公共文化服务平台

无监督编解码模型的多聚焦图像融合算法: 2022年; 目前在多聚焦领域,大部分基于监督学习的深度模型都需要制作带标签的大规模数据集来训练网络,而制作数据集则需要花费很大的成本。为此,提出一种基于无监督学习的深度模型来实现准确和有效的多聚焦图像融合。通过无监督的方式在公共数据集上训练引入双重注意力机制的编码-解码模型,提取源图像的深层特征;利用改进的拉普拉斯能量和对深层特征进行聚焦检测得到决策图;根据决策图得到融合图像。实验结果表明,所提方法与14种先进算法相比,在主观视觉方面保有更多的图像细节,在7个客观指标中,有6个指标实现了最优结果。; 臧永盛周冬明王长城夏伟代; 关键词：卷积神经网络编解码无监督学习决策图

一种基于遮蔽效应的图像质量评价研究被引量：3: 2021年; 针对梯度结构相似性指标(Gradient Structure Similarity,GSSIM)无法对近阈值失真图像做出很好的判断,导致其判断结果与人类视觉系统(Human Visual System,HVS)不完全一致的问题,为提高GSSIM的准确性及其与HVS的一致性,提出了一种基于梯度遮蔽和视觉显著性的图像质量评价指标(Visual Saliency-Gradient Structure Similarity,VS-GSSIM).首先,根据梯度信号之间存在的遮蔽效应优化梯度性相似性模型;然后,结合显著性模型提高指标和HVS评判的一致性;最后,调整图像局部区域感知质量水平的相对重要性并池化最终得分.实验结果表明所提模型在一致性和单调性的评价指标上均超过GSSIM,并且优于目前绝大多数算法.; 孔紫剑周冬明聂仁灿王长城; 关键词：图像质量评价人类视觉系统

结合迁移学习的真实图像去噪算法被引量：1: 2022年; 为了能有效地去除真实图像的复杂噪声,提出了一种结合迁移学习的真实图像去噪算法。该算法采用了双编码器结构,迁移学习编码单元利用预先训练好的权值有效提取鲁棒特征,残差编码单元对当前数据处理,进一步补充了信息。解码单元通过特征融合模块对丰富的信息进行融合,随后经过残差注意力模块加强对图像细节信息的关注,从而更好地恢复图像。实验结果表明,该算法在DND、SIDD和RNI15真实噪声数据集上有很好的泛化能力,能够在有效去除噪声的同时更好地保留图像纹理和边缘信息,恢复图像视觉效果更好。; 周联敏周冬明杨浩; 关键词：图像去噪

采用多尺度密集残差网络的水下图像增强被引量：3: 2021年; 为了有效解决水下图像亮度、对比度过低和颜色混乱等问题,提出一种改进的多尺度密集残差网络的水下图像增强方法。对原始图像进行多尺度特征提取,更好地保留了图像细节,通过改进的密集残差网络对水下图像进行增强处理,提升图像亮度和对比度,校正图像颜色,在每个密集残差网络间添加了SK注意力机制,可以选择性地捕捉输入图像的关键信息并进行处理,将增强后的水下图像进行多尺度融合。通过Type和EUVP两个水下图像数据集对所提出方法进行验证,基于物理模型和数据驱动的6种方法进行了主观效果和客观指标间的比较。在主观效果的定性分析中发现,所提出的方法在提高亮度和对比度方面取得了很大的进步。在客观图像评价指标的定量分析中,峰值信噪比(Peak Signal to Noise Ratio,PSNR)、结构相似性(Structural Similarity,SSIM)、信噪比(Signal to Noise Ratio,SNR)、均方误差(Mean Square Error,MSE)、视觉信息保真度(Visual Information Fidelity,VIF)、信息保真度准则(Information Fidelity Criterion,IFC)、噪声质量评价(Noise Quality Measure,NQM)、亮度顺序误差(Lightness Order Error,LOE)和自然图像质量评价(Natural Image Quality Evaluator,NIQE)指标较现有的水下图像增强算法分别提高了1.5%,1%,1.2%,1.2%,1.3%,1.2%,1.7%,3.0%和1.1%。提出的改进多尺度密集残差网络不仅可以增强图像的亮度、对比度以及校正图像的颜色,而且可以应用于更广泛的水域场景。; 卫依雪周冬明王长城李淼; 关键词：水下图像多尺度图像增强

结合多尺度局部极值分解和SCM模型的医学图像融合方法被引量：2: 2020年; 根据不同的成像原理,医学图像有多种不同的图像类型。针对CT-MRI图像融合中容易造成细节和对比度信息丢失等问题,提出一种基于多尺度局部极值分解方法(LES)和双通道脉冲发放皮层模型(DCSCM)的图像融合方法。利用多尺度局部极值分解方法将源图像分解为一系列不同尺度的平滑图像和细节图像;使用最大值法分别提取两个系列平滑图像的最大值,使用稀疏表示方法进行平滑图像的融合;对两个系列的细节图像取均值,使用DCSCM模型对细节图像进行融合;通过融合后的平滑图像和细节图像重构出最终的融合图像。对多组医学图像进行实验仿真和主客观分析,多组实验结果表明,该方法在主观视觉方面和客观评价指标的定量分析方面都取得了优异的效果。; 丁斋生周冬明聂仁灿侯瑞超刘琰煜帅新芳; 关键词：医学图像图像融合

