检索结果-南通市图书馆

维普期刊数据库博看期刊

基于改进u-net网络的光学卫星影像云检测方法研究

在线全文

学校读者我要写书评

暂无评论

基于改进U-Net网络的光学卫星影像云检测方法研究

作者：刘飞武汉大学

学位级别：硕士

近年来,快速发展的光学卫星已成为稳定、高效的对地观测系统中不可或缺的组成部分,这给人类观测地球带来了极大的便利。光学卫星影像有覆盖范围广、获取成本低、重复观测周期短、信息数据量大等优点,被广泛用于国防安全、渔业监测、环... 详细信息

近年来,快速发展的光学卫星已成为稳定、高效的对地观测系统中不可或缺的组成部分,这给人类观测地球带来了极大的便利。光学卫星影像有覆盖范围广、获取成本低、重复观测周期短、信息数据量大等优点,被广泛用于国防安全、渔业监测、环境保护、自然灾害预警、资源调查等诸多领域。然而,云作为卫星影像中大范围存在的一种污染物,极大地降低了卫星影像的质量和利用效率。国际卫星气候项目（International Satellite Cloud Climatology Project）研究表明,云层覆盖了全球超过65%的面积。云的存在会反射光学卫星诸多波段信号,使得光学卫星难以获取云层下面完整的地表信息,造成卫星影像信息缺失,使用困难。因此,云检测是提高遥感影像利用率和应用范围的必要措施。光学卫星影像的云检测实际上是以云为前景,其他地物目标为背景的影像分割任务,深度学习算法的快速发展给高效准确的影像分割带来了机遇。目前的多数云检测算法通常依据大量的先验知识,进行复杂的模型构建和特征提取,在面对复杂下垫面时往往需要人工干预才能有效地捕捉影像特征,以达到云检测的目的。而以u-net网络为代表的深度学习算法可以较为准确的挖掘数据集的特征,依靠人工标记的样本进行模型参数迭代更新,通过不同的网络层提取影像中蕴含的浅层次和高层次语义特征,从而对影像中的云进行有效的检测。因此,本文从深度学习的理论出发,以轻量化的u-net网络为基础,对光学卫星影像云检测中的问题进行研究。本文的主要研究内容和创新点包括以下两个方面:1.针对多数深度学习算法需要海量人工标记的数据样本且对雪/冰等复杂下垫面区分效果不佳的问题,本文以轻量级u-net网络为基础,构建了基于注意力机制的u-net网络云检测模型。该方法通过在网络的上采样层添加空间注意力模块,提高了网络对云的关注能力,以期提升云检测的精度。首先,编码层通过多次降采样操作来获取不同尺度下影像的浅层次和深层次语义特征;然后在上采样层加入注意力模块,与网络同一层降采样获得的特征图经过全卷积操作后进行融合;最后,将获得的分类结果输出,实现了端到端的云检测目标。实验结果表明,该模型在Landsat8 CCA数据集上验证的总体精度为92.91%,高出仅使用u-net模型8.12%、MLP（Multilayer Perceptron）模型13.48%、RF（Random Forest）模型13.17%,实现了高效的光学卫星影像云检测。2.在基于注意力机制的u-net网络模型的基础上,从加强对边缘信息的捕捉能力的角度出发,引入了可形变卷积操作,构建了融合注意力机制和可形变卷积的u-net网络云检测模型。云的形状千变万化,是进行云检测时不能忽略的一个要素,而可形变卷积可以适应多样化的形状,对于不规则对象的边缘特征学习更加有效。因此,本文以可形变卷积替代普通卷积,以期提高对云的形状的关注,实现对云边缘特征的有效提取。实验结果表明,该模型在Landsat8 CCA数据集中验证的总体精度达到了93.10%,高出仅使用u-net模型8.31%、MLP模型13.67%、RF模型13.36%。研究表明,本文基于u-net模型改进的两种算法能够实现小数据集（训练数据集少于300个256×256像素的样本）、复杂下垫面类型下的云检测目标。基于注意力机制的u-net网络具有总体精度高、误检率和漏检率更低的优点;融合注意力机制和可形变卷积的u-net模型总体精度更高,同时对厚云的检测更为有效,为实现云检测精度提供了新视角。

