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

基于照度与场景纹理注意力图的低光图像增强

中国图象图形学报 2024年第4期29卷 862-874页

作者：赵明华汶怡春都双丽胡静石程李鹏西安理工大学计算机科学与工程学院西安710048

目的现有的低照度图像增强算法常存在局部区域欠增强、过增强及色彩偏差等情况,且对于极低照度图像增强,伴随着噪声放大及细节信息丢失等问题。对此,提出了一种基于照度与场景纹理注意力图的低光图像增强算法。方法首先,为了降低色彩... 详细信息

目的现有的低照度图像增强算法常存在局部区域欠增强、过增强及色彩偏差等情况,且对于极低照度图像增强,伴随着噪声放大及细节信息丢失等问题。对此,提出了一种基于照度与场景纹理注意力图的低光图像增强算法。方法首先,为了降低色彩偏差对注意力图估计模块的影响,对低光照图像进行了色彩均衡处理;其次,试图利用低照度图像最小通道约束图对正常曝光图像的照度和纹理进行注意力图估计,为后续增强模块提供信息引导;然后,设计全局与局部相结合的增强模块,用获取的照度和场景纹理注意力估计图引导图像亮度提升和噪声抑制,并将得到的全局增强结果划分成图像块进行局部优化,提升增强性能,有效避免了局部欠增强和过增强的问题。结果将本文算法与2种传统方法和4种深度学习算法比较,主观视觉和客观指标均表明本文增强结果在亮度、对比度以及噪声抑制等方面取得了优异的性能。在VV(Vasileios Vonikakis)数据集上,本文方法的BTMQI(blind tone-mapped quality index)和NIQMC(no-reference image quality metric for contrast distortion)指标均达到最优值;在178幅普通低照度图像上本文算法的BTMQI和NIQMC均取得次优值,但纹理突出和噪声抑制优势显著。结论大量定性及定量的实验结果表明,本文方法能有效提升图像亮度和对比度,且在突出暗区纹理时,能有效抑制噪声。本文方法用于极低照度图像时,在色彩还原、细节纹理恢复和噪声抑制方面均具有明显优势。代码已共享在Github上:https://***/shuanglidu/LLIE_***。

关键词：低照度图像增强注意力机制 u-net网络照度估计最小通道约束图

基于注意力机制的u-net叶片缺陷图像分割

在线全文

学校读者我要写书评

暂无评论

中国安全科学学报 2024年第5期34卷 139-146页

作者：祁雷李宁梁伟王峥刘子梁中海油能源发展股份有限公司清洁能源分公司天津300459 中国石油大学(北京)安全与海洋工程学院北京102249 应急管理部油气生产安全与应急技术重点实验室北京102249

为解决风力发电机叶片表面缺陷检测存在分类困难和微小缺陷分割模糊的难题,构建一种基于扩张卷积和卷积注意力模块的改进u-net语义分割网络。该网络基于网络模型的编码-解码结构,使用可迁移的VGG16的特征提取层代替u-net网络的编码部分... 详细信息

为解决风力发电机叶片表面缺陷检测存在分类困难和微小缺陷分割模糊的难题,构建一种基于扩张卷积和卷积注意力模块的改进u-net语义分割网络。该网络基于网络模型的编码-解码结构,使用可迁移的VGG16的特征提取层代替u-net网络的编码部分,在编码-解码之间的跳跃模块加入卷积注意力模块。通过对微小缺陷信息选取加强全局权重,使用扩张卷积增强网络特征,采用VGG16预训练模型实现迁移学习。开展Focal与Dice结合的混合损失函数验证,对比分析DeeplabV3+、PSPnet、HRnet、u-net这4种模型。结果表明:对于叶片缺陷数据集,改进的u-net网络模型对叶片缺陷的分类和分割任务具有更高的精度,均交并比、均像素精度和召回率等指标值分别为83.60%、92.84%和88.50%。改进u-net网络的均交并比值比DeeplabV3+模型高13.98%,比标准u-net模型高9.38%,能够提高叶片缺陷检测的灵敏度,有效降低检测结果的误报警率,有助于准确检测风机叶片缺陷。

