检索结果-维普期刊中文期刊服务平台

基于结构相似约束生成对抗网络的视网膜OCT图像去噪算法被引量：6: 1; 作者谢巧雪马宗庆 +1 位作者祝连庆朱疆《电子测量与仪器学报》 CSCD 北大核心 2023年第3期11-20,共10页; 光学相干断层扫描(OCT)图像中存在的散斑噪声会掩盖视网膜重要的形态学细节,妨碍视网膜病变的观察和临床诊断。提出了一种基于结构相似约束生成对抗网络的视网膜OCT图像去噪算法,基于残差策略改进生成对抗网络模型结构,并融合结构相似... 展开更多; 关键词光学相干断层成像视网膜图像去噪生成对抗网络结构相似损失; 在线阅读下载PDF 职称材料

基于结构化损失的单目深度估计算法研究被引量：5: 2; 作者霍智勇乔璐《电子科技大学学报》 EI CAS CSCD 北大核心 2021年第5期728-733,共6页; 为了提高单目图像深度估计的精度,针对图像中几何形状无法准确预测以及边缘模糊的问题,该文提出了一种基于多尺度结构相似度和梯度匹配的单目深度估计算法,利用多尺度结构相似度损失和尺度不变梯度匹配损失组成联合结构化损失,对相对深... 展开更多; 关键词卷积网络深度估计梯度匹配损失单目图像多尺度结构相似度损失排序损失; 在线阅读下载PDF 职称材料

去噪扩散模型驱动的纹理增强红外-可见光图像融合方法: 3; 作者王洪雁彭俊杨凯《电子与信息学报》北大核心 2025年第6期1992-2004,共13页; 针对现有融合算法在处理多源数据时未能充分结合纹理细节和色彩强度信息的问题,该文提出一种去噪扩散模型驱动的红外-可见光图像融合方法。所提方法通过去噪扩散网络提取多尺度空时特征,并结合高频特征增强红外图像边缘信息,利用双向多... 展开更多; 关键词红外和可见光图像图像融合扩散模型生成模型结构相似性损失; 在线阅读下载PDF 职称材料

有监督深度学习的地震资料提高分辨率处理方法被引量：2: 4; 作者李斐牛文利 +2 位作者刘达伟王永刚黄研《石油地球物理勘探》 EI CSCD 北大核心 2024年第4期702-713,共12页; 地震资料分辨率直接影响后续处理和解释成果精度,因此备受关注。深度学习方法具备自动提取深层特征和出色的非线性逼近能力,在反问题求解中广泛应用。在地震勘探领域,深度卷积网络中的卷积算子与地震数据的褶积模型相吻合,因而有望通过... 展开更多; 关键词有监督深度学习多尺度结构相似性损失 L1损失生成对抗网络图像超分辨率重建; 在线阅读下载PDF 职称材料

基于增强生成器条件生成对抗网络的单幅图像去雾被引量：7: 5; 作者赵扬李波《计算机应用》 CSCD 北大核心 2021年第12期3686-3691,共6页; 大气中烟雾等粒子的存在会导致肉眼捕获场景的能见度降低。大多数传统的去雾方法都是预期估计雾霾场景的透射率、大气光,并利用大气散射模型恢复无雾图像。这些方法尽管取得了显著进展,但由于过分依赖苛刻的先验条件,在缺乏相应先验条... 展开更多; 关键词深度学习图像去雾生成对抗网络增强解码器多尺度结构相似性损失函数; 在线阅读下载PDF 职称材料

