检索结果-维普期刊中文期刊服务平台

基于密集残差连接U型网络的噪声图像超分辨率重建: 1; 作者刘鹏南李龙 +2 位作者张紫豪朱星光程德强《工矿自动化》 CSCD 北大核心 2024年第2期63-71,共9页; 现有的图像超分辨率重建网络难以适用于煤矿井下噪声密集的应用场景,且多数网络通过增加深度提升性能会导致无法有效提取关键特征、高频信息丢失等问题。针对上述问题,提出了一种密集残差连接U型网络,用于对低分辨率噪声图像进行超分辨... 展开更多; 关键词噪声图像超分辨率重建密集残差连接 U型网络去噪模块残差特征注意力蒸馏模块; 在线阅读下载PDF 职称材料

融合通道注意力与残差密集的U-Net视网膜血管分割: 2; 作者苏江涛张乾 +2 位作者江漫张宇航吕义付《长江信息通信》 2022年第11期1-4,8,共5页; 视网膜血管的精准分割是辅助眼科医生诊断和大规模眼科疾病自动筛查的重要前提,已成为临床的迫切需求。针对现有视网膜细小血管分割不足以及精确度有待提高等问题,提出了一种融合通道注意力机制与残差密集连接模块的改进型U-Net算法,先... 展开更多; 关键词视网膜血管分割通道注意力机制残差密集连接; 在线阅读下载PDF 职称材料

基于条件生成对抗网络的低照度彩色图像增强算法: 3; 作者王珏洪敏轩 +3 位作者夏叶桐徐秀钰孔筱芳万敏杰《红外与激光工程》 EI CSCD 北大核心 2024年第11期308-321,共14页; 针对低照度条件下的彩色图像增强问题,提出一种基于条件生成对抗网络(Conditional Generative Adversarial Network,CGAN)的低照度图像增强算法。首先,设计了集成密集连接残差模块和注意力机制模块的生成器网络,更加关注低照度图像中的... 展开更多; 关键词密集连接残差注意力机制 CGAN 低照度成像彩色图像增强; 在线阅读下载PDF 职称材料

基于增强网格网络的井下尘雾图像清晰化算法: 4; 作者谷亚楠李晴 +1 位作者刘晨晨张富凯《工矿自动化》 CSCD 北大核心 2024年第10期120-127,159,共9页; 针对目前井下尘雾图像清晰化算法存在的图像偏暗、细节丢失和过度增强等问题,提出一种基于增强网格网络的井下尘雾图像清晰化算法。该算法由前处理模块、主干模块和输出模块3个部分组成。前处理模块通过特征提取模块IRDB生成一组特征图... 展开更多; 关键词井下尘雾图像图像清晰化基于网格网络深度学习多尺度特征提取 Inception架构密集残差连接; 在线阅读下载PDF 职称材料

基于DCResNet的SAR图像车辆目标识别被引量：4: 5; 作者王强曹磊 +2 位作者史润佳杨非蒋忠进《雷达科学与技术》北大核心 2021年第4期387-392,402,共7页; 合成孔径雷达(SAR)图像自动目标识别中,特征提取和目标分类是两个重要环节。残差网络(ResNet)作为一种较新的卷积神经网络,凭借其对目标特征的自适应学习能力,在SAR图像分类领域表现突出。本文在ResNet基础上,设计出了密集连接型残差网... 展开更多; 关键词 SAR图像深度学习目标识别残差网络密集连接型残差网络; 在线阅读下载PDF 职称材料