关键词：注意力机制 u-net网络风机叶片缺陷图像分割语义分割迁移学习卷积块注意力模块(CBAM)

在线全文

学校读者我要写书评

暂无评论

差异特征注意力引导的偏振图像高光移除

光学技术 2024年第2期50卷 247-256页

作者：袁东张健余洋洋张志良山东省水利勘测设计院有限公司济南市数字孪生与智慧水利重点实验室山东济南250013 河海大学信息学部信息科学与工程学院智能视觉感知实验室江苏常州213200

针对光照不均匀或者工件光滑反光材质导致的产生高亮光斑问题,提出差异特征注意力引导的偏振图像高光区域去除算法,采用两阶段式网络结构来获取高质量的高光去除结果。第一阶段利用u-net网络提取多层次高低级特征;第二阶段设计差异特征... 详细信息

针对光照不均匀或者工件光滑反光材质导致的产生高亮光斑问题,提出差异特征注意力引导的偏振图像高光区域去除算法,采用两阶段式网络结构来获取高质量的高光去除结果。第一阶段利用u-net网络提取多层次高低级特征;第二阶段设计差异特征注意力引导模块,在特征空间中建立镜面反射和漫反射间的相关性模型,补充增强漫反射层图像原始特征。此外,制作了用于偏振去高光的数据集来验证网络性能。定量和定性实验表明提出的算法去高光能力优于现有算法。

关键词：光谱学偏振成像高光移除两阶段网络差异特征注意力 u-net网络

在线全文

学校读者我要写书评

暂无评论

基于联结扩张注意网络的图像去摩尔纹算法

安庆师范大学学报（自然科学版） 2024年第2期30卷 52-57页

作者：孙光灵卢慧敏陈冲黄磊苏亮亮安徽建筑大学电子与信息工程学院安徽合肥230601 合肥工业大学智能互联系统安徽省实验室安徽合肥230002

针对相机拍摄数字显示屏时图像产生的摩尔纹,本文提出了基于联结扩张注意网络的图像去摩尔纹算法。该算法先以轻量级基线u-net网络为基础,将改进的动态特征金字塔模块DFP引入u-net的跳跃连接中,并构成联结结构,实现多尺度特征提取与融合... 详细信息

针对相机拍摄数字显示屏时图像产生的摩尔纹,本文提出了基于联结扩张注意网络的图像去摩尔纹算法。该算法先以轻量级基线u-net网络为基础,将改进的动态特征金字塔模块DFP引入u-net的跳跃连接中,并构成联结结构,实现多尺度特征提取与融合,再利用CBAM改进的软注意力机制RMAM来聚焦摩尔纹图像颜色信息,最后构建网络模型对其进行了训练及测试。结果表明,相较于其他算法,该算法具有较高的峰值信噪比和结构相似度。

关键词：图像处理图像去摩尔纹 u-net网络多尺度软注意力机制

在线全文

学校读者我要写书评

暂无评论

基于u-net的多尺度低照度图像增强网络

计算机工程 2022年第8期48卷 215-223页

作者：徐超越余映何鹏浩李淼马玉辉云南大学信息学院昆明650091

低照度是夜晚拍摄时常见的一种现象,不充分的光照会使图像细节损失严重,降低图像视觉质量。针对现有低照度图像增强方法对不同尺度特征的感知和表达能力存在不足的问题,提出一种基于u-net的多尺度低照度图像增强网络(MSu-LIIEN)。采用... 详细信息

低照度是夜晚拍摄时常见的一种现象,不充分的光照会使图像细节损失严重,降低图像视觉质量。针对现有低照度图像增强方法对不同尺度特征的感知和表达能力存在不足的问题,提出一种基于u-net的多尺度低照度图像增强网络(MSu-LIIEN)。采用特征金字塔作为基本处理框架,实现对低照度图像的特征提取。在特征金字塔构建的3个分支结构中均使用u-net作为骨干网,对提取到的浅层图像特征进行编码与解码操作,同时引入结构细节残差融合块以增强网络模型提取和表征低照度图像特征信息的能力。在此基础上,对提取到的特征信息逐层融合,恢复正常光照图像。实验结果表明,MSu-LIIEN在LOL-datasets和Brighting Train数据集中相比于性能排名第二的KinD模型,平均峰值信噪比分别提高16.21%和46.67%,且在主观视野感受和客观评价指标方面均优于所有对比的经典模型,不但能有效提升低照度图像的整体亮度,而且能很好地保持图像中的细节信息和清晰的物体边缘轮廓,使增强后的图像整体画面真实自然。