结合多分支结构和U-net的低照度图像增强被引量：4: 2022年; 随着夜景拍摄技术的提高,低照度图像增强成为计算机视觉领域一个新的热点。但是由于光照不足、逆光、聚焦失败等因素的影响会导致光照强度不足,导致图像亮度和对比度过低。为了更好地处理低光照图像,提出了一种基于多分支结构和U-net结合的低照度图像增强算法。利用深度残差网络将图片不同层次的特征提取出来进行交叉合并。将得到的图像通过不同深度和结构的U-net进行增强。将U-net增强后的图像进行融合,最终得到了增强后的低照度图像。通过大量的实验表明,运用深度残差网络和U-net,可以更好地进行特征提取,低照度图像增强的效果也更好,很大程度上优于现有的技术。提出的方法不仅在视觉上提高了亮度和对比度,色彩更真实,更加符合人眼视觉系统特性,而且PSNR、SSIM等七项客观图像质量指标在几种算法中都是最优的。; 卫依雪周冬明王长城李淼; 关键词：低照度图像图像增强

基于层次注意力的图像超分辨率重建被引量：2: 2021年; 卷积神经网络的深度和提供的层次特征对于超分辨率图像的重建至关重要,盲目增加网络的深度会使网络结构过于复杂且图像高频信息容易丢失。对低分辨率图像中提供的层次特征同等地对待而不加区分,会阻碍卷积神经网络的表达能力。针对该问题,提出了一种基于多尺度残差和层次注意力的重建网络。网络由不同层次的跳过连接、多尺度残差块和层次注意力模块组成,能实现有效的图像重建;利用不同层次的跳过连接绕过图像中大量低频信息,使主网络专注于学习图像高频信息。设计了多尺度残差模块和层次注意力模块以自适应地提取不同比例的图像特征和有针对性地融合不同层次的特征。实验结果表明,与其他模型相比,所提出的模型更能有效地利用原始图像信息,恢复出细节更清晰的超分辨率图像。提出的模型在客观评价指标上表现优异且模型参数数目少,易于训练。; 臧永盛周冬明王长城聂仁灿; 关键词：超分辨率卷积神经网络多尺度

基于显著性检测与梯度导向滤波的红外与可见光图像融合被引量：6: 2020年; 针对红外与可见光融合图像背景信息丰富度不足,以及在融合过程中红外目标显著性、边缘轮廓清晰度和细节纹理信息的保留难以同时兼顾的问题,提出了一种在潜在低秩分解基础上结合图像增强和显著性检测,并运用梯度导向滤波重构融合决策图的红外与可见光融合方法.首先使用增强算法提高可见光图像的细节轮廓清晰度,并对红外源图使用视觉显著性检测处理,提取最初的显著性权重图;接着对红外图像与增强图像进行潜在低秩分解,获取细节层和基础层,将细节层作为引导图像引入梯度导向滤波系统,对之前获取的显著性权重图进行优化,得到对图像细节和轮廓把握更加精准的二次权重图;然后将初次权重和二次权重作为融合决策图分别引导基础层和细节层的融合;最后将重构好的细节和基础层使用加权平均法进行融合得到最终结果.实验结果表明,算法对融合结果中细节信息的保留,边缘轮廓分辨度和红外目标显著性的提升,均有着较好的表现,在质量指标如平均梯度、视觉信息保真度、图像互信息等方面也取得了较好的效果.; 谢诗冬周冬明聂仁灿刘琰煜王长城; 关键词：图像融合

无监督深度学习模型的多聚焦图像融合算法被引量：1: 2021年; 深度学习技术应用到多聚焦图像融合领域时,其大多通过监督学习的方式来训练网络,但由于缺乏专用于多聚焦图像融合的监督训练的标记数据集,且制作专用的大规模标记训练集代价过高,所以现有方法多通过在聚焦图像中随机添加高斯模糊进行监督学习,这导致网络训练难度大,很难实现理想的融合效果。为解决以上问题,提出了一种易实现且融合效果好的多聚焦图像融合方法。通过在易获取的无标记数据集上以无监督学习方式训练引入了注意力机制的encoder-decoder网络模型,获得输入源图像的深层特征。再通过形态聚焦检测对获取的特征进行活动水平测量生成初始决策图。运用一致性验证方法对初始决策图优化,得到最终的决策图。融合图像质量在主观视觉和客观指标两方面上进行评定,经实验结果表明,融合图像清晰度高,保有细节丰富且失真度小。; 王长城周冬明刘琰煜谢诗冬; 关键词：多聚焦图像融合无监督学习

低秩表示和字典学习的红外与可见光图像融合算法被引量：9: 2019年; 针对目前红外与可见光融合算法在保留可见光图像中的背景信息时无法同时有效地提取红外图像信息,提出了一种基于低秩表示和字典学习的红外与可见光的图像融合算法.首先,采用低秩表示对红外图像和可见光图像进行分解,分别获得源图像的低秩和稀疏成分,其中稀疏成分可以很好地表示源图像的边缘细节特征.其次,用OMP算法的字典学习方法和稀疏系数的最大范数规则,而最大范数规则在对图像背景恢复的同时能够提取目标信息.再次,对分解得到的2个分量进行融合.最后,利用融合稀疏系数和自适应字典重建融合图像.实验结果表明,本融合算法可以突出红外对象信息,同时能够保留可见光图像中的背景信息,达到良好的视觉效果.; 刘琰煜周冬明聂仁灿侯瑞超丁斋生; 关键词：自适应字典图像融合

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家自然科学基金(61365001)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(61365001)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