【摘 要】
：
图像超分辨率旨在从观测的低分辨率图像重建出清晰的高分辨率图像,是计算机视觉领域中最经典的图像重建任务之一。清晰的高分辨率图像不仅可以直接用于实际生活中,还能给计算机视觉的其他任务提供帮助,例如,目标检测,语义分割。近年来,卷积神经网络在单帧图像超分辨率领域取得了显著的进步,但是现有的图像超分辨率模型大多只考虑如何充分利用训练集中固有的静态特性,却忽视了低分辨率图像的自相似特征。鉴于此,本文提出的方
论文部分内容阅读
图像超分辨率旨在从观测的低分辨率图像重建出清晰的高分辨率图像,是计算机视觉领域中最经典的图像重建任务之一。清晰的高分辨率图像不仅可以直接用于实际生活中,还能给计算机视觉的其他任务提供帮助,例如,目标检测,语义分割。近年来,卷积神经网络在单帧图像超分辨率领域取得了显著的进步,但是现有的图像超分辨率模型大多只考虑如何充分利用训练集中固有的静态特性,却忽视了低分辨率图像的自相似特征。鉴于此,本文提出的方法以挖掘自相似特征为切入点,针对不同的应用场景,展开了如下研究工作:1.阐述了图像超分辨率重建的研究背景及意义,介绍了图像超分辨率重建的基本退化理论和传统重建方法,详细分析了基于深度学习重建方法的设计思想和优劣,并针对评价指标做出了详细的解释。2.为了解决现有模型对自相似特征缺乏利用的问题,本文提出了一个基于自相似特征增强网络结构的单帧图像超分辨率重建网络。在该模型中,自相似特征增强的过程被分为了两个模块,分别从浅层特征和深层特征两个层次来捕获自相似特征。在跨层次特征增强模块中,金字塔结构的每一层都嵌入了可变形卷积,以便充分挖掘多尺度的自相似特征。而在池化注意力密集块中,利用条状池化来挖掘深层特征的自相似信息。自相似特征增强网络通过充分利用浅层特征和深层特征的自相似信息,极大的提升了图像的重建效果。3.现有的轻量化超分辨率模型难以兼顾网络容量和性能,为了解决这一问题,本文设计了轻量化的Transformer-CNN聚合网络,通过引入了能够通过自注意力机制捕获远程依赖关系的轻量化Transformer模块,大幅度提升网络捕获自相似特征的能力。轻量化的Transformer-CNN聚合网络包含全局表示子网络和局部表示子网络两条并行的子网络,全局表示子网络利用轻量化Transformer模块捕获全局自相似特征,局部表示子网络通过迭代校准局部特征的表示来保证鲁棒的局部表示能力。因此,本文构建的轻量化的Transformer-CNN聚合网络在充分挖掘全局自相似信息的基础上又保证了局部建模能力,极大地提升了模型的重建性能。
其他文献
在现代战争中,雷达工作的电磁环境日益复杂。主瓣干扰信号从雷达接收机的主波束进入,对雷达系统进行屏蔽或欺骗,严重降低了雷达系统对主瓣目标的检测性能。如何对抗雷达主瓣干扰,提高雷达系统在主瓣干扰环境下的探测能力,成为电子对抗领域的核心研究方向之一。近年来,盲信号分离技术被用于直接处理接收信号而无需先验知识,且易于工程实现,具有对抗主瓣干扰的巨大潜力和优势。因此,本文聚焦盲信号分离技术,围绕盲源分离（B
紧凑环（CT）是一种具有自组织结构、高密度和高速度的等离子体团。CT是在紧凑环注入装置上形成并加速,是动能、热能和电磁能的载体。由于其具有这些特性,常常被用在聚变装置的加料上。作为一种新型加料方式,它具有非常大的潜力实现聚变装置的芯部加料。CT还可以用于磁重联、磁靶向聚变和空间等离子体推进等研究领域上,具有非常广泛的应用前景。本论文主要研究内容有EAST-CTI紧凑环注入系统的搭建和测试,放电参数
