【摘 要】
：
近年来深度学习广泛应用于图像分类、目标检测、图像分割、语音识别等众多领域中.图像修复是计算机视觉领域中的一个重要课题,常见于影视娱乐、医疗影像、公共安全、文物修复等日常生活的方方面面,其主要任务是利用图像整体结构纹理重绘缺失部分的细节,使修复完成的图像内容和谐一致.深度学习很好地解决了传统图像修复的局限,提高了修复模型的学习能力,显著改善了修复效果.时至今日,人们针对不同问题提出了众多图像修复的方
【基金项目】
：
国家自然科学基金项目（编号:12061052）； 内蒙古自治区自然科学基金 （编号:2020MS01002）；
论文部分内容阅读
近年来深度学习广泛应用于图像分类、目标检测、图像分割、语音识别等众多领域中.图像修复是计算机视觉领域中的一个重要课题,常见于影视娱乐、医疗影像、公共安全、文物修复等日常生活的方方面面,其主要任务是利用图像整体结构纹理重绘缺失部分的细节,使修复完成的图像内容和谐一致.深度学习很好地解决了传统图像修复的局限,提高了修复模型的学习能力,显著改善了修复效果.时至今日,人们针对不同问题提出了众多图像修复的方法模型,如何进一步利用图像背景纹理补全图像成为本文的研究重点.本文分析了图像修复的发展和现有的一些前沿技术,介绍了深度学习等重要技术在图像修复中的应用,以及图像修复领域仍然面临的一些问题.提出了一个基于特征融合的边缘修复模型,在提取边缘信息时将低层特征图与高层特征图拼接起来,为修复边缘轮廓提供更多线、点、角等可解释的特征,构建了更加精确细致的边缘结构,为彩色图像修复提供更合理的先验信息.为了更好地保证复原图像颜色分布的协调性和语义结构的一致性,本文受非局部网络的启发,在图像生成网络的下采样和残差卷积过程中添加非局部卷积块结构.在学习某一区域特征的同时学习远距区域的特征信息,可以扩大感受野,使全局特征结构信息得到更充分的利用.本文训练了人脸图像数据集,通过模拟实验定性定量地分析对比了部分算法,实验数据表明本文提出的模型要优于一些经典算法.
其他文献
物联网（Internet of Things,IoT）作为第三次信息科技革命正迅速的涌现在不同的应用领域,推动生活方式向智慧化的方向发展,提高了社会的经济效益。然而,物联网传感器层（IoT Sensors Layer,ISL）目前所面临的能耗和安全问题成为了限制其快速发展的主要因素。针对上述问题,本文将从兼顾ISL能效和安全性的角度出发,结合IoT的网络特性,对适用于ISL的高效路由协议展开研究。
雨、雪、雾霾等恶劣天气会导致严重的大气散射,这会使拍摄设备获取的视频图像色彩失真、对比度降低,导致以提取图像内部特征为基础的比如天网系统等道路监控系统和现在应用比较多的视觉识别系统无法正常工作。所以为了能使这些视频采集系统正常且稳定地工作,使有雾图像中的细节信息恢复,必须行之有效地去除图像中由于天气效果所带来的干扰,使获取到的有雾视频图像的关键信息得以重现,这样的预处理对提高视觉系统的可靠性和鲁棒
为了推动奶牛养殖业的现代化、规模化发展,我国多个部门联合发布文件推动活体奶牛抵押为奶牛养殖个体户和中小型牧场提供资金。但是活体抵押贷款中存在着很多问题。一方面,活体抵押品本身具有特殊性,容易遭受自然灾害的破坏以及被人为的恶意更换,很难作为抵押品使用;另一方面,奶牛养殖牧场往往位置偏僻,频繁派遣工作人员前往会浪费大量的人力。本文基于上述活体抵押面临的难题结合当地银行实际业务流程,使用物联网技术,流行
多视角个体动作识别研究是计算机视觉领域的一个前沿课题,旨在通过检测多视角动作数据而提取相关特征,继而对动作特征理解以实现动作分类的过程。个体动作的多样性、不同种类动作的相似性以及相同种类动作的差异性都增加了识别难度;拍摄场景的复杂性、光照的强弱性和视角的多变性也同样影响着识别效果。为了改善多视角个体动作的识别效果,本文搭建了基于残差网络（Residual Network,ResNet）和长短期记忆
智慧物联网行业的兴起,为草原火灾监测预警系统的实现提供了更加细致精密的手段。在草原火监测中,运用各类传感器对草原环境进行有效的监测,以大数据分析及人为控制等手段为草原构建出各季最优环境,是进一步抑制草原火灾的重要举措。本文针对现有的草原火监测系统存在的数据采集时能量所耗较多、数据因未进行全网同步而不具有时效性等问题,选用以ZigBee为技术基础的成本较低、功耗适中、分布式自组织无线传感器网络,设计
近年来对于植物的保护成为研究热点,在复杂广阔的自然环境下,无人机航拍成为植物图像获取的最佳方式。鉴于地面终端管理系统在航拍图像管理中的核心地位,对地面终端系统的深入研究成为航拍项目的重中之重。本文首先从实验室课题背景出发,采集内蒙古自然环境中植物的航拍图像进行分割与识别,以便统计区域内的植物种类及生长情况,本文针对课题应用所需设计一款地面终端管理系统,本地面终端系统可使操作人员对传回地面的图像更加
随着畜牧业的发展,规模化、精细化、智能化养殖已经成为牛养殖业的必然发展趋势。牛个体识别技术是牛精细化养殖和保险业的基础,并且牛的育种、疾病控制、智能化管理,以及乳制品与牛肉制品的质量监管等方面都需要高效的个体识别技术。随着深度学习技术在图像领域的发展,基于生物特征的牛个体识别技术取得了长足进步。本文以牛的面部特征为基础,提出了基于深度学习的牛面部图像识别方法,具体工作如下:1.构建牛面部图像数据集
近几年,公共场所佩戴口罩已经成为大多数国家的共识。同时卷积神经网络在图像识别领域有着良好的应用前景,卷积神经网络需要大量的资源和内存,并且计算量大,FPGA凭借其可重构、低延迟和低功耗等特点,成为主流的应用平台之一。本文通过在FPGA端部署卷积神经网络并识别口罩佩戴情况主要研究成果如下:1.在软件端,利用自主设计的卷积神经网络检测口罩佩戴情况,得到98.5%的识别准确率,并可区分出佩戴口罩不规范和
内蒙古自治区是全国五大牧区之一,在全国畜牧业中占据重要的地位。自治区的发展战略目标中提到,要逐步推进新型的信息科技在畜牧业中深层次的融合应用。其中,牛的个体识别技术对智慧牧场建设和畜牧业保险有着重要意义。三维识别方法比二维识别能提供更丰富的空间信息,可以更精准地进行个体识别。而在三维识别中,牛面部的三维重建是至关重要的一环,对畜牧业的智慧管理具有一定的应用价值。本文针对牛面部三维图像重建的主要研究
随着互联网的兴起和普及,我们进入了一个人人都生产数据的时代,需要处理和存储的数据呈指数式的增长,但传统的数据处理和存储技术却遭遇了瓶颈。而云计算作为海量数据处理和存储的主流平台应运而生。Hadoop则是云计算开源的分布式并行计算框架之一,由Apache旗下基金会发布,被广泛地应用于众多大公司,例如雅虎、脸书、亚马逊、谷歌、微软等。因此,Hadoop渐渐地成为了云计算平台海量数据处理和存储的主流框架