多尺度聚合GAN的未标定光度立体视觉

讨论利用深度学习方法解决非朗伯曲面问题的未标定光度立体技术,而现有的光度立体算法通常假设光源条件已知或简化反射率模型,限制了其实际应用.因此,提出基于多尺度聚合的生成对抗网络的未标定光度立体技术,直接学习光度图像与法向图之间的映射关系,避免繁琐的光源标定步骤,可精确估计反射率函数表达形式.实验结果表明,该方法相比现有最...     

基于Retinex模型的水下图像增强方法

针对水下图像颜色失真和低对比度2个主要问题,提出了一种弱通道耦合的颜色校正和基于Retinex模型的对比度提升方法。首先通过计算补偿系数对弱通道进行补偿和拉伸以达到颜色校正的目的,然后提出一个变分方程,求解得到图像的光照图,基于Retinex模型提升图像对比度。从UIEB数据集中挑选出绿色、蓝色水下图像,采用UIQM、UCIQE、PCQI指标衡量所提方法的性能,并与其他先进方法相比校,证明所提方法取得了更好的效果。所提方法有效解决了水下图像由于颜色失真而造成的细节模糊问题,提升了水下图像的可见性,得到的增强图像也更符合人类视觉。     

多方向双边滤波单尺度Retinex图像增强研究

传统的单尺度Retinex(SSR)图像增强算法无法准确估计明暗突变剧烈区域的背景光照,增强图像易产生光晕现象且图像细节信息减弱。针对这种情况,提出一种基于多方向的双边滤波单尺度Retinex图像增强算法,利用不同方向的双边滤波器平滑输入图像,获得不同的光照图,通过融合得到光照估计,在Retinex增强时保留一定程度的光照使图像增强更加自然。实验结果表明,该方法能有效克服光照不均且可消除光晕现象,增强图像细节,其增强效果优于传统的SSR。     

一种注意力融合的多尺度点云分类网络

针对传统点云分类网络不能较好结合全局特征和局部特征信息、导致分类精度不够高的问题,提出一种包含注意力机制的特征融合模型。通过构建多尺度网络,增大网络感受野,从而获得不同程度特征。采用注意力机制进行特征融合,使得局部特征和全局特征相互补偿,增强特征描述符的语义丰富性,获得上下文有效信息,以此提高整体的分类精度。在公开数据集ModelNet 40上对该算法进行验证,取得92.85%的分类精度,验证该网络模型的可行性。     

改进细节提升多尺度Retinex图像增强算法

为了改善复杂照度下彩色图像增强出现的细节丢失和色彩失真问题,依据颜色空间转换和边缘细节融合算法,提出基于HSI空间细节提升多尺度Retinex图像增强算法。通过边缘提取融合算法增强HSI模型亮度分量,进行基于高斯模糊的多尺度细节提升,获得增强图像。与经典的MSR、MSRCR等进行仿真比较,实验数据表明,在主观视觉效果和客观评价指标下,该算法均优于MSR和MSRCR,增强图像细节丰富,色彩自然逼真。     

基于GAN的图像超分辨率方法研究

图像超分辨率是一种采用软件算法提高图像空间分辨率的技术,由于传统超分辨率方法超清程度有限,基于深度学习的图像超分辨率方法成为研究者们近年来的研究重点。基于生成对抗网络（GAN）的图像超分辨率方法,在其网络模型结构基础上增加批处理归一化（BN）层以提升网络收敛速度、加强网络训练稳定性,更改上采样层网络并对损失函数作相应修改。在网络训练过程中,选择当前比较通用的Adam优化器。实验结果表明,该方法具有很好的超分辨率图像重建能力,且在训练过程中训练稳定性得到提升,收敛速度也有所加快。     

基于注意力机制的人脸漫画生成方法

在漫画生成领域,针对现有的基于生成对抗网络(generative adversarial networks, GAN)的方法无法捕获漫画和人脸之间高级对应关系的问题,提出了一个基于注意力机制的生成对抗网络模型(Attentions-based GAN)。在生成器和多尺度鉴别器上创造性地利用不同的注意力模块以保留重要的通道特征和空间特征,保证了鉴别器更准确地区分真实漫画和生成漫画,并促使生成器学习漫画域的分布。此外,构建了一个高分辨率的人脸漫画数据集,并在其上验证了本文模型的有效性。大量实验表明,本文方法生成的漫画更清晰真实,可以保留人物面部的细节并延续漫画的风格。     

基于两阶段注意力机制的快速水下图像增强方法（英文）

为提升水下退化图像的质量,提出了一种基于两阶段注意力机制的快速水下图像增强算法.首先,在特征内采用自注意力机制来加强网络对重要信息的关注.然后,通过交叉注意力机制,将基于物理先验的水下传输图融入网络,以增强网络对质量退化区域的特征表达.最后,从主观和客观标准出发,设计了多项联合损失函数,引导网络获得更好的视觉增强效果.3个基准数据集上的实验结果表明,与5种水下图像增强方法相比,所提方法的峰值信噪比和结构相似性分数更高,性能明显更优.该方法不仅能有效恢复图像颜色和纹理细节,而且具备实时高效的处理速度.     

