【摘 要】
：
针对γ辐射环境下COMS图像传感器所获场景图像中存在斑块噪声的问题，提出了一种基于视频时序相关特性的γ辐射场景图像噪声去除方法。先根据γ辐射场景视频时序相关特性中的背景相关特性与前景噪斑的瞬态特性，使用帧差法与统计分析法从视频序列图像的残差中得到γ辐射场景图像中亮、暗噪斑的位置分布。然后通过依据CMOS图像传感器承受的累计辐照剂量所设计的帧数判断模型，得到对当前帧图像实现有效修复所需的临近帧图像，
论文部分内容阅读
针对γ辐射环境下COMS图像传感器所获场景图像中存在斑块噪声的问题，提出了一种基于视频时序相关特性的γ辐射场景图像噪声去除方法。先根据γ辐射场景视频时序相关特性中的背景相关特性与前景噪斑的瞬态特性，使用帧差法与统计分析法从视频序列图像的残差中得到γ辐射场景图像中亮、暗噪斑的位置分布。然后通过依据CMOS图像传感器承受的累计辐照剂量所设计的帧数判断模型，得到对当前帧图像实现有效修复所需的临近帧图像，再结合亮、暗噪斑的位置分布及噪斑的瞬态特性，根据设计的自适应阈值机制，获得临近帧图像与当前帧图像噪斑位置
其他文献
一张排水管道图像中可能同时存在变形、渗漏等多种缺陷。针对现有卷积神经网络（convolutional neural network,CNN）忽略标签关系，难以准确检测多标签管道图像的问题，引入图卷积网络（graph convolutional network,GCN）建模不同缺陷标签的关系,提出基于改进标签图的GCN管道缺陷检测模型（improved label graph GCN,ILG-GCN
近年来，行人属性识别得益于深度学习的蓬勃发展也得到了广泛的研究。但是由于属性复杂且多样化、图像质量差、视角遮挡等困扰，难以捕获图像中的细粒度属性特征，具有很大的挑战性。基于深度学习，我们提出了多尺度残差注意网络（MRAN）用于行人属性识别，以Resnet50为主体架构，使用轻量级的金字塔卷积提供不同内核大小的并行卷积完成多尺度信息的提取，嵌入注意力模块以关注属性存在的关键区域并挖掘属性内部联系；其
土地利用方式影响土壤有机质平衡和周转。选取南京信息工程大学农业气象实验站长期定位试验的3种利用方式土壤：水稻小麦轮作（稻麦）、大豆小麦轮作（豆麦）和自然植被（休闲），作为研究对象。将土壤筛分团聚体和进行密度分组，测定全土有机质含量和~(13)C丰度，各组分有机质含量，计算全土有机质更新率和半衰期，以揭示土地利用方式对土壤有机质含量及稳定性的影响。结果表明：与休闲处理相比，稻麦轮作对全土有机质含量无
针对眼底图像中的OD和OC分割精度不高，且没有充分考虑二者空间信息的问题，为实现联合分割OC/OD，更加准确地测量杯盘比，实现青光眼筛查，提出了一种端到端的基于区域的深度卷积神经网络(R-DCNN)。首先，在主干网络ResNet34中引入密集原子卷积以提取更密集的特征图。然后，设计了DPN和CPN模块产生OD和OC的候选边界框。之后，考虑到OD和OC之间位置的关系，使用盘注意力模块连接DPN模块和
针对目前端到端的立体匹配算法在具有挑战性的复杂场景中出现的误匹配现象，提出一种多尺度注意力特征融合立体匹配算法(MGNet)。设计了一个轻量级的组相关注意力模块，该模块采用组相关融合单元来有效地结合空间注意机制与通道注意力机制，同时捕获丰富的全局上下文信息和远距离通道依赖关系。设计了多尺度卷积全局注意力模块，它能够在多个尺度下处理局部和全局信息，在全局特征处理阶段引入非局部操作，该模块可以同时捕获
针对小样本条件下水下目标分类准确率低、计算资源量大的问题，提出一种声光图像融合目标分类方法。首先，对MobilenetV2网络进行改进，去掉第9层之后的网络层，并将该层卷积通道数改为128，通过Flatten层进行数据降维，增加一个全连接层得到分类结果；其次，设计一种融合网络结构，将声光图像成对输入网络进行特征提取，在中间层利用通道拼接算法实现特征图融合，使用融合特征进行目标分类。在真实数据集上对
近年来，以卷积神经网络为代表的深度学习方法因不用进行复杂的数据预处理和特征设计逐渐成为高光谱图像分类领域的研究热点。本文在现有的神经网络模型基础上，结合高光谱图像数据特点，提出了一个注意力卷积神经网络模型。该模型通过残差结构构建深度卷积神经网络提取空谱特征，引入通道注意力机制对提取的特征进行重标定。根据特征重要性的不同，注意力机制对不同通道上的特征赋予不同的权重，突出重要特征，抑制次要特征，从而提
虽然CIEDE2000色差公式已经取代CIELAB颜色空间预测色差，但CIELAB以其简单且较为均匀的颜色空间，受到颜色科学家和工程师的青睐并广泛应用于颜色相关领域。颜色科学的发展依赖于感知现象和实验数据。随着视觉色差试验数据的扩充，人们试图探索研发与CIELAB颜色空间一样简单，但更加均匀的颜色空间。本文分析了CIELAB颜色空间的特性，并基于这些特性提出包含4个参数的颜色空间，称为MLAB颜色
甲状腺癌的发病率近些年来不断上升，早期确诊甲状腺结节可以有效降低甲状腺癌死亡率。超声检查通常做为甲状腺医学成像的首选方案，本文根据近些年国内外发表的相关文献系统概述了卷积神经网络（Convolutional Neural Network,CNN）针对超声图像的甲状腺结节诊断算法，主要内容包括CNN在甲状腺结节的病灶区域提取、良恶性分类以及钙化点识别三个方面的应用。各算法的基本设计思想、网络架构形式
本文从学科领域入手，对指纹自动识别技术在发展过程中受人工智能技术影响所产生的新变化进行简述。指纹识别技术作为一种计算机应用技术，其发展与计算机科学的新技术密切相关。人工智能技术，特别是基于深度学习的图像技术的发展使指纹识别算法开启了全新的模式。本文将人工智能在指纹领域的发展分成三个阶段，并对当前所处的第二阶段的发展趋势进行了分析。基于深度学习的指纹识别技术使用图像特征而不是传统细节点特征的方式，改