首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 187 毫秒
1.
图像超分辨率重建算法的主要内容是使用低分辨率的图像信息生成高分辨率图像。近年来,随着深度学习和卷积神经网络的发展,出现了很多基于卷积神经网络与残差网络的超分辨率算法。为了解决这些算法参数数量过多、处理过程复杂、训练时间长等问题,结合现有残差网络模型和深度学习算法对其进行改进,包括调整网络结构,减少需要学习的参数,以及去除批归一化层,降低计算复杂度。改进后的网络模型能够取得更好的效果,生成图像的主观和客观评价有一定提高。  相似文献   

2.
车牌识别技术种类繁多,理想情况下识别率已达到99%,而对于远距离模糊不清的抓拍图片,识别效果还不够,为此提出一种利用图像超分辨率重建技术提高模糊车牌识别率的方法。首先利用图像处理方法对图片进行分割;其次利用支持向量机(SVM)对分割得到的图块进行分类,筛选出车牌图块;再利用多帧低分辨率车牌图块进行最大后验估计(MAP)超分辨率重建,得到比较清晰、便于识别的车牌;最后利用人工神经网络(ANN)方法进行光学字符识别(OCR),最终得到识别结果。实验表明,与传统车牌识别技术相比,该方法具有更强的鲁棒性,且在模糊车牌识别中正确率明显提高。  相似文献   

3.
本文提出了一种基于坐标注意力机制和梯度残差密集块的融合算法,利用普通卷积提取源图像的浅层特征,使用梯度残差密集块模块提取源图像深层特征和细粒度细节特征;使用坐标注意力模块捕获特征图中空间位置之间的远程依赖关系重,将融合后的特征利用解码器重建融合图像。实验结果说明本文提出的融合算法具有较好的融合性能。  相似文献   

4.
为了克服磁共振图像重构精度低的问题,方便医生诊断与治疗,提出一种将组稀疏残差去噪和近似消息传递相结合的磁共振图像重构算法。在基于迭代软阈值的去噪近似消息传递(D-AMP)重构算法中,滤波的去噪算法将使用基于组稀疏残差约束(GSRC)的图像去噪实现。实验结果表明,基于组稀疏残差去噪的磁共振图像重建算法可有效缓解重建图像局部细节信息损失量大的问题,提高了图像重建性能,具有良好的鲁棒性。  相似文献   

5.
相位恢复问题是指仅从幅值测量中恢复原始信号.由于幅值测量中缺少相位信息,精确恢复原始信号困难,因此需要加入正则化项确保高精度重建原始信号.结合交替投影和卷积神经网络提出了基于卷积神经网络去噪正则化的相位恢复算法(NrPR_DnCNN).所提算法将相位恢复问题转化为去噪和约束优化两个子问题,并利用l1正则化快速梯度下降法交替求解.仿真结果表明:与BM3D_PRGAMP算法相比,所提算法重构图像的峰值信噪比在二种高斯噪声水平上分别提高了2.08 dB和3.20 dB,验证了所提算法的有效性和鲁棒性;误差-迭代仿真结果验证了所提算法具有良好的收敛性.  相似文献   

6.
《实验技术与管理》2019,(10):139-143
图像消噪前后的残差信息包含图像的高频信息。为了提高消噪图像的质量,在轮廓波变换域内,根据噪声图像及其K-SVD消噪后不同频率子带图像的残差信息,对残差子图像块再次进行K-SVD消噪,并将其结果与消噪图像的子带图像进行融合,得到包含残差信息的消噪子带图像,最后通过轮廓波逆变换得到消噪图像。仿真实验结果证明了所提出的基于不同频率子带内残差信息和K-SVD的图像消噪方法优于轮廓波变换和K-SVD模型,具有较好的消噪性能。  相似文献   