随着现代社会科学技术的飞速进步,为了满足人们日益增长的信息需求,研究一种新型大容量通信技术已成为当前通信领域的研究热点之一。涡旋光束由于其本身携带轨道角动量（Orbital Angular Momentum,OAM）,且携带不同OAM的涡旋光束之间相互正交,因此可作为扩充信道传输容量的信息载体应用到光通信领域。目前,基于OAM的新型光通信技术已成为自由空间光通信领域的热门研究方向之一。对于一套高效
合成孔径雷达（Synthetic Aperture Radar,SAR）由于其出色的性能和广泛的应用,自诞生以来得到了广泛的关注。SAR在深度上和广度上不断地发展,分辨率和成像范围不断地提高,出现了多种工作模式以及新颖的成像算法。广域检测是SAR技术发展追求的目标之一,传统的广域目标检测系统中大多采用多普勒波束锐化（Doppler Beam Sharpening,DBS）成像方法,DBS虽然能够大
群体行为识别是计算机视觉领域一项具有挑战性的任务。不同于个体行为,群体行为过程具有复杂的多人关系,发现群体中关键的交互行为具有重要的研究价值。群体中个体的行为具有多样性,特征信息复杂。群体的交互行为具有时间动态性,交互信息难以获取。本文在总结现有群体行为识别方法的基础上,考虑到个体行为的多样性和群体行为的时间动态性,主要解决了群体行为识别任务中以下几个问题:第一,在个体特征信息复杂的情况下,如何实
深度学习作为人工智能领域的主要技术,已成功应用于解决各种二维图像处理问题,但由于二维图像的局限性,难以完成复杂的场景分析。近年来,3D采集技术飞速发展,3D数据越来越容易得到,点云作为三维数据的典型代表不仅包含目标的空间位置信息,也包含目标的几何结构信息,相对二维图像有着天然的优势。鉴于深度学习技术强大的特征提取能力,使用深度学习方法处理点云成为了当下的研究热点,但由于点云是一组离散点集,具有无序
传统电磁波资源如频率、相位、极化等属性已经得到了人们的有效利用。近年来,研究人员发现电磁波的另一种属性——轨道角动量（Orbital Angular Momentum,OAM）也能用于信息传输。同时,携带轨道角动量的涡旋电磁波的旋转多普勒效应可以有效检测目标的角向运动信息,在雷达目标检测领域具有广阔的应用前景。本文研究了基于涡旋电磁波实现目标三维运动信息测量机理,主要研究内容分为以下几点:（1）提
清晰水下图像对于人类水下活动的开展十分重要,然而光在水中传输时会受到水体和水中微粒的吸收和散射作用,造成成像模糊和色差,为提高水下图像质量,本文开展了基于水下成像模型的图像复原方法研究。本文系统总结了自然水体的光传输模型,并拓展得到传统水下成像模型表达。为复原水下图像,首先提出了基于传统水下成像模型的图像复原方法,通过反演水体衰减系数完成图像复原;之后构建相机空间下的宽波段水下成像模型,针对现有研
图像生成的目标是根据特定需求生成期望的图像,是计算机视觉中非常重要的研究主题。广义的说来,凡是生成新的图像内容的相关问题都可以归为图像生成问题。图像风格化就是一种特殊的图像生成,它是指将一张具有艺术风格图像的风格渲染到内容图像上,使得生成的图像不仅能保留内容图像的语义信息而且具备风格图像的艺术风格。在众多类型的图像中,文字图像作为抽象概念的重要载体,在日常生活中十分常见,是重要的信息元素之一。艺术
在过去的数十年里,二维拓扑光子晶体作为一种新型电磁材料逐渐开始被应用于光通信等领域。近年来,学者们研究发现其在调控光子行为时展现出的优越性能,包括光学信号传输时的鲁棒性等。然而此类研究目前仍处于初始阶段,拓扑光子晶体许多卓越的物理特性亟待应用于包括非线性光学在内的光学信息处理中。我们发现了拓扑光子晶体对光子的强局域性可以增强光子之间的耦合效率,并且在此基础上,探究了二维非线性材料AlGaAs制造的