关键词：云检测 u-net网络注意力机制可形变卷积端到端

基于双注意力u-net网络的提高地震分辨率方法

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

石油地球物理勘探 2023年第3期58卷 507-517页

作者：李学贵周英杰董宏丽吴钧徐刚王如意东北石油大学人工智能能源研究院黑龙江大庆163318 东北石油大学计算机与信息技术学院黑龙江大庆163318 黑龙江省石油大数据与智能分析重点实验室黑龙江大庆163318 大庆油田勘探开发研究院黑龙江大庆163712 东方地球物理公司新兴物探开发处河北涿州072751 中国石油集团工程技术研究院有限公司北京102206

提高地震数据分辨率的传统方法,如反褶积、Q补偿等,受到子波为最小相位、反射系数为白噪声等假定条件的限制且需要求取复杂参数,不便于实际应用。深度学习方法使用数据驱动的方式可以自适应地刻画输入与目标间的关系,具备良好的自主学... 详细信息

提高地震数据分辨率的传统方法,如反褶积、Q补偿等,受到子波为最小相位、反射系数为白噪声等假定条件的限制且需要求取复杂参数,不便于实际应用。深度学习方法使用数据驱动的方式可以自适应地刻画输入与目标间的关系,具备良好的自主学习能力,但目前基于深度学习提高地震数据分辨率的方法对注意力信息的利用不够全面。因此,提出一种基于双注意力u-net网络的提高地震数据分辨率方法。首先,在原始u-net网络中加入改进的通道注意力模块、空间注意力模块和级联残差模块,不仅可以快速学习高、低分辨率数据间的映射关系,还能够合理分配不同通道和空间的权重、充分利用数据间的相关性;然后,使用L1损失和多尺度结构相似性指数损失的组合作为损失函数,提高模型对局部信息变化的敏感度,便于恢复细节信息。模拟数据和实际数据的测试结果表明,该方法提升了地震数据的主频,增加了频带宽度,同相轴变得更清晰,细节纹理信息更丰富,有效提高了地震数据的分辨率。

关键词：提高分辨率深度学习 u-net网络注意力机制残差块

基于改进的u-net网络在MRI膀胱肿瘤图像的分割

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

计算机与数字工程 2021年第7期49卷 1442-1447页

作者：曹心姿梁秋源李瑞新蔡兆信潘家辉华南师范大学软件学院佛山528225

膀胱癌是泌尿系统最常见的恶性肿瘤,也是目前花费最高的癌症之一。肿瘤的分割在疾病的辅助诊断、治疗规划中具有重要意义。传统的肿瘤分割需要消耗大量的劳动力。随着技术的不断发展,具有预处理少,准确率高等优势的卷积神经网络作为一... 详细信息

膀胱癌是泌尿系统最常见的恶性肿瘤,也是目前花费最高的癌症之一。肿瘤的分割在疾病的辅助诊断、治疗规划中具有重要意义。传统的肿瘤分割需要消耗大量的劳动力。随着技术的不断发展,具有预处理少,准确率高等优势的卷积神经网络作为一种图像处理高效的技术,已经在图像分割领域取得了不错的成绩。目前医学图像分割领域得到较好反响的是u-net网络,但该网络训练深度低,准确率较低。论文提出了一种改进后的Res-u-net网络模型,参考残差网络构造,与残差结构结合,相比于原始的u-net模型,Dice系数平均提高了9%。

关键词： u-net网络肿瘤分割残差网络 Dice系数

基于FPGA的u-net网络硬件加速系统的实现

在线全文

学校读者我要写书评

暂无评论

电子与封装 2020年第6期20卷 38-43页

作者：梅亚军王唯佳彭析竹电子科技大学电子科学与工程学院成都610054

随着深度学习的快速发展,神经网络算法被广泛应用于图像处理领域。由于硬件算力限制了神经网络的实现与应用,基于FPGA的神经网络硬件加速器相继被提出。u-net网络作为一种特殊的卷积神经网络,在生物医学图像分割方向具有重要的意义。u-... 详细信息

