-
题名基于特征金字塔网络的TFDS图像去噪算法
- 1
-
-
作者
陈佳伟
岳建海
周航
胡准庆
-
机构
北京交通大学机械与电子控制工程学院
-
出处
《铁道学报》
2025年第9期104-118,共15页
-
基金
北京交通大学教育基金(0606009801)。
-
文摘
为进一步提高深度学习方法对货车运行故障动态图像检测系统(TFDS)图像去噪效果和边缘保持性,提出一种基于特征金字塔网络的图像去噪算法。该算法构建了一种由CBAM-Wnet特征提取网络、内容增强器和转换器三部分构成的新型图像去噪网络模型。采用特征金字塔网络与U-Net衍生网络,以增强模型的多尺度特征提取能力;利用内容增强器、卷积注意力机制(CBAM),以及转换器提高模型的边缘感知能力;构建新型复合函数,降低网络过拟合风险,同时提高其去噪性能。试验结果表明:与主流算法相比,所提算法在去噪效果和边缘保持性方面均表现更佳;在高斯噪声条件下的TFDS图像去噪任务中,峰值信噪比(PSNR)相较于其他算法平均提升0.86 dB,提升幅度为2.40%;结构相似(SSIM)性指数平均提升1.95%;在模拟真实世界噪声的TFDS图像去噪任务中,相较于其他算法,该算法的PSNR平均提升0.68 dB,提升幅度1.78%;SSIM平均提升1.28%。
-
关键词
图像降噪
货车运行故障动态图像检测系统
特征金字塔网络
复合金字塔损失
-
Keywords
image denoising
the trouble of moving freight car detection system
feature pyramid network
joint pyramid loss
-
分类号
TP391.4
[自动化与计算机技术]
U279.34
[自动化与计算机技术—计算机应用技术]
-