7.
在汽车牌照识别系统中,车牌定位是整个识别模块实现的前提,为了能对汽车牌照精确定位,提出了一种基于数学形态学的车牌定位方法.首先利用中值滤波方法对汽车图像进行消噪处理,然后用迭代阈值选择法将图像进行二值化,并运用数学形态学的膨胀、腐蚀对二值图像进行处理,得到几个车牌候选区,然后利用面积、长宽比以及垂直投影特征值等进行综合分析,准确定位车牌区域.实验结果表明,该方法简单易行、准确率高、并且具有一定实效性,可用于对实际车牌图像的准确定位.  相似文献   

8.
针对传统图像超分辨率技术,在进行模糊图像时效果不佳的问题,开展了基于微积分和凸集投影技术的图像超分辨率重建技术研究.将分数阶微积分应用于传统凸集投影技术中,首先采用分数阶微分方法实现了图像帧的增强,然后采用分数阶积分方法降低了微分过程中产生的误差,提高了算法的效率和适应性.通过最终实验分析可知,本文算法在各项评价指标方面的表现均优于各传统算法,尤其对于模糊图像的重建,优势更加明显,有效解决了模糊图像的超分辨率重建问题.  相似文献   

9.
为提高低分辨率图像超分辨率重建的精度和效率,提出一种多尺度自相似融合图像超分辨率重建算法。该方法在锚定邻域回归(ANR)方法的基础上引入自相似矩阵,使图像边缘更加清晰;利用多层小波变换构建多尺度串联模型,实现小波域的不同尺度图像的多层超分辨率重建;增加训练字典原子数和邻域数,采用分层搜索匹配策略进行低分辨率图像块与锚点的匹配以减少图像重建时间。实验结果表明:该方法重建的图像边缘和细节更清晰,边缘重影和阶梯效应明显削弱,PSNR值提高约1 dB,且重建时间有所减少。  相似文献   

10.
为了有效提高重建后的图像质量,提出了一种基于稀疏表示的单帧超分辨率重建方法.首先,该方法使用一种基于局部方向估计的图像块聚类和主元分析相结合的字典学习方法来获得一系列具有不同方向的几何字典.然后,给每一个待处理的图像块自动分配一个具有最近方向的字典,并据此进行稀疏编码.此外,为了在图像锐化和边缘保持方面取得进一步的提高,将梯度一致性加入提出的基本框架.在自然图像上进行的2组实验表明:提出的方法在视觉和数字指标方面均优于一些先进的同类方法.  相似文献   

11.
由于低秩先验能够有效地学习图像数据的冗余和数据的全局结构,因此低秩约束在矩阵填充中得到广泛应用。以往的研究表明,低秩约束对张量恢复具有显著影响,这些工作往往通过Tucker秩解决,然而Tucker秩不能捕获张量的内在相关性。提出一种新的基于张量链秩1(Tensor-Train Rank-1,TTR1)分解的逼近张量核范数的邻近算子。低秩约束能够很好地捕获数据的全局结构,但不能利用可视化数据的局部平滑性,因此提出将张量低秩和全变分(total variation,TV)正则化相结合的超分辨率(super-resolution, SR)重建方法,充分利用图像冗余性、全局结构信息和图像局部平滑性,实现图像的SR重建。实验结果表明,相比于Tucker低秩和TV正则化模型(LRTV_SR),该方法在峰值信噪比指标上平均提高了0.2dB,充分验证了基于TTR1分解的张量低秩约束在超分辨率重建中更能保留彩色图像的全局结构特性。  相似文献   

12.
一种新的PET序列图像超分辨率优质重建算法   总被引:1,自引:1,他引:0  
利用超分辨率重建技术,从含有加性高斯噪声和模糊噪声的正电子发射成像(PET)序列低分辨率图像,重建出一幅优质高分辨率图像。作者提出了一种基于正则化参数(RP)的通道自适应线性斜率超分辨率算法。该算法采用平移运动模型,通过对RP线性斜率的自适应更新,动态优化代价函数,以降低对PET图像高频成分的抑制。为验证新算法的有效性,采用模拟PET序列图像进行实验。实验中,与HUHE算法相比,新算法PSNR平均提高2.65dB。新算法在改善图像空间分辨率上取得良好的效果,同时具有很好的抗噪性能。  相似文献   

