【摘 要】
：
图像超分辨指的是从低分辨率图像（Low Resolution Image,LR）中恢复出对应的高分辨率图像（High Resolution Image,HR）的过程。视频和图像已经成为现代人们接触世界的重要媒介,且图像技术在现实生活中也具有广泛应用,例如医学图像、监管与安全、短视频等。由于这些应用对图像清晰度要求较高,通过硬件设备提升分辨率的代价较大,且问题的不适定性增加了解决问题的难度,从而给出
论文部分内容阅读
图像超分辨指的是从低分辨率图像（Low Resolution Image,LR）中恢复出对应的高分辨率图像（High Resolution Image,HR）的过程。视频和图像已经成为现代人们接触世界的重要媒介,且图像技术在现实生活中也具有广泛应用,例如医学图像、监管与安全、短视频等。由于这些应用对图像清晰度要求较高,通过硬件设备提升分辨率的代价较大,且问题的不适定性增加了解决问题的难度,从而给出合理解决方案仍然充满挑战。目前软件算法是提升图像品质较为经济、有效的途径。随着应用范围的扩大以及其作为计算机视觉基石,此课题已成为当前计算机视觉领域重要的组成部分。本文针对图像超分辨任务,在卷积神经网络的基础上,针对如何高效提取特征、提升模型性能,以及在此基础上进一步增强模型泛化性,解决更多具有干扰因素的图像超分辨问题进行了研究,具体研究内容如下:（1）提出了一种基于分频结合注意力机制以及多尺度级联残差的图像超分辨模型,该网络模型由三个部分组成,包括图像分频、特征提取、以及最后的重建模块。首先通过均值滤波实现高低频率分离,将高频信息对应的细节通过多尺度级联残差以及注意力机制提取细节部分;低频对应的图像内容经过通道随机混合操作获取对应张量元素进行通道间通信,维持内容域的完整性;最后的融合阶段重新将高低频融合重建得到结果。通过消融实验包括和现有一些方法的参照验证,证明本文的方法在效果和性能上具有更好的表现。（2）提出了一种基于生成对抗网络和注意力机制的渐进式单幅图像超分辨算法,鉴于大多数真实场景下图像的噪声复杂性以及缺少真值标签的情况,本文以自监督的方式从图像本身获取参考信息。通过各向异性高斯核替代了常用的双三次插值进行图像退化,在训练过程中随机选择一个经由滑动窗口直接从输入数据集中获取的噪声并将其注入从而模拟真实噪声生成,通过渐进式的上采样实现较大尺度的图像超分辨。在网络模型上,生成器由密集残差块（Residual-in-Residual Dense Block,RRDB）以及基于卷积注意力机制模块（Convolutional Block Attention Module,CBAM）改进后的通道与空间注意力串联模块（Channel and Spatial Attention Block,CSAB）组成;判别器采用常规的VGG-128。实验证明在具有较多噪声的非配对数据集以及无真值的数据集上都表现较好。
其他文献
在黑夜,阴天等亮度不足的环境下,容易得到曝光不足的低照度图像,这些低照度图像存在整体或局部亮度低、细节缺失等问题,严重影响图像质量,给人的视觉感受和后续的视觉任务都带来不利的影响。低照度增强技术目的主要是增强图像整体亮度,恢复暗部的细节,从而将低照度图像恢复到正常曝光图像。为了处理复杂光照下的低照度图像,本文基于卷积神经网络开展研究,从图像的增强模型和网络结构两方面对低照度图像增强任务进行了研究,
随着我国经济的快速发展,人民生活水平不断得到改善,人们出行时使用的交通工具也呈现了多元化的趋势。越来越多的机动车和非机动车在出行中扮演者重要的角色,随之而来的拥堵也越来越频繁的出现在人们的日常生活中。在城市生活中,电动摩托车的乱停乱放,共享单车的乱停乱放等都会给道路交通带来拥堵的风险。现阶段处理非机动车违停的方法主要是通过人工检查,通过投入大量交通警察和城市管理人员,逐个街道检查并找到违停的现象,