随着深度学习的快速发展,神经网络算法被广泛应用于图像处理领域。由于硬件算力限制了神经网络的实现与应用,基于FPGA的神经网络硬件加速器相继被提出。u-net网络作为一种特殊的卷积神经网络,在生物医学图像分割方向具有重要的意义。u-net网络的运算瓶颈是卷积运算,采用循环展开、循环流水等硬件电路设计方法,通过提高FPGA内部硬件资源利用率增加卷积运算硬件加速器的并行度,提升硬件系统的整体运算性能。最终在Pynq-Z1异构平台上实现了卷积运算硬件加速器的设计,完成了整个u-net网络的软硬件系统开发。试验表明,整个u-net网络硬件加速器的运算性能提升为原来的19.690倍,是一种有效的神经网络加速方案。

关键词： FPGA u-net网络硬件加速卷积运算

在线全文

学校读者我要写书评

暂无评论

基于u-net网络的动漫草图生成方法

金陵科技学院学报 2023年第3期39卷 1-7页

作者：赵海峰高梓玉张燕高顺祥金陵科技学院软件工程学院江苏南京211169 江苏润和软件股份有限公司江苏南京210012 江苏省信息分析工程研究中心江苏南京211169 南京师范大学计算机与电子信息学院江苏南京210023

提出了一种基于u-net网络的动漫草图生成方法,用于解决草图着色时难以获取成对的草图与RGB图的问题。该方法整体结构基于u-net网络,通过添加残差块,有效利用了草图抽象信息和RGB图颜色信息,从而实现草图线稿的有效提取。实验结果表明,... 详细信息

提出了一种基于u-net网络的动漫草图生成方法,用于解决草图着色时难以获取成对的草图与RGB图的问题。该方法整体结构基于u-net网络,通过添加残差块,有效利用了草图抽象信息和RGB图颜色信息,从而实现草图线稿的有效提取。实验结果表明,该方法在标准草图数据集上的FID值为74.56,超过了同类边缘提取方法40%,能够更好地提取草图,并且与人工绘制的草图风格接近。

关键词： u-net网络动漫草图提取方法深度学习残差块

在线全文

学校读者我要写书评

暂无评论

基于改进u-net网络的神经元分割算法

江汉大学学报（自然科学版） 2022年第4期50卷 87-96页

作者：程维东叶曦王芳平晶晶钱同惠张志玮江汉大学智能制造学院湖北武汉430056 江汉大学人工智能学院湖北武汉430056 江汉大学设计学院湖北武汉430056

针对目前电镜神经元图像分割的特征模糊性、复杂程度高以及边缘有损等缺陷,提出了一种将自注意力机制、叠加损失函数与u-net网络相结合的网络模型,实现了对神经元图像的精确分割。首先,在原始图像的基础上通过几何变换实现数据集增广,... 详细信息

针对目前电镜神经元图像分割的特征模糊性、复杂程度高以及边缘有损等缺陷,提出了一种将自注意力机制、叠加损失函数与u-net网络相结合的网络模型,实现了对神经元图像的精确分割。首先,在原始图像的基础上通过几何变换实现数据集增广,有效地抑制了过拟合;其次,采用改进的自注意力机制对图像细节进行重点学习,提高模型分割的准确度;最后,将Dice loss与相对熵(KL散度)进行适当组合,使得网络性能有所提升。该模型在ISBI 2012数据集上的实验结果显示,其正确率、F1指标、准确度和召回率分别达到0.93043、0.95679、0.95326、0.96034,图像分割效果在整体和细节上分割相对更准确,并且细胞膜分割基本没有断裂。

