一种基于双重网络模型的单幅图像超分辨率方法

本文对深度学习领域中的高效亚像素卷积神经网络（efficient sub-pixel convolutional neural network,ESPCN）算法进行了改进,通过加入残差网络知识,调整原有的ESPCN构造结构,提出了一种双重网络模型下单幅图像超分辨率重建方法。通过实验证明：该算法能够有效地提高单幅图像超分辨率重建的精度,丰富重建后的细节信息。     

基于深度卷积神经网络的遥感图像超分辨率重建

针对基于卷积神经网络(Convolutional Neural Network,CNN)的遥感图像超分辨率重建算法训练时间较长问题,提出了一种超深的卷积神经网络来重建遥感低分辨率图像的方法。卷积神经网络共有20层,每层包含卷积层和非线性层,层与层之间采用级联的网络结构。其过程为从插值的低分辨率图像(Interpolated Low Resolution Image,ILR)中提取特征,将提取出来的特征通过残差学习预测到高频信息,ILR结合预测的高频信息重建出高分辨率图像(High-resolution Images,HR)。在训练过程中,通过梯度裁剪来防止梯度爆破,使训练保持平稳。实验表明,本文算法与其他算法相比较,主观视觉明显改善,客观评价指标显著提升。     

基于多组耦合字典及交替学习的图像超分辨率重建

本文提出多组耦合字典及其交替学习算法,实现图像超分辨率重建. 在字典学习阶段将训练图像视为高分辨率图像,将它先缩小再放大得到低分辨率图像. 两图像之差为残差图像. 从残差图像块和低分辨率图像块特征的联合数据中学习耦合字典,得到残差图像和低分辨率图像间的映射关系. 针对图像块具有不同纹理和结构以及
字典学习效率的问题,提出多组耦合字典和字典交替学习算法. 在重建阶段先将输入图像插值放大,视为低分辨率图像. 求出低分辨率图像块对于每组耦合字典中低分辨率部分的稀疏表示误差,取表示误差最小的耦合字典中残差部分重建残差图像,与低分辨率图像融合得到高分辨率图像. 实验结果表明该方法具有良好的重建效果.     

基于深度卷积网络的红外遥感图像超分辨率重建

针对红外遥感图像的超分辨率重建问题,提出了一种深度卷积残差学习网络。通过加深网络来扩大感受野,使在重建过程中能够利用到更多的邻域信息,提高了重建图像质量。使用残差网络,使模型能够更好的学习到先前信息,在提高数据稀疏性的同时,提高了算法效率,在亚像素卷积层提高红外遥感图像的尺度。实验结果表明,与常用深度学习网络相比,该网络得到的重建图像具有更好的重建效果。     

稀疏表示遥感图像超分辨重建

为获取地物信息更丰富、空间分辨率更高的遥感图像,提出了一种改进的稀疏表示遥感图像超分辨重建算法。对遥感图像预处理,得到所需训练样本图像;利用字典学习算法进行学习,得到遥感图像结构相似的高低分辨率字典对;对图像特征块进行稀疏表示时,采用改进的自适应滤波方法进行特征提取,同时引入均值滤波法改进超分辨重建迭代计算。实验结果表明,改进后的稀疏表示超分辨方法,有效地避免了重建图像边缘信息的丢失,获取了较好的超分辨重建效果。与当前最先进的稀疏表示超分辨算法相比,主观视觉上纹理细节信息更丰富,客观评价指标峰值信噪比提高约1 d B,结构相似性提高约0.02。     

基于秘密信息驱动的正交GAN信息隐藏模型

噪声驱动生成对抗网络(generative adversarial network, GAN)的生成器能生成高质量数字图像,为信息隐藏提供了新的数据载体.利用正交GAN的判别器能提取生成图像特征码的特性,提出了一种基于秘密信息驱动的正交GAN无载体信息隐藏模型.信息隐藏时,将待隐藏信息的二进制序列按分组量化规则映射为噪声向量,由该噪声向量驱动正交GAN的生成器生成含密数字图像.在信息提取时,首先利用正交GAN的判别器提取含密图像的特征码,然后利用U型网络实现从特征码到驱动噪声的映射,进而恢复秘密信息.在CelebA人脸数据集上对搭建的无载体信息隐藏模型进行对抗学习,生成器能够生成高质量的含密图像,判别器与U型网络相结合能从含密图像中提取秘密信息.与最新同类算法相比,在信息隐藏容量相同的条件下,模型具有较好的信息提取准确率、安全性等性能,同时减少了训练开销,提高了算法的实用性.     