关键词：低照度图像增强深度学习 u-net网络多尺度特征图感受野

融合注意力机制的u型对称网络的医疗辅助算法落地与运用

在线全文

学校读者我要写书评

暂无评论

计算机科学与应用 2024年第3期14卷 108-119页

作者：彭然王博邱子桐兰星辰彭跃陈先金高帅刘涛四川农业大学信息工程学院四川雅安

本文提出了一个融合注意力机制的u型对称网络的医疗辅助算法,用于提高诊断的准确性和效率。利用深度学习技术,对医学影像和病例数据进行自动化分析。本文使用了DRIVE、LiTS和SIIM-ACR等数据集进行训练,在u-net网络模型的基础上,创新网... 详细信息

本文提出了一个融合注意力机制的u型对称网络的医疗辅助算法,用于提高诊断的准确性和效率。利用深度学习技术,对医学影像和病例数据进行自动化分析。本文使用了DRIVE、LiTS和SIIM-ACR等数据集进行训练,在u-net网络模型的基础上,创新网络编码器和解码器之间引入了注意力模块,以动态聚焦于图像中的关键特征。通过K折交叉验证来评估模型性能,并使用L2权重衰减正则化防止模型过拟合。在系统落地方面,设计了基于Django的医疗辅助小程序平台,用户可以通过微信小程序进入用户界面,实现医疗影像器官分割、在线问诊等功能。管理员则可以通过PC网页端对用户进行管理。该系统具有较高的准确性和效率,可以有效改善医疗资源分配不均的问题。

关键词：人工智能医疗影像分割 u-net网络注意力机制医疗辅助诊断

基于深度学习的高分辨率遥感影像自然要素提取方法

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

测绘通报 2024年第S1期 177-180页

作者：曹建涛孟凡效王珍丁乐乐刘艳飞潘宇明天津市勘察设计院集团有限公司

针对土地利用调查手段中实地调查效率低下、遥感影像识别分析不精确等问题，本文提出一种融合u-net深度学习网络与神经网络大模型Segment Anything Model(SAM)的高分辨率遥感影像识别方法，结合二者优势实现了对耕地及其他自然要素快速... 详细信息

针对土地利用调查手段中实地调查效率低下、遥感影像识别分析不精确等问题，本文提出一种融合u-net深度学习网络与神经网络大模型Segment Anything Model(SAM)的高分辨率遥感影像识别方法，结合二者优势实现了对耕地及其他自然要素快速精细化识别分类。试验表明：u-net网络在识别三大主粮(水稻、玉米、小麦)时的准确率和召回率均超过90%,达到了很好的识别效果；其次利用SAM模型对自然要素粗提取结果进行边界优化后，精细化提取要素边界与实际情况更为符合，结果更为准确。

关键词：深度学习自然要素提取 u-net网络 SAM模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的炸点图像识别与处理方法

探测与控制学报 2024年第1期46卷 70-77页

作者：刘佳音李翰山张晓倩西安工业大学兵器科学与技术学院陕西西安710021 西安工业大学电子信息工程学院陕西西安710021

为了提高弹丸近炸落点位置的测试精度,改善传统炸点图像易受噪声干扰及环境影响的识别问题,提出基于深度学习的炸点图像识别与处理方法。该方法是以高速摄像机拍摄的多序列炸点图像为基础,利用GoogLenet分类网络方法提取爆炸瞬间炸点信... 详细信息