关键词： u-net网络神经元分割注意力机制 KL散度 BN层

多尺度空洞u-net网络的电影CMR图像分割

在线全文

学校读者我要写书评

暂无评论

计算机技术与发展 2022年第11期32卷 177-182页

作者：王建军李婉晴张敏河北经贸大学信息技术学院河北石家庄050061

在电影心脏核磁共振(CMR)图像上准确分割左心室、右心室和心肌是心脏功能评估和诊断的重要步骤。然而,大多数带标注的CMR图像数据量较少,无法满足训练需求,同时CMR图像中心脏结构复杂,心室及心肌边界不清晰,导致分割效果欠佳。因此,该... 详细信息

在电影心脏核磁共振(CMR)图像上准确分割左心室、右心室和心肌是心脏功能评估和诊断的重要步骤。然而,大多数带标注的CMR图像数据量较少,无法满足训练需求,同时CMR图像中心脏结构复杂,心室及心肌边界不清晰,导致分割效果欠佳。因此,该文提出了一种基于迁移学习和多尺度空洞u-net网络的CMR图像分割方法,使用迁移学习,将预训练模型得到的网络参数迁移到目标模型上作为目标模型的初始化参数,提高网络的特征学习能力,解决CMR图像数据量不足的问题;在u-net网络中引入多尺度空洞卷积模块,使用空洞卷积代替普通卷积在参数不变的情况下扩大了感受野,并且采用多尺度特征融合提取更加精细的特征,解决CMR图像边界曲线欠分割的问题。实验结果表明,该方法能有效实现心脏中左心室、右心室和心肌的准确分割,平均Dice系数和Hausdorff距离平均值分别为0.902和4.219 mm,对比其他网络分割模型明显提高了分割精度。

关键词：心脏核磁共振图像 u-net网络迁移学习多尺度空洞卷积特征融合

基于u-net网络的高分辨率遥感影像地理信息提取方法

在线全文

学校读者我要写书评

暂无评论

信息记录材料 2023年第5期24卷 102-104页

作者：舒斯红江西核工业测绘院集团有限公司江西南昌330038

针对使用传统方法提取边缘信息受到光线动态变化影响,导致提取完整度低的问题,本文提出了基于u-net网络的高分辨率遥感影像地理信息提取方法,并构建了基于u-net网络的提取模型,采用128 d特征矢量来表示特征点的信息,结合高斯法对特征向... 详细信息

针对使用传统方法提取边缘信息受到光线动态变化影响,导致提取完整度低的问题,本文提出了基于u-net网络的高分辨率遥感影像地理信息提取方法,并构建了基于u-net网络的提取模型,采用128 d特征矢量来表示特征点的信息,结合高斯法对特征向量进行加权处理,克服光线动态变化的影响,获取高分辨率遥感影像地理边缘特征描述子。利用Hough转换技术对目标轮廓进行了检测,确定地理信息区域轮廓。设定滑动视窗大小,分离出噪声,将地理边缘特征描述子合并,得到地理信息特征点集。结果表明,该方法提取完整度最高可达到99%,能够有效提取大部分的地理信息。

关键词： u-net网络高分辨率遥感影像地理信息提取

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

基于改进u-net网络的皮肤病图像分割

黑龙江科学 2021年第18期12卷 1-4,8页

作者：陈虎中南民族大学生物医学工程学院武汉430074

为提升皮肤病图像分割效果,进一步优化图像处理过程,结合图像提取更高质量的特征,提出一种基于u-net网络、结合循环模块和残差模块及注意力机制的改进u-net网络自动分割方法对皮肤病图像进行分割。该方法有助于构建更深层的网络结构,递... 详细信息

为提升皮肤病图像分割效果,进一步优化图像处理过程,结合图像提取更高质量的特征,提出一种基于u-net网络、结合循环模块和残差模块及注意力机制的改进u-net网络自动分割方法对皮肤病图像进行分割。该方法有助于构建更深层的网络结构,递归残差卷积层的使用,保证了网络训练过程中更好的特征累积。注意力机制的加入,使网络更专注于提取目标区域,提高了分割性能。实验结果表明,与普通u-net网络、结合残差模块的u-net网络、结合注意力力机制的u-net网络等网络框架相比,所提出的网络分割精度更高,实验分割的正确率达到92.74%,有较好的性能。

关键词： u-net网络循环模块残差模块注意力机制皮肤病分割