融合自注意力机制与生成对抗网络的DEM空洞填充

针对现有数字高程模型（digital elevation model, DEM）数据空洞填充算法存在修复效果不连续、适用空值范围狭小以及细节重构丢失等问题，提出了一种融合自注意力机制的生成式对抗网络的DEM空洞填充方法。首先，构造自注意力机制提取DEM数据特征信息，改善DEM空洞填充结果高程值不连续和纹理细节缺失的问题。其次，在生成器中使用对称结构的卷积与反卷积网络结构，保证生成可靠度较高的数据以实现空洞区域填充，并利用判别器实现空洞填充结果的预分类。最后，结合重构损失函数进行训练，提升DEM空洞填充结果对异常值的鲁棒性，增强模型的回归能力。采用不同分辨率DEM数据进行空洞填充并与现有方法进行对比，结果表明：所提方法能够大幅提升填充精度，有效解决原始数据中存在的空洞问题。     

基于多维损失函数优化FSRNet的气象观测图像超分辨率重构算法

【目的】传统FSRNet生成的超分辨率图像存在伪影、模糊等情况，作为志愿气象观测的试点省份，河南省气象局招募了大批志愿观测站，以期解决部分气象观测图像存在较低的分辨率的问题。【方法】首先引入热图损失、目标注意力损失和对抗性损失构成多维损失函数，对FSRNet进行模块优化，使用转置卷积放大低分辨率的图像。其次对模型进行分步训练，先对低分辨率观测图像进行粗略SR网络训练，再使剩余网络融入训练。【结果】多维损失训练的引入，降低了算法复杂度，提升了粗略SR网络的性能，解决了SR网络训练时调参困难等相关问题，提高了超分辨率气象观测图像的质量。【结论】试验结果证明，本方法在气象领域观测图像的优化相比于其他算法效果更佳，可以生成质量更高、细节更加清晰的目标观测图像。     

基于稀疏表示的遥感图像超分辨重建

为了获取高质量的超分辨遥感图像,提出了一种改进特征提取算子的稀疏表示遥感图像超分辨率重建方法。该算法通过设置模板,对一阶和二阶梯度滤波算子进行改进,在有效提取低分辨率图像边缘特征的同时,减少噪声干扰。利用遥感图像库训练得到高、低分辨率图像块字典,再应用低分辨率图像块及其字典求出稀疏表示系数。高、低分辨率图像块具有相同的稀疏表示系数,可根据已求的稀疏表示系数得出超分辨重建图像。实验结果表明,改进算法的超分辨重建效果的客观评价指标,比以往稀疏表示超分辨方法有很大提高,峰值信噪比提高近0.24 dB,均方根误差降低近0.15。     

基于级联可分离空洞残差U-Net的肝脏肿瘤分割

计算机辅助肝脏肿瘤分割可减少医生工作量,提高手术成功率,因而具有重要的临床诊疗价值。为获得精确的肝脏肿瘤自动分割结果,该文结合医学影像分割领域近年新兴的U-Net模块提出了基于级联可分离空洞残差U-Net（cascaded separable and dilated residualU-Net,CSDResU-Net）的肝脏肿瘤分割方法。CSDResU-Net采用了级联操作,解决了因肿瘤在整幅图像中占比小而造成的肿瘤分割数据不平衡问题;通过在分割网络中整合残差单元、深度可分离卷积和空洞卷积,能够增加卷积核感受野并快速提取更具判别性的肝脏肿瘤图像特征,从而提高肝脏肿瘤分割精度。在国际医学图像计算和计算机辅助干预协会肝脏肿瘤分割数据库上的实验结果表明,CSDResU-Net比基线方法的Dice系数指标提升了1.3%,同时发现空洞率对分割网络的性能表现影响较大。     

小波域内循环平移操作的图像高分辨率重建算法

为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法。该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作。考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像这3个方向的边缘变化情况,从而利用图像不同方向的高频分量来刻画图像像素点不同方向的突变程度。根据这个突变程度来实现循环平移操作的自适应融合过程,这样可以避免过度抑制边缘细节信息。最后对重建的高分辨率图像小波分解后的高频分量使用非线性增强函数,提高图像对比度,突出边缘和轮廓信息。实验结果表明,该算法在增强图像空间分辨率和对比度的同时,保留了原图像包含的边缘和轮廓信息,不仅有较好的视觉效果,还有一定的抗噪能力。     

小波域内循环平移操作的图像高分辨率重建算法

为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法.该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作.考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像...     

基于生成对抗网络的无载体信息隐藏

传统信息隐藏算法通过修改载体来嵌入秘密信息,难以从根本上抵抗基于统计的信息隐藏分析方法的检测,为此提出一种基于生成对抗网络的无载体信息隐藏方法.该方法将生成对抗网络中的类别标签替换为秘密信息作为驱动,直接生成含密图像进行传递,再通过判别器将含密图像中的秘密信息提取出来,并借助生成对抗网络实现无载体信息隐藏.实验结果和分析表明,该隐藏方法在隐写容量、抗隐写分析、安全性方面均有良好表现.     