题名基于结构相似约束生成对抗网络的视网膜OCT图像去噪算法被引量：6: 1; 作者谢巧雪马宗庆祝连庆朱疆; 机构北京信息科技大学光电测试技术及仪器教育部重点实验室北京信息科技大学生物医学检测技术及仪器北京实验室; 出处《电子测量与仪器学报》 CSCD 北大核心 2023年第3期11-20,共10页; 基金国家自然科学基金(61975019) 北京市教育委员会科技计划重点项目(KZ202011232050) 北京信息科技大学校科研基金(2021XJJ10)项目资助。; 文摘光学相干断层扫描(OCT)图像中存在的散斑噪声会掩盖视网膜重要的形态学细节,妨碍视网膜病变的观察和临床诊断。提出了一种基于结构相似约束生成对抗网络的视网膜OCT图像去噪算法,基于残差策略改进生成对抗网络模型结构,并融合结构相似性损失约束模型优化,实现散斑噪声抑制,同时增强对视网膜结构细节的保留。在杜克大学发布的SD-OCT公开数据集上的实验表明,所提算法的峰值信噪比和边缘保持指数分别为28.08和0.960,优于所对比的其他去噪方法,且适用于其他来自A2A SD-OCT研究的公开数据集。; 关键词光学相干断层成像视网膜图像去噪生成对抗网络结构相似损失; Keywords optical coherence tomography retina image denoising generative adversarial network structural similarity loss; 分类号 TP391 [自动化与计算机技术—计算机应用技术] TH74 [机械工程—光学工程]; 在线阅读下载PDF 职称材料

题名基于结构化损失的单目深度估计算法研究被引量：5: 2; 作者霍智勇乔璐; 机构南京邮电大学通信与信息工程学院; 出处《电子科技大学学报》 EI CAS CSCD 北大核心 2021年第5期728-733,共6页; 文摘为了提高单目图像深度估计的精度,针对图像中几何形状无法准确预测以及边缘模糊的问题,该文提出了一种基于多尺度结构相似度和梯度匹配的单目深度估计算法,利用多尺度结构相似度损失和尺度不变梯度匹配损失组成联合结构化损失,对相对深度点对进行排序来实现单目深度估计,实现了对图像中几何形状的准确预测,减小了边缘模糊,提高了深度预测精度。在Ibims、NYUDv2、DIODE、Sintel 4个不同类型的数据集进行了数值实验和主观评测,结果表明该算法降低了深度预测误差,有效提高了预测的准确性,并具有一定的泛化性能。; 关键词卷积网络深度估计梯度匹配损失单目图像多尺度结构相似度损失排序损失; Keywords convolutional network depth estimation gradient matching loss monocular image multi-scale structural similarity loss ranking loss; 分类号 TP391 [自动化与计算机技术—计算机应用技术] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名去噪扩散模型驱动的纹理增强红外-可见光图像融合方法: 3; 作者王洪雁彭俊杨凯; 机构浙江理工大学计算机与科学技术学院电子信息系统复杂电磁环境效应国家重点实验室浙江理工大学信息科学与工程学院; 出处《电子与信息学报》北大核心 2025年第6期1992-2004,共13页; 基金国家自然科学基金(61871164) 浙江省自然科学基金重点项目(LZ21F010002) 电子信息系统复杂电磁环境效应国家重点实验室基金(CEMEE2023K0301)。; 文摘针对现有融合算法在处理多源数据时未能充分结合纹理细节和色彩强度信息的问题,该文提出一种去噪扩散模型驱动的红外-可见光图像融合方法。所提方法通过去噪扩散网络提取多尺度空时特征,并结合高频特征增强红外图像边缘信息,利用双向多尺度卷积模块和双向注意力融合模块确保全局信息的充分利用和局部细节的精确捕捉。同时,模型采用自适应结构相似性损失、多通道强度损失和多通道纹理损失对网络进行优化,增强结构一致性,平衡图像色彩和纹理信息的分布。实验结果表明,与现有方法相比,所提方法可有效地保留源图像的纹理、色彩和特征信息,融合效果更符合人类视觉感知。; 关键词红外和可见光图像图像融合扩散模型生成模型结构相似性损失; Keywords Infrared and visible image Image fusion Diffusion model Generative model Structural similarity loss; 分类号 TN911.73 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名有监督深度学习的地震资料提高分辨率处理方法被引量：2: 4; 作者李斐牛文利刘达伟王永刚黄研; 机构长庆油田勘探开发研究院西安交通大学电子与信息学部; 出处《石油地球物理勘探》 EI CSCD 北大核心 2024年第4期702-713,共12页; 基金国家自然科学基金面上项目“基于频率空间域信号子空间优化的叠前地震资料噪声压制方法”(42374135) 中国石油集团重大专项“致密砂岩气藏提高采收率关键技术研究”(2023ZZ25)联合资助。; 文摘地震资料分辨率直接影响后续处理和解释成果精度,因此备受关注。深度学习方法具备自动提取深层特征和出色的非线性逼近能力,在反问题求解中广泛应用。在地震勘探领域,深度卷积网络中的卷积算子与地震数据的褶积模型相吻合,因而有望通过智能化手段显著提升地震资料的分辨率。目前,针对卷积神经网络提高地震资料分辨率方面的研究发展迅速,但问题的核心在于设计适合、有效的网络结构和损失函数。为此,提出一种基于强监督学习的地震资料高分辨率处理方法。该方法充分利用地下结构的空间连续性,借鉴图像超分辨率重建的思想,设计了一种生成对抗网络结构,用以提高地震资料的纵向分辨率;同时,采用L1损失和多尺度结构相似性(MS-SSIM)损失相结合的损失函数提高感知质量,以提高网络的高分辨率处理效果。合成数据和实际地震数据的应用结果显示,相较于常规损失函数,文中采用的损失函数可以显著提升智能算法的处理效果,明显改善地震数据同相轴的连续性,且高频细节信息更丰富,验证了该方法的可行性和有效性。; 关键词有监督深度学习多尺度结构相似性损失 L1损失生成对抗网络图像超分辨率重建; Keywords supervised deep learning multi⁃scale structural similarity loss(MS⁃SSIM) L1 loss function genera⁃tive adversarial network image super⁃resolution reconstruction; 分类号 P631 [天文地球—地质矿产勘探]; 在线阅读下载PDF 职称材料

