【摘 要】
:
数字图像在传输过程中无法避免会遇到图像退化现象,使用图像复原技术作为数字图像的预处理是一个非常有效且重要的环节。图像复原的目标是一个将退化图像恢复成原始图像的过程,这一过程事实上是求解病态逆问题的过程。基于非局部自相似性的图像复原已被证明是有效的图像复原技术,但是如何将图像块更好地划分开来是图像复原效果好坏的关键。通常使用聚类算法来实现对图像块的划分,因此如何提升聚类的精度也是提升图像复原能力的研
论文部分内容阅读
数字图像在传输过程中无法避免会遇到图像退化现象,使用图像复原技术作为数字图像的预处理是一个非常有效且重要的环节。图像复原的目标是一个将退化图像恢复成原始图像的过程,这一过程事实上是求解病态逆问题的过程。基于非局部自相似性的图像复原已被证明是有效的图像复原技术,但是如何将图像块更好地划分开来是图像复原效果好坏的关键。通常使用聚类算法来实现对图像块的划分,因此如何提升聚类的精度也是提升图像复原能力的研究方向之一。本文针对聚类算法进行研究,结合近年来提出的生成对抗网络,提高聚类算法的精度,从而实现提高图像复原的能力。本文主要研究内容和工作创新如下:1、针对现有的基于生成对抗网络实现潜在空间聚类的算法,提出基于注意力机制的生成对抗网络进行潜在空间聚类的算法。生成对抗网络仅包含从潜在空间映射到样本空间的模块,通过引入编码网络来拟合样本空间映射到潜在空间的模块,并且在潜在空间中加入离散-连续先验信息,使得样本空间和潜在空间之间存在一一对应的映射关系。通过引入注意力机制,更好地拟合样本空间和潜在空间之间的映射,从而提高聚类的准确度。实验结果表明所提出的网络结构相比现有的聚类算法具有更强的聚类性能。2、现有的聚类算法通常基于一个假设,即每个类别的样本数量基本服从均匀分布,但是实际上真实世界的图片并不服从这个假设,往往在某些类别的样本会比其他类别的样本多,也会存在样本数量较少的类别。针对这一问题,本文提出带有类别平衡约束的目标函数,使得该模型具有平衡每个类别样本权重的能力。实验结果表明带有类别平衡约束的目标函数在类别样本数量不平衡的数据集中仍然有较好的聚类效果,具有更强的鲁棒性。3、本文将所提出的聚类算法应用于基于非局部自相似性的图像复原模型中。首先将图像按照指定大小进行分块,然后将图像块使用所提出的聚类算法进行聚类,再对每个类别的图像块矩阵使用低秩最小化估计进行复原,最后再将图像块合成为完整图像,从而实现图像复原。实验结果表明结合本文聚类算法的图像复原模型能够有效地实现图像复原。
其他文献
随着互联网和多媒体技术的迅速发展与普及,图像成为信息传播的重要媒介,互联网中的图像数量呈指数型增长,如何对网上的图像进行分类和整理成为一个具有挑战性的问题。在现实世界中,一张图像通常包含多个对象,在图像数量爆炸性增长的条件下,手动标记图像将花费大量的时间成本和人工成本。因此,多标签图像标注算法得到了计算机视觉领域的广泛关注。多标签图像标注算法,亦称图像自动标注或者多标签图像分类,其目的是从有限的词
图像超分辨重建是一种将低分辨率图像通过特定算法恢复成对应高分辨率图像的技术,超分辨率技术在现实生活中有着十分广阔的应用前景。SRGAN(Super-Resolution Generative Adversarial Network)基于生成对抗网络结构进行模型设计,是目前最先进的一种超分辨重建方法。其分辨率提升效果优于其他算法,所恢复出的超分辨率图像具有更丰富的高频细节及纹理信息。然而SRGAN方
