公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

图像超分辨率卷积神经网络加速算法被引量：9: 2019年; 为了实现模型的实时和嵌入式运行,提出了一种轻量级的卷积神经网络结构。通过采用较小的滤波器尺寸和引入深度可分离卷积,可大量减少模型参数,提高模型非线性表达能力;在网络末端引入子像素卷积层,直接从原始低分辨率图像学习到高分辨率图像的映射,计算成本为原来的1/k2(k为放大因子)。在Set5数据集上的实验表明,所提模型的速度较经典的图像超分辨率重建算法速度提高了25. 8倍,能够在通用GPU上实时运行,峰值信噪比平均提高了0. 17 dB,并且参数只有它的35%。; 刘超张晓晖张晓晖; 关键词：卷积神经网络超分辨率重建

基于噪声评价的微光红外图像自适应融合方法被引量：4: 2017年; 基于微光图像噪声的评价对TNO彩色映射法进行了改进,并通过将微光图像的噪声特性参数引入到映射系数中,提出了一种自适应的微光红外图像融合方法。实验分析表明:该方法可以有效地降低微光图像的噪声对融合图像的影响,提高低照度下微光红外融合图像的质量。; 胡清平张晓晖刘超; 关键词：噪声评价微光图像红外图像自适应融合

超低照度下微光图像的深度卷积自编码网络复原被引量：22: 2018年; 微光/红外图像彩色融合是目前国内外夜视技术的重要发展方向,在超低照度下(环境照度小于2×10-3 lux),由于成像器件限制,微光图像具有低信噪比、低对比度等特点,导致目标难以辨识,成为制约彩色夜视技术的关键。为了提高目标的探测和识别率,提出了一种基于卷积自编码网络的微光图像复原方法,利用卷积自编码网络从微光图像训练集中学习超低照度下微光图像特征,实现去噪和对比度增强。实验结果表明,本文提出的方法得到的峰值信噪比(Peak Signal to Noise Ratio,PSNR)较经典的BM3D算法平均提高1.67dB,结构相似度(Structural Similarity Index,SSIM)的值平均提高0.063,均方根对比度的值(Root Mean Square Contrast,RMSC)平均提高0.19。对微光图像复原具有很好的效果,能够有效地提高信噪比和对比度水平。; 刘超张晓晖; 关键词：微光图像图像复原图像去噪

超低照度下微光图像增强神经网络损失函数设计分析被引量：2: 2018年; 超低照度下(环境照度小于2×10^(-3)lux)微光图像具有低信噪比、低对比度等特点,使目标难以辨识,严重影响观察效果。为了提高超低照度下微光图像质量,设计了一种用于微光图像增强的卷积自编码深度神经网络,并针对传统的均方误差损失函数不符合人类视觉感知特性等问题,结合现有的全参考图像质量评价指标,研究了包括感知损失在内的几种损失函数,并提出了一种新的可微分损失函数。实验结果表明,在网络结构不发生改变的情况下,所提损失函数具有更好的性能,在提高微光图像信噪比和对比度的同时,能够有效地增强图像内部细节信息。; 刘超张晓晖张晓晖; 关键词：微光图像图像增强卷积神经网络损失函数

基于微光图像均匀区域非参数检测的噪声水平估计被引量：1: 2017年; 为了精确地建立微光图像噪声模型,提出了一种从单幅微光图像中自动评估噪声水平函数的算法。该算法首先采用Kendall coefficient统计方法提取出微光图像均匀区域;然后,在分析微光ICCD成像机理基础上提出了微光ICCD噪声模型,并采用最小二乘方法进行了参数估计;最后,对实际微光图像进行了检测,获得了高精度的参数值,由此证明了该算法的可行性。; 刘超张晓晖胡清平; 关键词：ICCD

全选清除导出

共1页<1>

刘超