由于海洋战略被提出,智慧海洋成为新的焦点,使用水下机器人代替真人进行水下作业是不可避免的趋势。在参与水下主从式高动态范围三维全景感知系统与探测设备项目的研发中发现,水下设备贵、调试难以及环境不确定性等问题,导致采用水下机器人在真实水域的算法验证实验与海洋设备教育培训的开展成为有待解决的难题。针对设备贵、实验难并存在危险等问题,本文设计了虚拟仿真教育系统用于算法验证以及大学生人工智能、水下机器相关课
目的 了解近10年来我国医疗数据安全领域的发展及研究热点，为后续开展相关研究提供参考。方法 在中国知网（CNKI）中的期刊数据库中，以“医疗数据安全”等检索词检索的相关文献作为数据来源，检索时间限定为2012年1月1日-2021年12月31日，共得到758篇文献数据，经过剔除重复文献、会议论文、报纸等与主题相关性较弱的文献后，最终得到682篇有效文献。运用CiteSpace软件进行文献计量学分析。
风电清洁安全无污染,是重要的可再生能源。然而,受地理环境因素影响,风能密度高的地区在冬季极易发生风机叶片结冰故障,破坏风机原有的力学平衡,加速部件老化损坏。因此,采用数据驱动的方式建立模型对结冰故障进行预测,在结冰故障发生前发出预警并采取措施,对提高风场运营效率具有重要的现实意义。然而目前的研究方法往往只关注数据中的时序特征,忽略了数据之间存在的空间关系,难以充分挖掘数据中的多尺度特征,导致目前模
知识图谱的实体对齐有助于知识图谱的创建和扩充工作,进而推进知识图谱的应用发展。依赖于知识图谱专家手动注释实体对齐的方法不仅费时费力而且存在着一定的误差。在深度学习快速发展的当前阶段,深度学习依靠优异的网络结构,以及较好的学习能力,在知识图谱上有着不错的表现效果。对此,本文基于深度学习方法对实体对齐的任务进行研究工作。本文的主要工作及贡献如下:（1）针对图卷积神经网络的实体对齐方法GCN-Align
风机关键部件的故障检测作为风电场智能化管理的重要环节,能够提高风电场的生产效率、降低运营成本,是当前科研领域的一个热点问题,受到各国研究者的广泛关注,并提出了各种风机故障检测方法。研究发现目前的风机故障检测方法仍存在以下问题:（1）风机数据集类别不平衡导致风机故障检测模型训练时偏向大类别样本,使模型效果不理想;（2）现有风机故障检测模型特征学习能力单一,不能充分利用多层级的特征信息,导致模型性能较
目的 探讨集采前后门诊降压药使用情况，分析药品集采在医院的应用效果。方法 利用信息系统，收集药品集采前后门诊降压药使用信息，包括药品名称、规格、厂家、单价和销量，计算日均费用、销售总金额，对比观察药品集采前后门诊降压药的使用变化及幅度。结果 集采前，门诊药房共有降压药物22个品规，集采后停用8个品规，新增13个品规，目前共有27个品规，其中集采中选品规9个。集采后，降压药整体日均费用平均降幅为28
随着定位技术的广泛使用,轨迹数据呈现爆炸式增长,并产生了以轨迹流形式收集的海量时空数据,如何从轨迹流中挖掘有用的信息是当前对时空数据研究的主要问题之一。从轨迹流中挖掘伴随模式是指在同一时间发现具有高度相似行为的群体,对于交通管理、推荐系统的实时应用至关重要。然而,现有的研究成果在实时数据响应方面存在效率不高的问题,难以满足现实应用的需求。本文针对轨迹流的伴随模式挖掘展开了深入的研究,主要研究成果如
随着科技的进步,在人工智能与大数据的时代背景下,深度学习在计算机视觉领域中获得了巨大成功。目前,正常光照下目标检测任务已经得到了蓬勃发展,但是低照度下目标检测任务仍面临众多挑战。由于光照不足,图像成像质量不高,容易受到背景和噪声的干扰,所以细节信息严重丢失难以达到人们预期的要求。本文,利用YOLO算法并结合注意力机制作为关键技术来研究低照度下的目标检测,最终在减少训练参数的前提下,检测到了低照度下