提出了一种融合低层特征与高层特征的遥感变化检测方法。对不同时相遥感影像进行多尺度分割,在不同影像的对象间建立起一一对应的关系,提取对象的光谱特征,利用面向对象的变化矢量分析法得到不同尺度下的变化强度图,利用模糊融合技术在多尺度间实现变化强度图的融合,本文将融合所得的变化强度图作为变化检测对象级低层特征;利用FCN网络进行变化检测,经过卷积、反卷积、跳级连接得到变化检测像素级高层特征,利用多尺度间融合时的模糊融合方法实现高层特征与低层特征间的融合,得到最终变化检测的结果。实验结果表明,相比像素级的FCN变化检测方法与利用多尺度融合进行面向对象的变化检测方法,本文方法的准确率、召回率、F1值更高,验证了本文方法的有效性。

关键词：时空融合变化检测 srcnn 改进的STARFM 特征融合

基于MTCNN和S-LBPH算法的多人脸识别在课堂考勤中的应用

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MTCNN和S-LBPH算法的多人脸识别在课堂考勤中的应用

作者：张玉云西南交通大学

学位级别：硕士

大学生课堂出勤率低是高校教学管理的难题,严格的考勤制度可以有效提高出勤率,需要在上课前快速准确完成并能实时记录学生参与课堂的情况,有效防止迟到、早退、课堂玩手机等不良现象,目前的考勤方法多为人工操作,也有少数研究人员开发... 详细信息

大学生课堂出勤率低是高校教学管理的难题,严格的考勤制度可以有效提高出勤率,需要在上课前快速准确完成并能实时记录学生参与课堂的情况,有效防止迟到、早退、课堂玩手机等不良现象,目前的考勤方法多为人工操作,也有少数研究人员开发人脸识别系统并应用于课堂和会议考勤;但还存在人脸检测召回率较低和低像素人脸识别失败的问题。单纯基于深度学习方法的人脸检测识别精度较高,但是需要海量的数据资源,更新数据库繁琐,对硬件设备要求苛刻等;因此,本文针对大学生课堂出勤的具体场景,设计实现了一个基于人脸识别的考勤系统。本文首先综述了国内外研究现状和研究意义,然后针对课堂学生考勤过程中人脸检测鲁棒性较差的问题,在FEI数据集的基础上增加人脸样本多样性并与WIDER FACE合并成新的训练集,用于改善MTCNN模型检测鲁棒性,仿真实验表明新的训练模型具有更高的人脸检测召回率;其次,由于局部二进制编码直方图算法(LBPH)采用全局特征等比重计算方式,在多人脸识别时正确率不高,提出了基于敏感特征加权的局部二进制编码直方图算法(S-LBPH),并给出敏感特征加权系数a的计算公式、S-LBPH算法流程图以及算法实现步骤,本文提出的S-LBPH算法相比经典的LBPH算法在数据测试集FEI和CASIA FACEV5上识别正确率分别提高1.5%和2.2%;接着,针对低像素图像人脸检测召回率和识别率较低的情况,尝试将单一图像分辨率重建的方法srcnn应用于人脸检测和人脸识别问题,并给出了一种处理异常值与噪声的计算方法。基于srcnn的人脸检测实验表明在2倍像素重建的图像中,人脸检测召回率由28.6%提高到92.9%,基于srcnn的人脸识别实验表明随着图像分辨率重建尺度增大识别率逐步提高;最后,将srcnn、MTCNN和S-LBPH结合构成了多人脸检测识别算法并应用于大学课堂考勤,实验结果表明在限制人脸的条件下取得人脸检测召回率和人脸识别正确率均为100%,在非限制人脸条件下最好结果取得92.6%的检测召回率以及96.3%的识别正确率。

关键词：课堂考勤 MTCNN S-LBPH 敏感特征 srcnn 低像素检测