题名 膜计算在图像处理领域应用研究综述
1
作者
袁建英 张葛祥 郭德全 蒋涛
机构
成都信息工程大学 控制工程学院 四川汽车关键零部件协同创新中心 博士后创新实践基地 电子科技大学 航空航天学院 西华大学机器人研究中心 西南交通大学 电气工程学院
出处
《安徽大学学报（自然科学版）》
CAS
北大核心
2018年第3期24-31,共8页
基金
国家自然科学基金资助项目(61672437 61702428) +7 种基金 四川省教育厅项目(17ZB0095 17ZB0090) 成都信息工程大学人才引进基金资助项目(KYTZ201633) 四川省科技厅项目(2018GZ0185 2018GZ0085 2018GZ0385 2018GZ0245 2017GZ0159)
文摘
随着计算机与信息技术的高速发展,图像处理已深入到各行各业,海量数据以及复杂算法所面临的高速实时处理成为图像处理领域急需解决的问题.膜计算是由生物细胞(群)相关机理启发的一类分布式、并行计算模型,已被证明能以多项式时间求解计算难问题.综述膜计算在图像处理领域中的应用,着重从图像低层处理(图像平滑、骨架提取)和中层处理(图像分割、立体匹配、图像配准、图像分解与重建)两方面对膜计算在图像处理领域的应用进行了介绍和分析,并给出了膜计算应用于图像处理领域的今后可能的发展方向.
关键词
膜计算 图像处理 图像分割 图像平滑
Keywords
membrane computing image processing image smoothing image segmentation
分类号
TP39
[自动化与计算机技术—计算机应用技术]
题名 增强的单幅图像自学习超分辨方法
被引量：4
2
作者
黄凤 王晓明
机构
西华大学 计算机与软件工程学院西华大学机器人研究中心
出处
《计算机应用》
CSCD
北大核心
2017年第9期2636-2642,2699,共8页
基金
国家自然科学基金资助项目(61532009) 教育部春晖计划项目(Z2015102) 四川省教育厅自然科学重点项目(11ZA004)~~
文摘
针对图像超分辨率方法构建图像块的稀疏表示(SR)系数存在的主要问题,利用加权思想提出一种增强的单幅图像自学习超分辨方法。首先,通过自学习建立高低分辨率图像金字塔;然后,分别提取低分辨率图像的图像块特征和对应高分辨率图像块的中心像素,并给图像块中不同像素点赋予不同的权重,强调中心像素点在构建图像块稀疏系数时的作用;最后,结合SR理论和支持向量回归(SVR)技术建立超分辨率图像重建模型。实验结果表明,与单幅图像自学习超分辨率方法(SLSR)相比,所提方法的峰值信噪比(PSNR)平均提高了0.39 dB,无参考图像质量评价标准(BRISQUE)分数平均降低了9.7。从主观视角和客观数值证明了所提超分辨率方法更有效。
关键词
数字图像处理 单幅图像超分辨率 稀疏表达 支持向量回归 权重系数
Keywords
digital image processing single image super-resolution Sparse Representation （SR） Support Vector Regression （SVR） weight coefficient
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于深度残差反投影注意力网络的图像超分辨率
被引量：5
3
作者
胡高鹏 陈子鎏 王晓明 张开放 黄增喜 杜亚军
机构
西华大学 计算机与软件工程学院西华大学机器人研究中心
出处
《计算机应用研究》
CSCD
北大核心
2021年第4期1271-1276,共6页
基金
国家自然科学基金资助项目(61602390) 西华大学研究生创新基金资助项目(ycjj2019095)。
文摘
针对多数单帧图像超分辨率(single image super-resolution,SISR)重建方法存在的特征信息发掘不充分、特征图各通道之间的相互依赖关系难以确定以及重建高分辨率(high resolution,HR)图像时存在重构误差等问题,提出了基于深度残差反投影注意力网络的图像超分辨率(SR)算法。即利用残差学习的思想缓解训练难度和充分发掘图像的特征信息,并使用反投影学习机制学习高低分辨图像之间的相互依赖关系,此外引入了注意力机制动态分配各特征图以不同的注意力资源从而发掘更多的高频信息和学习特征图各通道之间的依赖关系。实验结果表明了所提方法相比于多数单帧图像超分辨率方法,不仅在客观指标方面得到了显著的提升,而且重建的预测图像也具有更加丰富的纹理信息。
