-
题名基于轻量化生成对抗网络的遥感图像超分辨率重建
- 1
-
-
作者
张鹏婴
张明
李建军
张宝华
-
机构
内蒙古科技大学信息工程学院
内蒙古科技大学内蒙古自治区模式识别与智能图像处理重点实验室
-
出处
《激光杂志》
CAS
北大核心
2024年第4期114-120,共7页
-
基金
国家自然科学基金(No.62066036、61962046)
内蒙古自然科学基金(No.2022LHMS06005)
内蒙古自治区高等学校科学研究项目(No.NJZY18150)。
-
文摘
针对ESRGAN模型复杂度高、特征提取与表示性能欠佳的问题,提出了一种基于轻量化生成对抗网络(Light weight Generative Adversarial Network, LwGAN)的遥感图像超分辨率重建算法。该算法以改进残差密集模块(Improved Residual Dense Block, IRDB)为基础块构建生成网络的高阶特征提取部分,提取了丰富的多样化特征,同时建立了特征的通道及长距离位置关系,在降低模型参数量的同时提升了模型的特征提取与表示性能。通过在UC MERCED和NWPU-RESISC45数据集上的实验结果表明,与ESRGAN相比,LwGAN获取了更大的峰值信噪比和结构相似度,显著提升了遥感图像的超分辨率重建性能,可视化结果表明重建图像恢复了更多的纹理细节信息,同时模型参数量仅为原始ESRGAN的约三分之一,大幅地提高了模型的运行效率,为后续遥感图像的分析处理奠定了基础。
-
关键词
超分辨率重建
遥感图像
生成对抗网络
残差密集
坐标注意力
-
Keywords
super-resolution reconstruction
re-mote sensing images
generative adversarial network
re-sidual dense
coordinate attention
-
分类号
TN911
[电子电信—通信与信息系统]
-
-
题名基于去雾增强和张量恢复的红外小目标检测
被引量：4
- 2
-
-
作者
王亚平
周裕丰
张宝华
-
机构
内蒙古科技大学信息工程学院
内蒙古科技大学内蒙古自治区模式识别与智能图像处理重点实验室
-
出处
《红外与激光工程》
EI
CSCD
北大核心
2022年第4期419-427,共9页
-
基金
国家自然科学基金(61962046,62001255,61841204)
内蒙古杰青培育项目(2018JQ02)
+4 种基金
内蒙古科技计划项目(202001)
内蒙古草原英才
内蒙古自治区自然科学基金(2019MS06003,2018MS06018)
教育部“春晖计划”合作科研项目(教外司留1383号)
内蒙古自治区高等学校科学技术研究项目(NJZY145)。
-
文摘
为解决红外块张量模型中利用核范数难以找到张量秩的非凸逼近,得到的非最优解进而影响红外小目标检测,提出了一种基于去雾增强和张量恢复的红外小目标检测算法。首先,利用改进后的暗通道算法对红外图像去雾增强,提高清晰度的同时间接增强了红外图像中背景的低秩性;其次,筛选匹配的张量正面切片去构建红外块张量模型,在张量奇异值分解的框架下,将检测任务转化为张量恢复问题;最后,设计一种快速算法恢复出红外图像中的低秩成分和稀疏成分,运算简单降低算法复杂度。相较于滤波和人类视觉系统的方法,该算法在复杂背景下的误检率平均下降16.6%,在常见的高亮背景区域中检测性能良好,误检率可降低33%。实验结果表明:该算法可以适用于复杂场景,剔除潜在的虚警点。
-
关键词
红外小目标
去雾增强
红外块张量模型
张量恢复
-
Keywords
infrared small target
dehazing enhancement
infrared patch-tensor model
tensor recover
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于双邻域对比度的红外小目标检测算法
被引量：5
- 3
-
-
作者
朱金辉
张宝华
谷宇
李建军
张明
-
机构
内蒙古科技大学信息工程学院
内蒙古科技大学内蒙古自治区模式识别与智能图像处理重点实验室
-
出处
《激光技术》
CAS
CSCD
北大核心
2021年第6期794-798,共5页
-
基金
国家自然科学基金资助项目(61962046,61663036,61841204)
内蒙古自治区杰青培育项目(2018JQ02)
内蒙古自治区2019年研究生科研创新资助项目(S20191187Z)。
-
文摘
为了解决密集多目标检测中易造成的漏检问题,提出一种基于双邻域对比度的红外小目标检测算法。首先利用峰值搜索算法筛选出候选目标;再通过单尺度3层双邻域窗口遍历候选目标;最后利用双邻域对比度模型计算候选目标区域的最小灰度对比度,并用对角梯度因子增强对比度和抑制杂波。结果表明,与5种对比方法相比,该方法的背景抑制因子和对比度增益分别平均提高4.7倍和1.8倍,有效地抑制了杂波,增强了目标。该研究能够准确地检测到相互接近的多个目标,对提高复杂背景下的多目标检测精度是有帮助的。
-
关键词
图像处理
小目标检测
峰值搜索
双邻域对比度
对角梯度因子
-
Keywords
image processing
small target detection
peak search
double neighborhood contrast
diagonal gradient factor
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于双通道深度密集特征融合的遥感影像分类
被引量：5
- 4
-
-
作者
张艳月
张宝华
赵云飞
吕晓琪
谷宇
李建军
-
机构
内蒙古科技大学信息工程学院
内蒙古科技大学内蒙古自治区模式识别与智能图像处理重点实验室
内蒙古工业大学信息工程学院
-
出处
《激光技术》
CAS
CSCD
北大核心
2021年第1期73-79,共7页
-
基金
国家自然科学基金资助项目(61962046,61663036,61841204)
内蒙古自治区杰青培育资助项目(2018JQ02)
+4 种基金
内蒙古草原英才资助项目
内蒙古青年科技创新人才资助项目(第一层次)
内蒙古自治区自然科学基金资助项目(2015MS0604)
内蒙古自治区高等学校科学技术研究资助项目(NJZY145)
内蒙古自治区2019年研究生科研创新资助项目(S20191187Z)。
-
文摘
为了提高遥感图像场景分类中特征有效利用率,进而提高遥感影像分类精度,采用基于双通道深度密集特征融合的遥感影像分类方法,进行了理论分析和实验验证。首先通过构建复合密集网络模型,分别提取图像卷积层特征和全连接层特征;然后为挖掘、利用图像深层信息,通过视觉词袋模型将提取的深层卷积层特征进行重组编码,捕获图像深层局部特征;最后采用线性加权方式将局部和全局特征融合、分类。结果表明,选用数据集UC Merced Land-Use和NWPU-RESISC45进行实验,取得的分类精度分别为93.81%和92.62%。该方法充分利用局部特征和全局特征的互补性,能实现图像深层信息的充分利用和表达。
-
关键词
图像处理
遥感图像分类
特征融合
密集网络
视觉词袋模型
-
Keywords
image processing
classification of remote sensing images
feature fusion
dense convolutional network
bag of visual words
-
分类号
TP753
[自动化与计算机技术—检测技术与自动化装置]
-