多源图像智能化融合方法的研究

多源图像的智能化融合技术是在目前多尺度特征融合作为图像融合研究中一种新的研究方向,通过对图像的多尺度特征处理与人工智能中统计学习相结合,提出初步的模型以及技术方案,有效地改善图像融合的性能。     

多尺度Retinex彩色图像增强算法研究

多尺度Retinex彩色图像增强算法（MSRCR）使用多个不同高斯函数分别与原图像进行卷积,仅使用一个参数来控制图像动态变化,对彩色图像各通道的最大值和最小值进行映射,以实现对图像的无色差调节,还原出更多图像细节。实验结果表明,该算法能明显提高图像对比度,在扩大图像动态范围的同时保留了图像原始色彩。     

基于GAN的跨领域图像隐写方案

针对信息隐藏中载体修改存在修改痕迹、载体选择困难且负载量过低的问题,在载体合成的基础上提出了一种基于GAN的跨领域图像隐写方案。在由秘密消息驱动而无需预设载体及类型的情况下,将所选样本直接构造为含密信息,进行图像跨领域转换,映射到生成式图像空间传递信息。这种方案符合无载体信息隐藏思想,可有效抵抗基于统计特性的隐写检测。基于CelebA数据集进行了实验,结果验证所了提方案的可行性和安全性。     

基于分离变量的多尺度数值模拟方法

通过基于变系数可分离变量情形下限定扰动边界条件求解子问题,使多尺度基函数能很好地捕获模型问题的微观信息;该数值模拟方法仅在粗网格水平即可得到精确、收敛的结果。研究表明,运用多尺度有限元法进行复杂的多尺度数值模拟,既可节约计算资源又能保证计算的精度。     

基于数学形态学的自适应图像增强

提出了一种基于数学形态学的多尺寸、多结构元素自适应边缘检测、增强图像的算法,用多结构的元素和大小不同尺度的元素先后检测图像的边缘,并按一定的权值进行融合处理来增强图像．实验结果表明,该算法可以较好地提取图像的边缘特征,保护图像的细节,增强图像的对比度,丰富图像的层次,且对噪声有较强的滤除作用．     

一种自适应多尺度分割结果融合新方法

在基于HMT模型进行图像分割的方法中,多尺度分割结果融合的好坏直接影响了最终分割结果的优劣。针对现有的基于单一背景向量的融合方法难以合理利用多种背景信息优势的问题,提出了一种基于模糊逻辑的多尺度分割结果融合的新算法。此算法在多尺度粗分结果的不确定性的基础上,根据分割过程的特点,自适应地利用不同类型背景信息的优点,在分割的不同阶段形成具有不同背景描述能力的背景模型,从而较好的指导分割。一组实验从主观视觉和客观标准两个方面证明了该方法的有效性。     

多尺度分解算法与融合规则优化组合的双模态红外图像融合

针对现有双模态红外图像多尺度分解算法与融合规则的组合关系不能随着图像特征的不同而改变的问题,提出基于不同图像特征的多尺度分解算法与融合规则优化组合的融合方法。首先分析比较了7种常用多尺度分解算法对图像结构、边缘、纹理特征的提取效果;其次利用8种典型的融合规则对上述特征进行融合,并分析融合效果;最后提出了选择优化组合的融合效果分作为依据,构建了不同组合融合效果分数图,利用该分数图得出对于单特征与双特征融合的优化组合算法。实验结果表明,该优化组合方法对于不同图像特征的融合效果具有明显提升。     

基于多尺度特征注意的遥感图像语义分割方法

提出了一种基于多尺度特征注意网络的遥感图像语义分割方法,用于精确的像素级分割问题。通过利用由Transformer主干网络的不同层提取的多尺度特征,设计了一个双向聚合特征金字塔网络来捕获长距离依赖关系和细粒度细节。在网络结构中并行加入一个通道注意分支,从通道维度进行注意力增强以提高分割准确性。通过在两个高分辨率遥感数据集上的实验证明了该方法的有效性,实验结果优于其他分割方法。     

基于GAN的多维时间序列人体步态数据增强

典型的外骨骼机器人控制策略通常需要大量的人体步态数据来计算控制器的参考输入;步态预测或分类任务也需要大量的步态数据用于模型训练.数据增强技术可以合成与真实数据分布相似又保持原始数据动态特性的人工数据,从而降低人工收集步态数据的成本,有助于提高控制器的精度或模型的泛化能力.本研究以健康受试者在光学运动捕捉平台采集的原始步态数据为基础,通过建立多维和一维生成对抗网络模型学习真实数据的潜在分布从而生成相似分布的合成数据以达到一倍至数十倍增强真实数据的效果.对增强后的数据采用T-SNE可视化、JS散度和MAE度量两种数据的相似度,相比于一维时间序列GAN模型,多维时间序列GAN模型无论是从数据分布相似还是统计相似上精度都更高.     

多尺度特征融合的钢坯红外成像测温系统实验设计

针对冶金加热炉内钢坯温度测量,设计了基于多尺度特征融合的红外成像测温系统。首先,依据测温方式及应用现场环境,设计了测温系统整体结构;然后,根据系统测温原理和温度标定实验,推导系统测温模型,并建立图像灰度与目标温度的映射关系;最后,针对钢坯目标的识别问题,提出了一种基于多尺度特征融合的语义分割模型,实现了对钢坯目标的有效识别,识别准确率达到94.89%。实例验证结果表明,该测温系统可以实现炉内钢坯表面温度的测量,符合冶金领域实际应用和人才培养需求。     

单尺度的Retinex算法在车辆胎痕图像增强方面的应用

针对传统图像增强方法会丢失图像细节信息这一缺陷,本文提出一种基于单尺度的Retinex胎痕图像增强方法.实验结果表明,该算法较好地实现了颜色恒定性、动态范围压缩大和图像边缘的锐化,最终保持了胎痕图像的细节.     

基于面部特征点的人脸图像修复网络

为了获得更好的图像修复效果,建立了一种由人脸特征点预测子网和人脸修复子网组成的人脸面部图像修复深度学习网络.该网络的面部特征点预测子网在MobileNetV2模型基础上引入SE(squeeze-and-excite)结构,实现了对不完整人脸图像的面部特征点预测;修复子网中的生成器采用密集连接块U-Net结构,并新增残差...