关键词
注意力机制 超分辨率 反投影 残差学习 卷积神经网络
Keywords
attention mechanism super-resolution(SR) back projection residual learning convolutional neural network
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 基于深度渐进式反投影注意力网络的图像超分辨率重建
被引量：4
4
作者
胡高鹏 陈子鎏 王晓明 张开放
机构
西华大学 计算机与软件工程学院西华大学机器人研究中心
出处
《计算机应用》
CSCD
北大核心
2020年第7期2077-2083,共7页
基金
西华大学研究生创新基金资助项目(ycjj2019095)。
文摘
针对多数单帧图像超分辨率(SISR)方法在重建预测图像时存在高频信息丢失和上采样过程中会引入噪声以及特征图各通道之间的相互依赖关系难以确定等问题,提出了深度渐进式反投影注意力网络。首先使用渐进式上采样方法将低分辨率(LR)图像逐步缩放至给定的倍率,缓解上采样过程中造成的高频信息丢失等问题;然后在渐进式上采样的每个阶段融合迭代反投影思想,学习高分辨率(HR)和LR特征图之间的映射关系并减少上采样过程中引入的噪声;最后使用注意力机制为渐进式反投影网络不同阶段产生的特征图动态分配注意力资源,使网络模型学习到各特征图之间的相互依赖关系。实验结果表明,所提出的方法相比主流的超分辨率方法,峰值信噪比(PSNR)最高可增加3.16 dB,结构相似性最高可提升0.2184。
关键词
超分辨率 渐进式上采样 反投影网络 注意力机制 深度学习
Keywords
super-resolution progressive upsampling back-projection network attention mechanism deep learning
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 改进的单幅图像自学习超分辨率重建方法
被引量：4
5
作者
王晓明 黄凤 刘少鹏 徐涛
机构
西华大学 计算机与软件工程学院西华大学机器人研究中心
出处
《计算机应用研究》
CSCD
北大核心
2019年第8期2534-2538,共5页
基金
国家教育部春晖计划资助项目(Z2015102) 国家自然科学基金资助项目(61532009) 四川省教育厅自然科学重点项目(11ZA004)
文摘
针对传统超分辨率重建方法稀疏表示依赖大训练样本字典的局限性问题,基于 L 2范数的弱稀疏性特点,提出一种改进的单幅图像自学习超分辨率重建方法。通过自学习建立非金字塔阶梯式训练图像集,采用自定义的方法分别提取训练集中低分辨率和相应高分辨率图像特征块及特征像素值;结合 L 2范数的协作表示(collaborative representation,CR)理论和支持向量回归(support vector regression,SVR)技术学习多层超分辨率映射模型。实验结果表明,提出的超分辨率方法不仅可行有效,而且与传统的单幅图像的超分辨率方法比较,其PSNR平均提高了0.06~3.92 dB,SSIM平均提高了0.002 4~0.034 8,从客观数值和主观视觉证明了所提方法的优秀性。
关键词
单幅图像超分辨率 L2范数 协作表示 支持向量回归
Keywords
super-resolution of single image L2-norm collaborative representation support vector regression
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于空间特征变换与反投影的渐进式图像超分辨
被引量：3
6
作者
秦玉 谢超宇 王晓明 陈子鎏
机构
西华大学 计算机与软件工程学院西华大学机器人研究中心
出处
《计算机应用研究》
CSCD
北大核心
2021年第12期3814-3819,共6页