题名基于增强生成器条件生成对抗网络的单幅图像去雾被引量：7: 5; 作者赵扬李波; 机构武汉科技大学计算机科学与技术学院; 出处《计算机应用》 CSCD 北大核心 2021年第12期3686-3691,共6页; 文摘大气中烟雾等粒子的存在会导致肉眼捕获场景的能见度降低。大多数传统的去雾方法都是预期估计雾霾场景的透射率、大气光,并利用大气散射模型恢复无雾图像。这些方法尽管取得了显著进展,但由于过分依赖苛刻的先验条件,在缺乏相应先验条件下的去雾效果并不理想。因此,提出一种端到端的一体化除雾网络,使用增强生成器的条件生成对抗网络(CGAN)直接恢复无雾图像。生成器端以U-Net作为基础架构,通过“整合-加强-减去”的促进策略,用一个简单有效的增强解码器,增强解码器中特征的恢复。另外,加入了多尺度结构相似性(MS-SSIM)损失函数,增强图像的边缘细节恢复。在合成数据集和真实数据集上的实验中,该模型的峰值信噪比(PSNR)和结构相似性(SSIM)明显优于传统的暗通道先验(DCP)、一体化除雾网络(AOD-Net)、渐进式特征融合网络(PFFNet)、条件Wasserstein生成对抗网络(CWGAN)去雾模型。实验结果表明,相较于对比算法,所提网络能够恢复出更接近于地面真相的无雾图像,除雾效果更优。; 关键词深度学习图像去雾生成对抗网络增强解码器多尺度结构相似性损失函数; Keywords deep learning image dehazing Generative Adversarial Network(GAN) enhanced decoder Multi-Scale Structural SIMilarity(MS-SSIM)loss function; 分类号 TP391.41 [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	作者	出处	发文年	被引量	操作
1	基于结构相似约束生成对抗网络的视网膜OCT图像去噪算法	谢巧雪马宗庆祝连庆朱疆	《电子测量与仪器学报》 CSCD 北大核心	2023	6	在线阅读下载PDF 职称材料
2	基于结构化损失的单目深度估计算法研究	霍智勇乔璐	《电子科技大学学报》 EI CAS CSCD 北大核心	2021	5	在线阅读下载PDF 职称材料
3	去噪扩散模型驱动的纹理增强红外-可见光图像融合方法	王洪雁彭俊杨凯	《电子与信息学报》北大核心	2025	0	在线阅读下载PDF 职称材料
4	有监督深度学习的地震资料提高分辨率处理方法	李斐牛文利刘达伟王永刚黄研	《石油地球物理勘探》 EI CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
5	基于增强生成器条件生成对抗网络的单幅图像去雾	赵扬李波	《计算机应用》 CSCD 北大核心	2021	7	在线阅读下载PDF 职称材料