题名基于密集残差连接U型网络的噪声图像超分辨率重建: 1; 作者刘鹏南李龙张紫豪朱星光程德强; 机构中国矿业大学信息与控制工程学院山东黄金矿业(莱西)有限公司; 出处《工矿自动化》 CSCD 北大核心 2024年第2期63-71,共9页; 基金国家重点研发计划项目(2021YFC2902702) 济宁市重点研发计划项目(2021JNZY013)。; 文摘现有的图像超分辨率重建网络难以适用于煤矿井下噪声密集的应用场景,且多数网络通过增加深度提升性能会导致无法有效提取关键特征、高频信息丢失等问题。针对上述问题,提出了一种密集残差连接U型网络,用于对低分辨率噪声图像进行超分辨率重建。在特征提取路径中引入基于密集残差连接的去噪模块,通过密集连接的方式对图像特征进行充分提取,再利用残差学习的特点对低分辨率噪声图像进行有效去噪;在重建路径中引入残差特征注意力蒸馏模块,通过在残差块中融入增强特征注意力块,对不同空间的特征赋予不同的权重,加强网络对于图像关键特征的提取能力,同时减少图像细节特征在残差块中的损失,从而更好地恢复图像细节信息。在煤矿井下图像数据集及公共数据集上进行了对比实验,结果表明:在客观评价指标上,所提网络的结构相似度、图像感知相似度均优于对比网络,且在复杂度及运行速度上有着较好的均衡;在主观视觉效果上,所提网络重建的图像基本消除了原有图像噪声,有效恢复了图像的细节特征。; 关键词噪声图像超分辨率重建密集残差连接 U型网络去噪模块残差特征注意力蒸馏模块; Keywords noisy images super resolution reconstruction dense residual connections U-shaped network noise reduction module residual feature attention distillation module; 分类号 TD67 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名融合通道注意力与残差密集的U-Net视网膜血管分割: 2; 作者苏江涛张乾江漫张宇航吕义付; 机构贵州民族大学数据科学与信息工程学院贵州省模式识别与智能系统重点实验室贵州民族大学教务处; 出处《长江信息通信》 2022年第11期1-4,8,共5页; 基金国家自然科学基金(61263034)。; 文摘视网膜血管的精准分割是辅助眼科医生诊断和大规模眼科疾病自动筛查的重要前提,已成为临床的迫切需求。针对现有视网膜细小血管分割不足以及精确度有待提高等问题,提出了一种融合通道注意力机制与残差密集连接模块的改进型U-Net算法,先利用通道注意机制来增强网络的识别能力,再利用残差密集模块代替传统的卷积模块来提升网络分割细小血管的性能。在DRIVE和CHASE数据集上的实验结果表明,与其他算法相比,该算法的ACC、SE、SP和AUC值均比较高,分割效果较好。; 关键词视网膜血管分割通道注意力机制残差密集连接; Keywords Retinal vessel segmentation Channel attention mechanism Residual dense connection; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于条件生成对抗网络的低照度彩色图像增强算法: 3; 作者王珏洪敏轩夏叶桐徐秀钰孔筱芳万敏杰; 机构南京理工大学电子工程与光电技术学院南京理工大学江苏省光谱成像与智能感知重点实验室南京理工大学光学前沿交叉研究中心南京理工大学瞬态物理全国重点实验室; 出处《红外与激光工程》 EI CSCD 北大核心 2024年第11期308-321,共14页; 基金国家自然科学基金项目(62201260) 中央高校基本科研业务费专项(30923011015,30924010941) 南京理工大学本科生科研训练计划立项资助(202310288185Y)。; 文摘针对低照度条件下的彩色图像增强问题,提出一种基于条件生成对抗网络(Conditional Generative Adversarial Network,CGAN)的低照度图像增强算法。首先,设计了集成密集连接残差模块和注意力机制模块的生成器网络,更加关注低照度图像中的重要目标特征;然后,构建了基于选择性卷积核的判别器网络,使得判别器能够根据输入自适应地调整其感受野大小;接着,通过设计Prewitt边缘损失项和YUV色度损失项分别增强了网络模型对于图像边缘细节的提取能力和对图像色彩畸变的消除能力;最后,在LOL公开数据集上对文中算法分别进行了定性和定量测试。实验结果表明:与目前基于深度学习的低照度彩色图像增强算法相比,文中算法在峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)、结构相似度(Structure Similarity Index Measure,SSIM)和色差(Color Difference,CD)等指标上分别提升了32.7%、57.5%和48.45%,能够较好地克服低照度成像条件下的图像噪声与色偏干扰问题。; 关键词密集连接残差注意力机制 CGAN 低照度成像彩色图像增强; Keywords RRDB CBAM CGAN low-light imaging color image enhancement; 分类号 TN223 [电子电信—物理电子学]; 在线阅读下载PDF 职称材料