13.
为了降低迭代正则化中定尺度参数对快速收敛的敏感性、自适应地优化尺度参数并提高其去噪效果,提出了一种变尺度参数的迭代正则化去噪算法.首先,修改了经典的正则化项,并推导出尺度参数公式;然后,通过研究迭代次数与尺度参数序列的变化趋势,得到变尺度参数的初始值;最后,进行正则化去噪.数值实验表明:相对于恒定尺度参数的IRM算法,变尺度参数IRM算法比选取尺度参数偏小的IRM算法迭代次数大大减少;比选取尺度参数偏大的IRM算法去噪效果更为明显,并较好地保持了图像的细节.  相似文献   

14.
以无人机代替卫星遥感实现三维重建技术的影像拼接是一种成本低、灵活度高的实现方式。室外无人机 影 像 拼 接 通 常 存 在 深 度 相 机 对 环 境 光 照 条 件 十 分 敏 感 等 问 题 ,以 运 动 恢 复 结 构(SFM)和 多 视 角 立 体(MVS)技术结合构建拍摄区域的密集点云,再通过密集点云实现影像拼接的方法能够解决上述问题,但存在计算量较大和实时性较差的缺点。采用 SURF 特征描述子和最近邻匹配方法降低计算量,优化算法实时性能,同时提出一种增量式 SFM 流程中最优图像添加策略,提高光束平差法效率,并降低误差。实验结果表明,该方法能够在较短时间内获得较高精度的拼接影像,具有良好实时性。  相似文献   

15.
根据低分辨率图像生成的矩阵模型,应用广义逆矩阵理论,得到高分辨率图像所在的解空间,把最小总体变差作为目标函数,应用最速下降方法求解,得到重建的高分辨率图像。实验结果表明:该方法能够提高重建图像质量,具有较好的鲁棒性。  相似文献   

16.
城市用水量的准确预测可以为供水管网智能调度、异常报警提供支持,便于及时发现漏损、排查及检修,具有极大的现实意义与经济利益。针对现有用水量预测方法忽视用水量数据自身特征及不能模拟更复杂的数学运算的问题,提出一种改进深度置信网络(DBN)的用水量预测方法。对有高斯分布的连续受限玻尔兹曼机(CRBM)引入稀疏正则项,解决特征同质化现象的同时也适用于用水量数据输入。实验结果表明,在实际用水量预测中,改进DBN模型相比传统神经网络和传统DBN预测模型,预测准确率得到了较大的提高。  相似文献   

17.
A structured low-rank matrix recovery model for RGBD salient object detection is proposed. Firstly, the problem is described by a low-rank matrix recovery, and the hierarchical structure of RGB image is added to the sparsity term. Secondly, the depth information is fused into the model by a Laplacian regularization term to ensure that the image regions which share similar depth value will be allocated to similar saliency value. Thirdly, a variation of alternating direction method is proposed to solve the proposed model. Finally, both quantitative and qualitative experimental results on NLPR1000 and NJU400 show the advantage of the proposed RGBD salient object detection model.  相似文献   

18.
为提高卷积神经网络在图像分类中的泛化性,提出基于多分支深度神经网络结构。使用ResNet(残差网络)的跨层连接结构构造多分支网络,各分支网络共享中浅层特征提取,深层网络使用不同卷积核尺寸。分别使用独立损失函数产生多梯度对中浅层特征权值进行同步调整。与ResNet的单重网络进行对比实验,结果表明,在具有相同收敛性的前提下,各个分支网络的泛化性都得到一定提高,在多类别数据集中表现出更优性能。  相似文献   

19.
用面板数据模型估算了1990—2004年间长三角16市的全要素生产率,估算结果表明:(1)各市全要素生产率大体上经历了高速增长、低速增长甚至负增长和次高速度增长三个阶段;(2)上海市的技术。效率低于长三角地区平均水平;(3)苏州的技术效率最高;(4)1999—2004年期间,江苏各市技术效率大体上明显高于浙江各市。为有效提升长三角地区的技术效率,一方面要通过宏观经济调控缓和经济波动,另一方面要吸引外资的同时提升国内企业产品的技术含量。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号