-
题名基于Mask约束的图像局部风格迁移算法
- 1
-
-
作者
祁新
杜洪波
朱立军
-
机构
沈阳工业大学理学院
北方民族大学信息与计算科学学院
-
出处
《计算机应用与软件》
北大核心
2025年第6期234-240,共7页
-
基金
国家自然科学基金项目(11861003)
辽宁省教育厅高等学校基本科研项目(LJKZ0157)。
-
文摘
针对实际应用中不能直接对图像指定区域进行风格迁移的问题,提出一种基于Mask约束的图像局部风格迁移算法。借助DeepLab V3+算法分割内容图像,并提取其目标区域,采用基于Gram矩阵的逐像素点优化的图像风格迁移算法进行图像局部风格迁移,重新定义图像局部风格迁移内容、风格损失函数,一方面将语义分割产生的Mask矩阵对需要学习的参数范围进行约束,另一方面用Mask矩阵约束部分风格损失函数计算的区域,除去冗余区域。实验结果表明,改进后算法具有较好的局部风格转换能力,并加快算法的收敛速度。
-
关键词
局部风格迁移
语义分割
deeplab
v3+
GRAM矩阵
Mask矩阵
-
Keywords
Local style transfer
Semantic segmentation
deeplab v3+algorithm
Gram matrix
Mask matrix
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名高分辨率遥感影像分割的城市绿地提取研究
被引量：10
- 2
-
-
作者
陈周
费鲜芸
高祥伟
王筱雪
赵慧敏
-
机构
江苏海洋大学测绘与海洋信息学院
-
出处
《测绘通报》
CSCD
北大核心
2020年第12期17-20,共4页
-
基金
国家自然科学基金(31270745)
江苏省研究生科研创新计划(SJCX19_0969)。
-
文摘
城市绿地是生态文明建设的重要组成部分,绿地信息提取是城市绿地规划和建设的基础和前提。遥感影像分割是绿地信息分类提取的关键步骤,选择合适的影像分割方法能有效提高城市绿地提取精度。传统的遥感分割方法分割结果中边缘锯齿现象严重,与绿地实地边界相差较大,不符合绿地信息提取的要求。本文以高分辨率的WorldView影像为数据源,使用深度学习网络DeepLab-v3+对城市绿地进行分割研究,在分割基础上进行城市绿地信息提取。同时,本研究将该网络模型的分割和分类结果与基于Ostu、MeanShift、FNEA分割算法的分类精度进行比较。研究表明:DeepLab-v3+的分割性能最好,其分割边缘光滑,与绿地实地边界吻合度高,有效解决了传统分割算法的边缘锯齿问题;在各种分割分类算法中,DeepLab-v3+的分类精度最高,达到98.01%。
-
关键词
城市绿地
OSTU算法
MeanShit算法
FNEA算法
deeplab-v3+
-
Keywords
urban green space
Ostu algorithm
MeanShift algorithm
FNEA algorithm
deeplab-v3+
-
分类号
P237
[天文地球—摄影测量与遥感]
-
