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。     

机动目标三维成象中调频信号超分辨方法

机动目标的各散射点多普勒回波信号在运动补偿后一般表现为线性调频信号.通过对Relax算法进行扩展得到调频信号参数的超分辨估计并应用于机动目标单脉冲雷达三维成象,成象效果优于基于解调频方法的成象结果.     

基于生成对抗网络的异质信息网络表征学习

鉴于传统的异质信息网络通常存在的高维稀疏性缺点,首先提出将异质信息网络的高维顶点嵌入低维向量空间的无监督学习模型—— 基于生成对抗网络的异质网络表征学习(heterogeneous network representation learning based on generative adversarial netwo...     

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。     

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.     

多层记忆增强生成对抗网络二次预测的视频异常检测方法

为了提高视频异常检测的准确率,提出了一种基于多层记忆增强生成对抗网络二次预测的视频异常检测方法。首先利用目标检测提取时空立方体,并将其输入自编码器中得到预测帧;其次将预测帧的表观特征和对应真实帧的光流特征进行融合,形成融合特征;最后利用多层记忆增强生成对抗网络二次预测未来帧,以便学习不同层次特征的正常模式并捕获上下文的语义信息。在UCSD Ped2和CUHK Avenue数据集上进行的实验结果表明：所提出的方法与其他视频异常检测方法相比,可有效提高视频异常检测的性能,使帧级别AUC分别达到99.57%和91.59%。     

基于残差块的遥感图像目标识别自编码网络

实现遥感图像目标识别的智能化是一个亟待解决的问题.由此建立了黑龙江地区地表高清遥感图像数据集,以深度学习为基本工具,设计了基于残差块的遥感图像目标识别自编码网络,并使用优化算法对学习过程进行了优化提升.搭建了实验平台,完成了对神经网络的训练和测试实验,验证了该文所提算法的有效性,为实现遥感图像目标识别的智能化提供了有效方案.     

小波分析中W_j上的投影和多分辨分析V_j上残差投影的等价性

本文在多分辨分析中定义了残差投影法,并证明了小波分析中Ｗｊ上的投影和多分辨分析中Ｖｊ上残差投影的等价性。     

基于深度残差网络和双向GRU的图像语义分割

在图像语义分割领域中,大多数方法是基于CNN网络构建的,由于CNN很难对全局上下依赖关系进行建模,从而影响语义分割的结果。为此,本研究提出基于深度残差网络和双向GRU的图像语义分割模型ResNet-BiGRU,该模型充分利用CNN局部特征学习的能力和双向GRU全局建模的优势,在Weizmann Horse数据集上进行试验,得到分辨率高、边界清晰的语义分割结果。     

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.     

小波分析中Wj上的投影和多分辨分析Vj上残差投影的 …

本文在多分辨分析中定义了残差投影法,并证明了小波分析中Ｗｊ上的投影和多分辨中分析中Ｖｊ上残差投影的等介性。     

资源三号卫星影像超分辨率重建

研究了迭代反投影重建的方法与基于稀疏表示和字典学习的重建方法,将两种重建
算法首次用于资源三号三线阵影像数据的重建试验,并从亮度均值、峰值信噪比、信息熵和清
晰度等四方面对实验结果进行客观分析. 重建影像结果表明：基于字典学习和稀疏表示的重建
方法获得的资源三号重建影像效果优于迭代反投影方法.     

基于可分辨矩阵的属性集依赖度计算方法

在决策表中,为了评价某条件属性的重要性,不但要考虑这个属性(单一属性)相对于决策属性的重要性,还要考虑该条件属性与其他条件属性构成的属性集的重要性.在属性集依赖度比单一属性依赖度更加可信的事实基础上,提出了一个基于可分辨矩阵的属性集依赖度计算方法.该方法能够较快地获得可分辨矩阵,并直接求出属性集的依赖度,从而大大降低了算法的时间复杂度.实例验证了该方法具有较好的有效性和较低的时间复杂度.     

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。     

一种基于视频的超分辨率图像生成方法研究

随着手持视频设备的普及,如何为这类低分辨率应用环境提供一种生成高质量图像的方法是一个值得研究的问题.讨论了如何从低分辨率、低质量的视频中创建清晰的、高分辨率图像的方法.针对当前多图像超分辨率技术没有考虑运动估计和重要帧的权值等问题,提出了一个基于时间显著性、局部图像统计特征来计算图像像素权值的方法,以实现更好的图像融合.提出的基于重要性的计算框架,降低了低质量帧的影响,显著提高了有效成分的作用.     

基于深度置信网络和生成模型的驾驶疲劳识别

驾驶疲劳识别研究对预防交通事故提高交通安全具有重要意义.提出了一种基于深度置信网络和生成模型的驾驶疲劳识别方法.为了有效地表示疲劳,采用深度置信网络从人脸图像中提取疲劳特征;结合已标注样本和未标注样本,提出了一种基于生成模型的半监督学习的疲劳识别方法,解决了疲劳识别中的小样本问题.在自建疲劳数据库上,采用该方法进行了驾驶疲劳识别的仿真实验,同时和其他几种方法进行了对比,结果表明该方法具有更高的识别精度.