共查询到16条相似文献,搜索用时 984 毫秒
1.
为了提升不完全角度计算机断层成像(CT)图像的重建精度和重建效率,研究了有限角度和稀疏角度下的CT图像重建问题,提出新的全变差最小化目标函数,通过将上一步迭代重建的图像作为反馈加入到新的迭代之中,不断更新目标函数的已知项。在算法求解时,采用增广Lagrangian罚函数方法,将约束问题非约束化,并将之转化为等价的3个子问题,通过在交替方向上求解子问题来获得优化问题的最优解。实验结果表明,该算法重建出的图像信息完整,细节清晰,重建精度高,与Split Bregman算法相比,本文算法结果的相对均方误差可下降42.1%~98.5%,条纹指标可下降42.8%~98.5%。 相似文献
2.
高分辨率遥感图像分割在军事、民用等领域具有良好的应用前景,但由于复杂的背景条件以及干扰物的遮挡,导致现有算法无法较好地从遥感影像中提取道路细节信息。研究基于改进U Net网络模型,提出了MDAU-Net(multi dimension attention U-Net)网络结构模型,通过对U-Net网络结构加深至七层结构来提升精细分割道路的能力;并提出了一种多维注意力模块MD-MECA(multi dimension modified efficient channel attention),将其添加至编码部分的特征传递步骤中,以达到对编码部分的特征传递进行优化的目的;其中利用DropBlock与Batch Normalization解决网络训练过程中出现的过拟合。试验结果表明:改进后算法可以有效提升道路的提取效果,在测试集上的准确率达到了97.04%。 相似文献
3.
光伏组件的遮挡物识别是光伏运维系统中不可或缺的环节,传统识别算法多依赖人工巡检,成本高昂且效率低下。基于卷积神经网络,提出了一种面向光伏组件的遮挡物识别算法PORNet。通过引入特征金字塔,构建多个分辨率下具有丰富语义信息的图像特征,提升对遮挡物尺度和密度的敏感性。通过特征自选择,筛选出语义最具代表性的特征图,以加强物体环境的语义信息表达。用筛选出的特征图完成遮挡物识别,从而提升识别准确率。在自建光伏组件落叶遮挡数据集上进行了实验比较和分析,并对识别性能进行了评估,通过与现有物体识别算法相比,所提算法的准确率和召回率分别提升了9.21%和15.79%。 相似文献
4.
针对无人机航拍图像尺度变化大、识别难度大和目标普遍较小的问题,提出一种基于改进单阶段多框检测器(single shot multibox detector, SSD)的无人机航拍目标检测算法——RCBnet.该算法为了提升网络的特征提取能力,将SSD算法的特征提取网络修改为Resnet-50并采用特征融合的方式,将特征图进行融合,用融合后的特征图构建特征金字塔;为了增强算法对物体的检测能力,设计一种联合注意力机制的多尺度卷积结构来有效调节感受野,实现不同尺寸卷积核对特征图的并行运算;针对训练过程中正负样本极具不平衡的问题,该算法采用Focal Loss损失函数训练网络模型,使其侧重于困难样本.通过与其他经典算法相比可知,所提算法在无人机航拍图像中具有更高的检测精度、更好的检测性能和鲁棒性,相比SSD,精度提高达3.46%. 相似文献
5.
在人像超分辨率重建领域,传统方法通常将整幅图像进行统一处理,导致效率低下。为降低模型的推理时延,提出了一种实时超分辨率重建模型RASR。该模型利用门控单元处理低分辨率图像,识别出人像边缘区域;采用分区重建策略,使用不同尺寸的子模型分别针对包含或不包含人像边缘的区域进行重建。实验结果表明:与现有方法相比,RASR模型在4倍上采样重建场景下的推理时延降低了88%,能够更有效地重建高分辨率人像图像。 相似文献
6.
深度学习技术在超分辨率重建领域中发展迅速。为了进一步提升重建图像的质量和视觉效果,针对基于生成对抗网络(GAN)的超分辨率重建算法重建图像的纹理放大后不自然的问题,提出了一种结合小波变换和生成对抗网络的超分辨率重建算法。所提算法在生成对抗网络中将小波分解的每个分量在各自独立的子网中进行训练,实现网络对小波系数的预测,有效地重建出具有丰富的全局信息和局部纹理细节信息的高分辨率图像。实验结果表明,对比基于生成对抗网络的算法,所提算法重建图像的客观评价指标峰值信噪比(PSNR)和结构相似性分别能提高至少0.99 dB和0.031。 相似文献
高光谱(HS)遥感图像含有丰富的光谱信息,但是空间分辨率较低,而全色(PAN)遥感图像空间分辨率较高。针对高光谱遥感图像与全色遥感图像的融合问题,提出了一种新的基于边缘保持滤波和结构张量的遥感图像融合算法。首先,为了提取高光谱遥感图像的空间信息,提出使用边缘保持滤波方法,该提取方法可以保证提取的信息全部为空间细节信息,避免低频混叠。其次,对全色遥感图像采用高斯-拉普拉斯图像增强算法进行图像锐化,降低图像噪声,锐化细节信息。再次,为得到总空间信息,提出使用结构张量的自适应加权策略。传统的融合算法通常仅从全色遥感图像中提取空间信息,可能会引起光谱失真或空间细节加入不足等问题,为了克服这些问题,提出的自适应加权策略得到的总空间信息不仅包含全色遥感图像的空间信息,还包含高光谱遥感图像的空间信息,且自适应加权相对于全局常数加权,可以自动选取更加合适的加权数据。最后,通过构建可以控制光谱和空间失真的增益矩阵,将总空间信息注入到插值的高光谱遥感图像的每个波段中,得到融合的高光谱图像。实验结果表明,本文提出的遥感图像融合算法,在客观评价方面,取得了最优的空间和光谱性能,在视觉效果上,与其他融合算法相比,可以更有效地提高空间分辨率和保持光谱信息。 相似文献
8.
9.
有光学遥感图像超分重建方法主要是生成视觉上令人满意的图像,并未考虑后续目标检测任务的特殊性,不能有效地应用到目标检测中。基于此,提出了面向目标检测的双驱动自适应多尺度光学遥感图像超分重建方法,将超分重建网络和目标检测网络结合起来,进行联合优化。针对光学遥感图像的特点设计了自适应多尺度遥感图像超分重建网络,集成选择性内核网络和自适应特征门控单元来特征提取和融合,重建出初步遥感图像。通过提出的双驱动模块,将特征先验驱动损失和任务驱动损失传到超分重建网络中,提高目标检测的性能。在UCAS-AOD和NWPU VHR-10数据集上进行实验,并与5种主流方法进行比较,所提方法的峰值信噪比和平均准确率相较于FDSR方法分别提高了1.86 dB和3.73%。实验结果表明,所提方法和光学遥感图像目标检测结合可以取得更好的效果,综合性能更佳。 相似文献