基于学习的光学区域图像超分辨率重建算法的改进

针对基于学习的图像超分辨率重建存在着结果边缘模糊和速度比较低的问题,提出了通过将马尔科夫随机场运用到图像超分辨率重建,进行字典训练,随机选取训练图像块,并采用双三次插值方法放大图像颜色信息和图像的结构部分,将学习重建的图像和双三次插值得到的图像合并,得到最终结果。实验结果表明,运用峰值信噪比(Peak signal-to-noise ratio,PSNR)和结构相似性(Stractural similarity,SSIM)来客观评价图像重建效果,本文的算法重建图像效果较好,重建时间也有了一定的提高。     

基于卡尔曼滤波的序列图像超分辨率重建算法

针对给定一序列低分辨率图像重建出一序列高分辨率图像的问题,应用卡尔曼滤波理论,将时间轴加入重建算法,把利用多幅低分辨率图像生成高分辨率图像的模型转化为利用当前低分辨率图像和上一幅高分辨率图像来构建当前高分辨率图像.通过引入信息对的概念对算法运算复杂度进行改进.实验证明与已有算法相比该方法有较好的时效性和实用性.     

基于稀疏表示和块匹配的图像超分辨率重建方法

针对图像的超分辨率重建问题,提出一种基于稀疏表示和块匹配的重建方法.首先,根据图像退化模型将HR图像退化成LR图像.然后,通过训练获得过完备字典,对图像重建问题进行稀疏表示,并对此进行求解.最后,利用重叠块技术缓解块效应,利用反向投影技术保证全局一致性,最终获得重建的HR图像.另外,将该方法扩展到多帧图像重建中,利用块匹配技术从多帧图像中选择出一个目标图像,以此实现重建.实验结果表明,该方法的重建图像具有较低的峰值信噪比.     

基于图像块分类阈值优化的改进可逆图像伪装

为了提高数字图像伪装中生成的伪装图像的视觉质量,提出一种基于图像块分类阈值优化的可逆图像伪装方案.根据统计特征对原始图像子块和目标图像子块进行分类,通过优化分类阈值使得生成伪装图像和目标图像的均方差最小,然后进行相应类内图像块匹配、块线性变换、块旋转和翻转校正,最终使原始图像伪装成目标图像.采用可逆信息隐藏的算法将恢复原图所需的变换参数信息嵌入伪装图像,接收方提取辅助信息,从而实现原始图像的无损恢复.实验结果表明,该算法生成的伪装图像的视觉效果比未经阈值优化的伪装图像的效果更好.     

基于孪生网络的无人机遥感图像拼接

无人机(Unmanned aerial vehicle, UAV)遥感图像拼接是指将两幅或多幅具有相似场景内容的高分辨率无人机遥感图像拼接为一幅包含更多信息的大视野图像，在军事和地理测绘等领域得到了广泛应用。传统算法通常依赖于手工特征，无法有效地提取弱纹理图像的特征。若图像之间视差较大时，会导致拼接无法进行。为了解决上述问题，基于计算机视觉组(Visual Geometry Group-16, VGG-16)网络结合孪生网络框架提出了一种用于无人机遥感图像拼接的有监督模型。基于VGG-16网络设计了权值共享的孪生特征提取网络，解决特征提取不充分的问题。设计了能够回归图像之间空间变换关系的回归网络，并使用分组卷积代替普通卷积以提升网络速度。同时，为了解决将图像之间真实变换关系作为标签的图像拼接数据集难以获取的问题，基于一定程度的仿射变换，构建了自己的数据集。实验结果表明，本方法在无人机遥感图像拼接的主观视觉效果以及客观评价指标上均有较好的结果，与ORB算法(Oriented FAST and rotated BRIEF, ORB)和CAU-DHE算法(Content-aware unsu...     

基于水印神经网络的可溯源DNN模型保护方法

针对深度神经网络（deep neural networks, DNN）模型安全与版权认证的问题,提出了一种多用户溯源的水印神经网络模型,通过密钥驱动生成水印图像,将其不可见地嵌入待保护目标模型的输出图像中,实现DNN模型的知识产权保护和版权追踪。在待保护的DNN模型中添加一种编解码器网络实现水印的嵌入,并使用双流篡改检测网络作为判别器,解决了模型的输出图像中可能出现的水印残留问题,提升了水印嵌入过程的不可感知性,减少了对DNN模型性能的影响,增强了安全性。此外,通过本文设计的双阶段训练法针对不同用户分发不同的含水印模型,当发生版权纠纷时,使用另一个残差网络可以从输出图像中提取水印图像。实验证明,本方法分发含水印的模型效率较高,并且即使对多个用户分发了嵌入相似水印图像的DNN模型,水印神经网络依然可以成功对模型进行溯源。     

基于边缘增强和特征金字塔的视网膜血管分割网络

U-Net在许多医学图像分割问题中具有先进的性能，因此提出了一种基于边缘增强和特征金字塔的U型分割网络并应用于视网膜血管分割。通过基于梯度算子的边缘增强模块获取额外的边缘先验，以无监督的方式增强边界特征和提高网络对细小血管的辨识能力，利用特征金字塔级联模块帮助网络提取更丰富的语义特征，并将传统卷积替换为Octave卷积方式以更好地提取特征。在公开的2个眼底图像数据集上进行实验，结果证明改进的方法具有更好的性能，有效地提高了分割结果中血管的完整性和连续性。