基于窗口自注意力网络的单图像去雨算法

单图像去雨研究旨在利用退化的雨图恢复出无雨图像,而现有的基于深度学习的去雨算法未能有效地利用雨图的全局性信息,导致去雨后的图像损失部分细节和结构信息.针对此问题,提出一种基于窗口自注意力网络(Swin Transformer)的单图像去雨算法.该算法网络主要包括浅层特征提取模块和深度特征提取网络两部分.前者利用上下文信息聚合输入来适应雨痕分布的多样性,进而提取雨图的浅层特征.后者利用Swin Transformer捕获全局性信息和像素点间的长距离依赖关系,并结合残差卷积和密集连接强化特征学习,最后通过全局残差卷积输出去雨图像.此外,提出一种同时约束图像边缘和区域相似性的综合损失函数来进一步提高去雨图像的质量.实验表明,与目前单图像去雨表现优秀的算法MSPFN、 MPRNet相比,该算法使去雨图像的峰值信噪比提高0.19 dB和2.17 dB,结构相似性提高3.433%和1.412%,同时网络模型参数量下降84.59%和34.53%,前向传播平均耗时减少21.25%和26.67%.     

基于局部卷积的视频图像像素补偿方法

为了修复高速运动目标视频图像的缺失像素,提出了一种基于局部卷积的视频图像像素补偿方法(局部卷积补偿方法).首先引入局部卷积方法,分割神经网络模型,重建视频图像帧;再激活源视频图像及对应像素空间;最后采用线性均值补偿方法补偿视频图像内插帧空洞,并判断视频图像匹配程度,完成视频图像像素补偿.对比实验结果表明,局部卷积补偿方法的平均梯度为11.239,明显高于遥感图像分类方法、单幅图像超分辨率重建方法和多尺度递归图像超分辨率重建方法的平均梯度,说明经过局部卷积补偿方法补偿后的视频图像具有较高的清晰度.     

基于自适应图的半监督图像分类方法

针对半监督分类模型存在的模型复杂度高、构造正则化项难度大的问题,从丰富样本特征表示的角度出发,构造了自适应图结构的融合网络模型（AGSH）。该模型在卷积神经网络模型（CNN）基础上引入了自适应图卷积神经网络（AGCN）提取CNN模型特征间的关系。对AGSH模型泛化性能的分析证明了该模型在解决半监督相关问题时的有效性。实验结果表明：融合模型在五种图像数据集上的分类精度相比于单一CNN模型分类精度均有提升。研究结论为解决小样本分类问题的建模方法提供了参考。     

深度学习下面部缺失图像自动补全方法

考虑到传统方法在补全面部缺失图像时存在补全比例低的问题,提出了基于深度学习的面部缺失图像自动补全方法研究。利用面部缺失图像的尺度空间,计算了面部缺失图像在时间梯度上的均值。利用深度学习算法学习面部缺失图像的类别,得到面部缺失图像的像素值。通过确定面部缺失图像的像素类别,利用深度学习算法增强处理了面部缺失图像的细节分量,完成面部缺失图像的识别。通过修复面部缺失图像的遮挡部分,优化面部图像的真实性,将相似性损失计算结果作为深度学习算法的算子,提取出面部缺失图像的特征。结合面部缺失图像自动补全算法设计,实现了面部缺失图像的自动补全。试验结果表明,在不同的缺失比例下,基于深度学习的面部缺失图像自动补全方法可以提高面部缺失图像的补全比例,具有更好的补全效果。     

长大坡道高速列车制动闸片磨耗规律分析

高原铁路具有桥隧比高、长大坡道多、高寒高海拔、自然地理环境极其复杂等特点,高速列车长时间在上述复杂环境中运行时,其制动闸片损耗较在平原地区更为严重,但是目前国内尚无先例研究长大坡道环境下在役期间高速列车制动闸片的磨耗情况,导致长大坡道高速列车制动闸片状态监测技术缺乏相应理论支撑.首先通过自适应参数灰度映射方法及结构分解算法融合红外图像和可见光图像的优点,建立了制动闸片图像识别模型.然后以长大坡道和传统坡道为例,对高温环境和低温环境下高速列车制动闸片进行图像采集及磨耗量计算分析.结果显示：在同一环境温度下,高速列车制动闸片在长大坡道与传统坡道下的磨耗量差值随着走行里程的增加而增加;在同一坡道线路下,高速列车制动闸片在高温环境与低温环境下的磨耗量差值随着走行里程的增加基本无变化;高速列车制动闸片磨耗速度受坡道线路的影响比受环境温度的影响更大.研究成果可为研究高原铁路高速列车制动闸片状态监测提供理论支撑.     

基于卷积自编码器的高光谱图像有损压缩方法研究

高光谱图像包含丰富的信息,但其数据量巨大,限制了其在实际应用中的使用。提出一种基于卷积自编码器的高光谱图像有损压缩算法,首先通过卷积层和最大池化层的有效组合来降低图像维度;然后在池化层和展平层之间嵌入通道分组双重注意力模块,以帮助卷积自编码器更好地捕捉输入数据的关键特征,准确地提取特征进行加权处理;最后,使用熵编码技术对量化后的特征映射进行编码,使用转置卷积层来重建图像。在多个数据集上进行实验,采用峰值信噪比（PSNR）和结构相似性指标（SSIM）评估。实验结果表明,在相同压缩比下,与传统的压缩方法相比,此方法 PSNR和SSIM均有较大提升,所提方法能够提供更好的高光谱图像压缩性能。     

非理想身份证图像的字符分割算法研究

对身份证识别系统中的字符分割技术进行了深入的研究,阐述了倾斜校正、行切割、小波降噪、单字符分割等算法,实验证明,该方法对退化的身份证图像具有很好的字符分割能力.     

基于图像拼接的室外环境地面特征地图创建

为获取基于地图匹配的定位算法所要求的环境地图,提出了一种室外环境下基于图像拼接的地面特征地图创建方法.创建过程分为环境探索以及离线地图生成.在环境探索中,手动控制机器人在环境中漫游,实时保存有关的传感器数据,如GPS、里程计以及视频数据.在离线地图生成中,针对传感器误差导致地图不精确的问题,采用了地图分块存储方式以及基于图像拼接的优化算法来提高地图精度.仿真及实验证明了该地图创建方法的有效性.     

基于SVM的图像分类研究

支持向量机（SVM）是一种优秀的分类方法,灰度共生矩阵（GLCM）是一种很好的纹理分析方法;本文研究了图像的颜色、纹理等特征对利用支持向量机进行图像分类的影响,提出了一种使用灰度共生矩阵进行综合特征提取的SVM图像分类方法。实验结果表明SVM方法的可行性和有效性,并得出图像综合特征的提取有利于分类效果的提高。     

一种基于水平集的肺部血管快速分割方法

肺部血管结构微小,CT片有噪音、血管边界模糊等原因的影响,使分割肺部血管成为肺部分割的难点.针对此问题,提出了应用基于阈值的水平集三维分割肺部血管的方法.水平集分割方法是基于几何形变模型而不是参数形变模型,因此方法可根据肺部解剖结构确定肺部血管不同部位的阈值范围和肺部血管的分布范围,从而解决由于边界模糊产生肺部血管分割不准确的问题,并在此基础上,提出并描述基于水平集肺部血管树枝杈点的判定方案.