时间序列数据在现实生活中随处可见,挖掘时序数据中的隐含信息并对其进行分析具有重大的现实意义。但在某些应用场景中,获取完整的时序数据非常困难或者需要较高的成本。解决这一问题的思路是引入主动学习,即选择少量时序中高价值的样本进行采集或者标记,然后利用这些少量采集到的数据对未采集的部分进行补全。由于不同的已采集数据对于补全效果的影响很大,为了提升补全精度,本文重点研究了时序数据的补全模型和选样策略。在补
社交媒体谣言检测旨在根据社交媒体事件相关信息对事件真实性进行判断,受到了学术界和工业界广泛关注。现有研究中基于深度学习的方法取得显著效果,然而该类方法仍存在诸多局限如:以往方法难以有效利用消息传播过程中用户特征潜在的时序信息;现有模型在获取基于全局的事件文本表示时记忆能力受限;当前研究中未能充分考虑事件多特征之间的交互关系。本文针对上述问题,进行了以下三方面的工作:(1)针对现有研究难以准确刻画消
随着集成电路先进技术节点步入微纳米时代,电路的复杂度呈指数级增长,同时布线过程要求全部总线位均需保持同一布线拓扑结构,尤其还存在布线轨道不均匀以及分布在各布线层的障碍物等问题,这给总线布线过程带来巨大的挑战。本文在当前总线布线研究的基础上,运用基于拆线重布的方法对总线布线过程中所涉及到的拓扑匹配问题展开深入研究,提出了一种在先进制程下的优化方案以解决上述问题。首先提出了基于拆线重布的拓扑匹配全局布
在临床上,对外周血白细胞进行分类识别是血液自动检测中一项重要的内容,实现端到端的外周血白细胞检测有着重要的意义。然而由于外周血白细胞同类之间形态变化大,血液显微图片背景复杂等问题,外周血白细胞识别准确率相对较低。并且现有方法大部分采用的是“先分割后分类”的做法,使得这些方法对外周血白细胞分类的准确性受到了分割效果的限制。针对上述问题,根据外周血白细胞检测的实际需求,本文研究外周血白细胞自动检测的方
图像描述任务旨在使计算机能够根据图像自动生成对应的描述语句,即完成从图像模态到语言文字模态的转换。近年来,随着深度学习技术的兴起,该领域已成为新兴的研究热点并取得了显著进展。尽管如此,仍然存在一些挑战:模态转换的中间表示对于图像语义信息的刻画不够准确;缺乏对历史解码信息和图像背景信息的有效利用;未充分考虑不同粒度图像语义信息的交互。针对上述问题,本文进行了以下三个方面的工作:(1)针对现有方法在模
选址的研究内容非常广泛,从城市规划、机场建设到配送中心、零售店的位置决策都是选址研究的范畴。随着当代社会发展和智慧城市建设,商家选址成为市总体规划中的重要一环。商家选址关系着城市商业的繁荣发展,关系着商家的经济收益,直接影响进店客流、服务内容和运营成本。因此,科学合理的选址对商家而言至关重要。早期获取数据的途径和数量有限,选址决策易掺杂着主观因素,导致准确率不高。随着互联网的发展,可以通过多种途径
电能是人类生产实践活动中至关重要的能源。随着社会工业化地不断发展,人们对电力资源的需求日益增加,与此同时,窃电行为造成的损失也在不断增加。因此,窃电行为检测对于规范用户用电行为,提高企业管理水平和经济效益具有重要意义。传统的反窃电技术存在耗费人力物力大、误报多、效率低等问题。随着智能配电网和大数据技术的发展,通过将大数据技术应用于窃电检测系统可以显著地提高电力公司在进行反窃电工作时的效率。论文根据
进入信息时代,许多事物可以被数据化,形成一个个数据实体。复杂网络作为这些数据实体以及实体间联系的抽象表示,有着许多现实应用,如交通运输网络、生物蛋白网络和社交关系网络等。复杂网络形式多样,如具有节点特征的属性网络、具有不同类型节点和边的异构网络等,给复杂网络的分析带来更大的挑战。社区结构是复杂网络的重要特性,描述了网络中节点在空间上的聚集性以及在特征上的相似性。社区发现旨在挖掘网络中的社区结构,从