检索结果-维普期刊中文期刊服务平台

双边滤波下的低光照激光雷达图像超分辨增强技术: 1; 作者周君高焱姜晴《激光杂志》北大核心 2024年第12期131-137,共7页; 为了提高低光照激光雷达图像分辨率,提出基于双边滤波的低光照激光雷达图像超分辨增强技术。采用高斯加权双边滤波法计算像素间的空间邻近性和光照强度的相近度系数,精确调节像素点间的亮度差异,生成一个初步的低光照估计图像,利用引导... 展开更多; 关键词双边滤波激光雷达图像引导增强低光照图像图像超分辨增强; 在线阅读下载PDF 职称材料

基于轻量级金字塔密集残差网络的红外图像超分辨增强被引量：6: 2; 作者左岑杨秀杰 +1 位作者张捷王璇《红外技术》 CSCD 北大核心 2021年第3期251-257,共7页; 现有的红外制导武器严重依赖操作手对目标的捕获,其捕获的精度与目标的纹理细节正相关。为了提升弱小区域的显示质量,满足现有导引头小型化、模块化、低成本的设计要求,本文设计了一种基于轻量级金字塔密集残差网络的图像增强模型,该模... 展开更多; 关键词超分辨增强轻量级红外图像深度学习特征级联损失函数恒等映射; 在线阅读下载PDF 职称材料

基于图像增强与迁移学习的破损绝缘子识别被引量：4: 3; 作者张庆苗海东 +2 位作者晏永霍婷婷李艳《现代电子技术》北大核心 2024年第5期75-79,共5页; 输电线路是电力系统中电能传输的关键,随着无人机技术和机器视觉的快速发展,为电力线路绝缘子识别提供了便捷。基于无人机拍摄的输电线路破损绝缘子图像识别,能有效降低人工巡检的成本和安全隐患。为了提高绝缘子识别精确度,提出一种基... 展开更多; 关键词破损绝缘子无人机图像识别灰度均衡化超分辨率增强卷积神经网络深度学习迁移学习; 在线阅读下载PDF 职称材料

基于超分辨率增强与改进YOLOv8的番茄叶片病害检测: 4; 作者侯文慧龚昌智 +4 位作者曹文昊唐强王玉伟高靖刘路《农业工程学报》 2025年第16期211-220,共10页; 针对番茄叶片病害检测面临的小目标病害易漏检、病害种类易混淆和足量病害样本难收集等问题,该研究提出一种基于超分辨率增强和改进YOLOv8的番茄叶片病害检测模型。针对小目标病害分辨率低、检测困难的问题,采用超分辨率生成对抗网络(su... 展开更多; 关键词病害检测深度学习迁移学习超分辨率增强小目标检测; 在线阅读下载PDF 职称材料

题名双边滤波下的低光照激光雷达图像超分辨增强技术: 1; 作者周君高焱姜晴; 机构淮阴工学院; 出处《激光杂志》北大核心 2024年第12期131-137,共7页; 基金江苏省科技厅产学研项目(No.BY2022607)。; 文摘为了提高低光照激光雷达图像分辨率,提出基于双边滤波的低光照激光雷达图像超分辨增强技术。采用高斯加权双边滤波法计算像素间的空间邻近性和光照强度的相近度系数,精确调节像素点间的亮度差异,生成一个初步的低光照估计图像,利用引导增强方法抑制噪声,结合对数变换法提升图像的整体亮度与对比度,通过计算相邻像素间的权值增强低光照激光雷达图像的超分辨。实验结果表明,应用该技术后,低光照激光雷达图像的亮度值稳定在约130的水平,清晰度提升至约21,标准差超过70,信息熵也达到了7.6 bit以上,显著改善低光照条件下的激光雷达图像质量。; 关键词双边滤波激光雷达图像引导增强低光照图像图像超分辨增强; Keywords bilateral filtering lidar images guidance enhancement low light images image super-resolution enhancement; 分类号 TN958.98 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名基于轻量级金字塔密集残差网络的红外图像超分辨增强被引量：6: 2; 作者左岑杨秀杰张捷王璇; 机构重庆电子工程职业学院人工智能与大数据学院重庆望江工业集团有限公司中国人民解放军陆军重庆军代局; 出处《红外技术》 CSCD 北大核心 2021年第3期251-257,共7页; 基金重庆市教委课题(KJ1729409) 重庆市教委教改重点项目(162072) 装备预研船舶重工联合基金。; 文摘现有的红外制导武器严重依赖操作手对目标的捕获,其捕获的精度与目标的纹理细节正相关。为了提升弱小区域的显示质量,满足现有导引头小型化、模块化、低成本的设计要求,本文设计了一种基于轻量级金字塔密集残差网络的图像增强模型,该模型在密集残差网络基础上通过密集连接层和残差网络来学习不同尺度图像之间的非线性映射,充分利用多尺度特征进行高频残差预测。同时,采用深度监督模块指导网络训练,有利于实现较大上采样因子的超分辨增强,提高其泛化能力。大量仿真实验结果表明本文所提出的超分辨模型能够获得高倍率的超分辨增强效果,其重建质量也优于对比算法。; 关键词超分辨增强轻量级红外图像深度学习特征级联损失函数恒等映射; Keywords SR reconstruction lightweight infrared image dense residual-network loss function deep supervision; 分类号 TP391 [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