基金
西华大学研究生创新基金资助项目(ycjj2019095)。
文摘
基于深度网络的单帧图像超分辨(SISR)方法为目前SR研究热点,但是多数该类方法在特征提取时主要侧重在网络深度结构的探索,忽略了中间空间特征层之间的相似性,并且在重构时忽略了特征层之间的特征差异性。针对上述问题,提出了基于空间特征变换与反投影重构的渐进式网络。该方法的主要特征是,在图像特征提取时对特征空间进行特征仿射变换,从而获得渐进式特征和空间变换特征,增加特征层间的不同相似性。在图像重构阶段,重构模块采用多尺度反投影的策略融合了图像多源特征,从而使得其模块更加注重特征之间的差异性。实验结果表明,相比大多数超分辨算法,所提方法在图像超分辨重建时PSNR/SSIM等评估指标均有较大提升,且重构图像的纹理信息也更加丰富。
关键词
超分辨率 空间特征变换 反投影网络 渐进式上采样 深度学习
Keywords
super-resolution(SR) spatial feature transform back-projection network progressive upsample deep learning
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 基于局部类内结构的鉴别性字典学习方法
被引量：3
7
作者
陈子鎏 胡高鹏 王晓明 黄增喜 杜亚军
机构
西华大学 计算机与软件工程学院西华大学机器人研究中心
出处
《计算机应用研究》
CSCD
北大核心
2021年第2期489-494,500,共7页
基金
国家自然科学基金资助项目(61602390) 西华大学研究生创新基金资助项目(ycjj2019095)。
文摘
针对支持向量引导的字典学习(support vector guided dictionary learning,SVGDL)的鉴别约束项只体现了大间隔原理,而没有很好地利用数据空间内在结构信息的问题,提出了一种新颖的鉴别性字典学习方法——基于局部类内结构的鉴别性字典学习方法。该方法结合了大间隔原理和局部Fisher线性鉴别分析作为鉴别约束条件来指导指点学习。通过建立一个局部类内散度矩阵来编码数据空间的分布结构,增强了挖掘同类数据空间局部结构的能力并进一步地表示了编码向量在数据空间中的局部相似性。为了评价提出方法在图像识别上的表现,在几个常见图像数据集上进行了实验。结果表明,提出方法与大间隔方法相比,在平均识别率上有着明显的提高。
关键词
字典学习 协作表示 支持向量机 局部Fisher鉴别分析 图像识别
Keywords
dictionary learning collaborative representation support vector machine(SVM) local Fisher discriminant analysis(LFDA) image recognition
分类号
TP393.04
[自动化与计算机技术—计算机应用技术]
题名 最小类内方差支持向量引导的字典学习
被引量：2
8
作者
王晓明 徐涛 冉彪
机构
西华大学 计算机与软件工程学院西华大学机器人研究中心
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第4期60-69,共10页
基金
国家自然科学基金(61532009) 国家教育部春晖计划项目(Z2015102) +1 种基金 四川省教育厅重点项目(11ZA004) 西华大学研究生创新基金(ycjj2017179)。
文摘
支持向量引导的字典学习算法依据大间隔分类原则,仅考虑每类编码向量边界条件建立决策超平面,未利用数据的分布信息,在一定程度上限制了模型的泛化能力.为解决该问题,提出最小类内方差支持向量引导的字典学习算法.将融合Fisher线性鉴别分析和支持向量机大间隔分类准则的最小类内方差支持向量机作为鉴别条件,在模型分类器的交替优化过程中,充分考虑编码向量的分布信息,保障同类编码向量总体一致的同时降低向量间的耦合度并修正分类矢量,从而挖掘编码向量鉴别信息,使其更好地引导字典学习以提高算法分类性能.在人脸、物体和手写数字识别数据集上的实验结果表明,在大部分样本和原子数量条件下,该算法的识别率和原子鲁棒性均优于K奇异值分解、局部特征和类标嵌入约束等经典字典学习算法.