为了提高弹丸近炸落点位置的测试精度,改善传统炸点图像易受噪声干扰及环境影响的识别问题,提出基于深度学习的炸点图像识别与处理方法。该方法是以高速摄像机拍摄的多序列炸点图像为基础,利用GoogLenet分类网络方法提取爆炸瞬间炸点信息,研究改进u-net网络分割炸点图像,重点对炸点图像的主干特征提取和优化损失函数进行建模,对炸点图像数据信息集进行训练与测试,并通过Canny边缘提取算法提取炸点图像边缘,采用最小二乘法进行轮廓拟合,求解炸点像素坐标,结合摄像机空间几何关系,获得炸点空间坐标。实验结果表明,改进u-net网络的PA值为94.2%,MPA值为97.6%,MIOu值为84.8%,相比于原始u-net网络的分割精度更高,能够为后续炸点位置的获取及武器毁伤评估提供技术支撑。

关键词： u-net网络图像识别图像分割损失函数

在线全文

学校读者我要写书评

暂无评论

基于深度学习的脑胶质瘤图像分割方法研究

基于深度学习的脑胶质瘤图像分割方法研究

作者：马甜甜长春工业大学

学位级别：硕士

脑肿瘤对患者的生活质量造成了重大影响,是一种具有较高死亡风险的疾病。在各种脑肿瘤中,脑胶质瘤是最常见的原发性恶性脑肿瘤,而这类肿瘤的治愈可能性非常小。由于脑胶质瘤具有浸润性生长特点,与周围正常脑组织的边界不够明显,并且脑... 详细信息

脑肿瘤对患者的生活质量造成了重大影响,是一种具有较高死亡风险的疾病。在各种脑肿瘤中,脑胶质瘤是最常见的原发性恶性脑肿瘤,而这类肿瘤的治愈可能性非常小。由于脑胶质瘤具有浸润性生长特点,与周围正常脑组织的边界不够明显,并且脑肿瘤在不同患者中的形状、位置存在巨大差异,给分割工作带来了显著的挑战。这一分割过程主要依赖于核磁共振影像技术,旨在将脑肿瘤从正常组织中区分开。在医学图像处理中,传统的分割方法通常依赖于人工标注,这种方式不仅耗费精力,分割效率低,并且还可能受到医生的主观判断,导致出现误判的情况。因此,基于深度学习的脑胶质瘤图像分割方法受到了越来越多研究者的关注。本文对基于深度学习的脑胶质瘤图像分割方法进行研究。由于不同脑胶质瘤形状、位置存在很大差异,且不能做扩大化处理,因此为了提高脑胶质瘤的分割精度,提出了基于改进u-net的脑胶质瘤图像分割方法。本文运用残差连接的方式设计下采样结构,目的是为了减少在特征提取过程中细节特征的丢失,并确保模型能够有效融合不同层级的特征。为模型融入注意力机制,帮助模型更好地聚焦于输入数据中的关键部分。因此,本文在跳跃连接中设计迭代注意特征融合模块,将不同尺度和不同语义的特征进行融合。同时也在下采样过程中融入高效金字塔分割注意模块,通过对输入特征图进行不同尺度的池化操作,能够捕获从局部到全局不同范围的信息,从而实现更精准的分割。通过实验可以证明,该方法相比于u-net网络,其Dice系数在三个区域分别提升了2.21%、8.5%、4.26%,阳性预测值分别提升了4.16%、6.89%、5.74%。鉴于unet是一种具有深层卷积和残差连接的卷积神经网络,能够保持较高的分割性能,可以有效解决脑胶质瘤图像边缘信息提取的问题。因此,本文提出了基于改进unet的脑胶质瘤图像分割方法。将unet网络原始的六层结构改进为五层结构,去除掉第五层的RSu-4F,减小模型的复杂度。在unet编码部分的每个Block中引入高效通道注意模块,提高网络对重要特征的关注能力。改进整体网络的跳跃连接部分,将坐标注意力模块融入跳跃连接部分,增强网络对空间上下文信息的捕捉能力,进而提高模型的分割精度。通过实验可以证明,该方法相较于unet,其Dice系数在三个区域分别提升了3.77%、2.58%、2.62%,阳性预测值分别提升了2.06%、2.56%、1.06%。

关键词：卷积神经网络脑胶质瘤分割 u-net网络注意力机制