题名基于增强网格网络的井下尘雾图像清晰化算法: 4; 作者谷亚楠李晴刘晨晨张富凯; 机构河南理工大学计算机科学与技术学院; 出处《工矿自动化》 CSCD 北大核心 2024年第10期120-127,159,共9页; 基金国家自然科学基金项目(52174174) 河南省高等学校重点科研项目(23B520002) 河南理工大学基本科研业务费专项项目(自然科学类)(NSFRF230429)。; 文摘针对目前井下尘雾图像清晰化算法存在的图像偏暗、细节丢失和过度增强等问题,提出一种基于增强网格网络的井下尘雾图像清晰化算法。该算法由前处理模块、主干模块和输出模块3个部分组成。前处理模块通过特征提取模块IRDB生成一组特征图,作为主干模块的输入,IRDB融合了Inception架构和密集残差连接模块(RDB)的优势,可在网络资源有限的情况下增加网络的深度和宽度,从而增强网络的表征能力、泛化能力及其对不同尺度尘雾的处理能力;主干模块采用网格网络进一步提取图像不同尺度的特征,并通过上采样和下采样实现特征图不同尺度的变换,为更好地捕捉图像中的细节信息,在网格网络中引入通道注意力机制。实验结果表明:IRDB数量为5时,网络模型的峰值信噪比(PSNR)、结构相似度指数(SSIM)和自然图像质量评价指标(NIQE)最好;从视觉效果上看,用所提算法清晰化处理后的图像细节信息更加丰富,色彩更加自然,具有良好的清晰度和对比度;在井下数据集上用所提算法处理后的图像PSNR、SSIM和NIQE分别为23.69,0.840 1,8.95,图像处理速度处于中等水平,整体性能优于DCP,AOD-Net等同类算法。; 关键词井下尘雾图像图像清晰化基于网格网络深度学习多尺度特征提取 Inception架构密集残差连接; Keywords underground dust and mist images image clarification grid network-based deep learning multi-scale feature extraction Inception architecture residual dense block; 分类号 TD67 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名基于DCResNet的SAR图像车辆目标识别被引量：4: 5; 作者王强曹磊史润佳杨非蒋忠进; 机构东南大学毫米波国家重点实验室; 出处《雷达科学与技术》北大核心 2021年第4期387-392,402,共7页; 基金国家自然科学基金(No.61890544,91748106) 航空科学基金(No.ASFC-201920069002)。; 文摘合成孔径雷达(SAR)图像自动目标识别中,特征提取和目标分类是两个重要环节。残差网络(ResNet)作为一种较新的卷积神经网络,凭借其对目标特征的自适应学习能力,在SAR图像分类领域表现突出。本文在ResNet基础上,设计出了密集连接型残差网络(DCResNet),用于SAR图像目标识别。DCResNet在残差模块中增加了跳跃性连接的密度,不仅继承了ResNet的易学习的优点,还加强了特征的传播和利用率。除此之外,DCResNet采用平均池化的方式进行下采样,抑制了SAR图像中噪声对识别精度造成的影响。关于SAR图像目标识别的实验结果证明,本文提出的DCResNet与ResNet、AlexNet相比,不仅具有更快的收敛速度和推理速度,而且目标分类的准确率更高。; 关键词 SAR图像深度学习目标识别残差网络密集连接型残差网络; Keywords SAR image deep learning target recognition residual network DCResNet; 分类号 TN957.51 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于密集残差连接U型网络的噪声图像超分辨率重建	刘鹏南李龙张紫豪朱星光程德强	《工矿自动化》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	融合通道注意力与残差密集的U-Net视网膜血管分割	苏江涛张乾江漫张宇航吕义付	《长江信息通信》	2022	0	在线阅读下载PDF 职称材料
3	基于条件生成对抗网络的低照度彩色图像增强算法	王珏洪敏轩夏叶桐徐秀钰孔筱芳万敏杰	《红外与激光工程》 EI CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于增强网格网络的井下尘雾图像清晰化算法	谷亚楠李晴刘晨晨张富凯	《工矿自动化》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
5	基于DCResNet的SAR图像车辆目标识别	王强曹磊史润佳杨非蒋忠进	《雷达科学与技术》北大核心	2021	4	在线阅读下载PDF 职称材料