关键词
字典学习 协作表达 编码向量 最小类内方差支持向量 数字图像识别
Keywords
dictionary learning Collaborative Representation(CR) encoding vector minimum class variance support vector digital image recognition
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 泛化误差界指导的鉴别字典学习
9
作者
徐涛 王晓明
机构
西华大学 计算机与软件工程学院西华大学机器人研究中心
出处
《计算机应用》
CSCD
北大核心
2019年第4期940-948,共9页
基金
国家自然科学基金资助项目(61532009) 教育部春晖计划项目(Z2015102) 四川省教育厅自然科学重点项目(11ZA004)~~
文摘
在提高字典鉴别能力的过程中,最大间隔字典学习忽视了利用重新获得的数据构建分类器的泛化性能,不仅与最大间隔原理有关,还与包含数据的最小包含球(MEB)半径有关。针对这一事实,提出泛化误差界指导的鉴别字典学习算法GEBGDL。首先,利用支持向量机(SVM)的泛化误差上界理论对支持向量引导的字典学习算法(SVGDL)的鉴别条件进行改进;然后,利用SVM大间隔分类原理和MEB半径作为鉴别约束项,促使不同类编码向量间的间隔最大化,并减小包含所有编码向量的MEB半径;最后,为了更充分考虑分类器的泛化性能,采用交替优化策略分别更新字典、编码系数和分类器,进而获得编码向量相对间隔更大的分类器,从而促使字典更好地学习,提升字典鉴别能力。在USPS手写数字数据集,Extended Yale B、AR、ORL三个人脸集, Caltech101、COIL20、COIL100物体数据集中进行实验,讨论了超参数和数据维度对识别率的影响。实验结果表明,在七个图像数据集中,多数情况下所提算法的识别率优于类标签一致K奇异值分解(LC-KSVD)、局部特征和类标嵌入约束字典学习(LCLE-DL)算法、Fisher鉴别字典学习(FDDL)和SVGDL等算法;且在七个数据集中,该算法也取得了比基于稀疏表示的分类(SRC)、基于协作表示的分类(CRC)和SVM更高的识别率。
关键词
字典学习 泛化误差界 支持向量机 最小包含球 数字图像分类
Keywords
dictionary learning generalization error bound Support Vector Machine(SVM) Minimum Enclosing Ball(MEB) digital image classification
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于数据内在结构特征的度量学习
10
作者
张开放 郎贵林 王晓明 黄增喜 杜亚军
机构
西华大学 计算机与软件工程学院西华大学机器人研究中心
出处
《计算机应用研究》
CSCD
北大核心
2021年第4期1265-1270,共6页
基金
国家自然科学基金项目(61602390) 西华大学研究生创新基金项目(ycjj2019085)。
文摘
半正定约束度量学习(positive-semidefinite constrained metric learning,PCML)作为一种结合了支持向量机(support vector machine,SVM)的典型度量学习方法,在图像识别和行人重识别领域展现了优越的性能,然而在每次学习度量矩阵的过程中,该方法只简单地考虑不同类别样本之间的最大间隔,忽略了同一类别间的样本特征空间也在发生变化。基于此,提出了一种基于数据内在结构特征的度量学习方法。首先,与PCML相比,提出方法不仅考虑了不同类别样本之间的间隔,而且考虑了相同类别样本间的类内散度矩阵,使学习到的度量矩阵有更强的鉴别能力;其次,进一步将l_(1)-norm损失函数转换为l_(2)-norm损失函数,可以进一步提高模型的泛化性能。在多个数据集上的实验结果表明,提出方法相比于其他度量学习方法在多数情况下取得了更优异的性能。
关键词
度量学习 支持向量机 类内散度 图像识别 行人重识别
Keywords
metric learning support vector machine intra-class divergence image recognition person re-identification
分类号
TP391
[自动化与计算机技术—计算机应用技术]