题名基于图像增强与迁移学习的破损绝缘子识别被引量：4: 3; 作者张庆苗海东晏永霍婷婷李艳; 机构宁夏师范学院物理与电子信息工程学院中北大学机电工程学院; 出处《现代电子技术》北大核心 2024年第5期75-79,共5页; 基金宁夏自然科学基金项目(2022AAC03302) 宁夏自然科学基金项目(2023AAC03339) +3 种基金宁夏重点研发项目(引才专项)(2020BEB04040); 文摘输电线路是电力系统中电能传输的关键,随着无人机技术和机器视觉的快速发展,为电力线路绝缘子识别提供了便捷。基于无人机拍摄的输电线路破损绝缘子图像识别,能有效降低人工巡检的成本和安全隐患。为了提高绝缘子识别精确度,提出一种基于图像灰度均衡化和超分辨率卷积神经网络的图像增强算法。灰度均衡化算法能够改善图像的对比度,提高图像清晰度;超分辨率卷积神经网络图像增强算法实现了图像的超分辨率重建,从而使图像清晰度更高、真实度更强。通过使用VGG16作为特征提取和分类器,结合迁移学习实现模型的训练,对增强后的彩色图像数据集进行训练,进一步提高了识别精度。在权威数据集CPLID上验证了所提出算法的有效性与高识别精度,并比较了不同算法模型的精确度,所提出的深度迁移学习算法在实际应用中能有效降低人工巡检的成本和安全隐患。; 关键词破损绝缘子无人机图像识别灰度均衡化超分辨率增强卷积神经网络深度学习迁移学习; Keywords defective insulator UAV image identification grayscale equalization super⁃resolution enhancement CNN deep learning transfer learning; 分类号 TN919.8-34 [电子电信—通信与信息系统] TP391.9 [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

题名基于超分辨率增强与改进YOLOv8的番茄叶片病害检测: 4; 作者侯文慧龚昌智曹文昊唐强王玉伟高靖刘路; 机构安徽农业大学工学院; 出处《农业工程学报》 2025年第16期211-220,共10页; 基金安徽省自然科学基金项目(2308085ME169) 安徽省机器视觉检测与感知重点实验室开放课题(KLMVI-2024-HIT-02)。; 文摘针对番茄叶片病害检测面临的小目标病害易漏检、病害种类易混淆和足量病害样本难收集等问题,该研究提出一种基于超分辨率增强和改进YOLOv8的番茄叶片病害检测模型。针对小目标病害分辨率低、检测困难的问题,采用超分辨率生成对抗网络(super-resolution generative adversarial network, SRGAN)对番茄叶片图像进行增强,通过超分辨率重建增强小目标病害的细微特征,以提升小目标病害检测精度;针对病害特征相似,小目标病害特征不明显的问题,构建了一种检测模型G-YOLOv8,通过融合小目标检测层Upsample-Concat-C2f与三重注意力机制Triplet Attention,提高模型对细微特征的关注能力;针对实际检测中面临的病害样本不足问题,利用公用数据集进行模型预训练,获取最优初参数,借助迁移学习提高检测模型在自然环境背景中的番茄病害检测精度。在早疫病、晚疫病和灰霉病三种病害数据集上进行检测试验,结果表明,YOLOv8网络在超分辨率增强后的早疫病害检测的平均精度均值达95.4%,相较于未处理的早疫病害公共数据集,提升了4个百分点;所提出的G-YOLOv8网络在迁移学习后平均精度均值达97.8%,相比原YOLOv8网络提升了3.2个百分点。该研究为番茄叶片视觉检测,尤其是多类病害区分及小目标病害识别提供了一种可行性的解决方案和技术支持。; 关键词病害检测深度学习迁移学习超分辨率增强小目标检测; Keywords disease detection deep learning transfer learning super resolution enhancement small target detection; 分类号 S436.611 [农业科学]; 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	双边滤波下的低光照激光雷达图像超分辨增强技术	周君高焱姜晴	《激光杂志》北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于轻量级金字塔密集残差网络的红外图像超分辨增强	左岑杨秀杰张捷王璇	《红外技术》 CSCD 北大核心	2021	6	在线阅读下载PDF 职称材料
3	基于图像增强与迁移学习的破损绝缘子识别	张庆苗海东晏永霍婷婷李艳	《现代电子技术》北大核心	2024	4	在线阅读下载PDF 职称材料
4	基于超分辨率增强与改进YOLOv8的番茄叶片病害检测	侯文慧龚昌智曹文昊唐强王玉伟高靖刘路	《农业工程学报》	2025		在线阅读下载PDF 职称材料