【摘 要】
：
图像超分辨率旨在通过软件技术从低分辨率图像中获得高分辨率图像.受深层神经网络对非线性关系强大表示启发,提出一种基于多尺度密集连接网络的图像超分辨算法.利用多尺度和密集连接思想设计了两个并行子网络提取图像特征,一个子网络中引人多尺度卷积层以提取低分辨图像的多种特征,另一个子网络则利用密集连接模块加深网络结构尽可能提取丰富的纹理特征,同时还可以避免模型训练过程中梯度消失的问题.最后对两个子网络提取的特征求残差并对其行重构得到高分辨率图像.仿真结果表明,提出的算法无论在客观评价还是视觉效果上均优于其它同类超分辨
【机 构】
：
河南城建学院电气与控制工程学院,河南平顶山467036
论文部分内容阅读
图像超分辨率旨在通过软件技术从低分辨率图像中获得高分辨率图像.受深层神经网络对非线性关系强大表示启发,提出一种基于多尺度密集连接网络的图像超分辨算法.利用多尺度和密集连接思想设计了两个并行子网络提取图像特征,一个子网络中引人多尺度卷积层以提取低分辨图像的多种特征,另一个子网络则利用密集连接模块加深网络结构尽可能提取丰富的纹理特征,同时还可以避免模型训练过程中梯度消失的问题.最后对两个子网络提取的特征求残差并对其行重构得到高分辨率图像.仿真结果表明,提出的算法无论在客观评价还是视觉效果上均优于其它同类超分辨算法.
其他文献
生态型机械加工的特殊性导致其容易产生大量振动.为及时发现其中的故障隐患,提出基于偏最小二乘法的设备叠加振动检测方法.首先利用连续小波变换提取设备振动信号特征,并归一化处理信号特征,从而构建多特征属性集成模型;然后使用傅里叶变换得到设备信号内的非稳定信号,并采取短时傅里叶变换获得振动信号功率谱,再根据各采样点间的马氏距离获得全新的频域空间矩阵.将满足正态分布状态的信号划分为叠加信号,在信号频域空间实施偏最小二乘分解,从而实时评估生态型机械设备故障情况.仿真结果表明,上述方法能有效判别叠加振动信号与常规信号,
用基于图论的视觉显著性算法获得目标的红外伪装效能动态量化指标.在典型的秋季草地背景下,以亮度、朝向、梯度和对比度作为目标红外伪装效率评估指标,研究背景中的红外迷彩板和某型迷彩伪装网,在一天内的实时红外伪装效率变化情况.结果 表明,在特定的背景中,目标的红外伪装效率一直是动态变化的,在阳光辐射下目标与背景的温差大,导致其伪装效率低,具有极低值;在相同的背景中,采用不同伪装方式的目标其伪装效率差异明显,具体表现为因伪装网的迷彩图案与背景红外图像更匹配,故其在整个观察时段内的伪装效率较高.上述动态量化指标的价值
针对变风量空调系统本身存在多变量、非线性、强耦合等问题,基本遗传算法很难起到很好的控制效果.现针对基本遗传算法的适应度值、交叉率和变异率进行改进,通过引入Sigmoid函数和高斯分布函数自适应调整公式来调整交叉率和变异率,并对适应度值进行自适应设计,构建一种改进遗传算法.并采用改进遗传算法对PID控制器参数进行在线调整,最后将改进的遗传PID控制器和基本遗传PID控制器分别对典型二阶系统、滞后系统进行控制仿真,并对变风量空调系统的冷冻水流量-送风温度,送风温度-房间温度,风机频率-风管静压这三个控制回路进
现有无刷电机调速方法容易陷入局部极小值,且收敛速度较慢,存在着无刷电机调速实时性差、转矩波动幅度小等缺陷,故提出基于神经元控制算法的无刷电机调速建模仿真研究.为了更加精确的对无刷电机调速进行控制,采用神经网络模型辨识并估计无刷电机参数,构建无刷电机数学参数优化模型,以经过28335DSP芯片处理后的无刷电机数字信号为基础,执行神经元控制算法,即可实现无刷电机调速控制.仿真结果显示,所提方法调速实时性更好,转矩波动幅度更大,其无刷电机调速效果更好,适合大力推广.
为准确实现对异常低频肌电信号的分析和处理,基于窗函数法设计了一种低频肌电信号异常分类方法.首先通过加窗过程修正低频肌电信号及其相关参数,并分解重构每一周期的低频肌电信号,去除其中的噪声干扰并提取完成修正的信号时域与频域特征.识别异常的低频肌电信号,融合时域与频域特征并表征低频肌电信号,再通过线性分类器实现对低频肌电信号的异常分类.仿真结果表明,上述方法对低频肌电信号异常分类的平均准确率高,可精准识别异常的低频肌电信号,且其在不同噪声影响下受噪声影响程度较小,分类效果更好.
血氧动力学响应函数反映的是在单位强度的瞬时刺激下诱发的血氧水平依赖信号的动态响应过程.在探索中枢神经系统激活的动力学过程中,如何认识和理解血氧动力学响应函数是其中的一个关键问题.采用同步EEG-fMRI方法,把癫痫发作放电看作单位强度的瞬时刺激,用来探讨儿童良性癫痫患者的血氧动力学响应函数.癫痫患者的血氧动力学响应函数与其它几种函数仿真的结果进行比较,发现了其中的差异.要获得更加准确的结果必须进一步获取被试个性化的血氧动力学响应函数.
针对换热器温度控制系统具有非线性、参数时变性、大惯性、迟滞等问题,对换热器系统进行建模,设计了基于扩张状态观测器的改进型误差反馈控制方案,在保证不牺牲控制性能的前提下进一步简化了控制方案便于调优,通过对给定不同类型温度信号进行动态仿真,结果表明算法可以实现对温度信号的精确快速跟踪.同时将效果与传统的自抗扰控制方案和PID控制对比,得出基于误差的算法系统响应速度更快、超调小、稳定性更好,另外跟踪动态信号测试结果表明,上述控制方法可达到更好的控制效果,在被控系统设定值和有不确定外扰时有更强的响应性能.
为获取多孔材料最准确的吸水特性,在理想流体温度环境下,通过热平衡算法计算多孔材料吸水性并进行仿真研究.分析多孔材料内流动与传热影响,无量纲化处理流体速率,构建热平衡计算能量方程,明确热平衡模式下多孔材料固体和流体状态;组建一维多孔材料水分运动解析式,计算多孔材料吸水初始条件与上、下边界条件,得到多孔材料吸水模型,将吸水率运算当作非线性最小优化问题,求解多孔材料吸水模型参数,获得精确吸水性测量信息.在热平衡环境下对多孔材料单面浸泡、整体浸泡与真空饱和三种吸水状态进行仿真,结果表明:多孔材料在热平衡环境下孔隙
传统的数字系统延时控制过程不能对系统的时间延迟进行准确预测,导致其存在拟合率低、网络传输延时过长和负载率低的问题.为解决上述问题,基于神经网络设计了新的无缓冲数字系统延时控制模型.使用时间戳技术记录采集到的数据包时间,并根据延时预测器预测在线网络延时.采用神经网络SMITH预估结果对无缓冲数字系统延时进行预估补偿,在SMITH估计模型的基础上构建无缓冲数字系统延时控制模型.通过PIP控制算法获得无缓冲数字系统延时控制模型的最优解.实验结果表明,上述模型的拟合率和负载率均较高,且能够有效减少网络传输延时,充
在深度信念网络(Deep Belief Network,DBN)应用于图像、视频等领域中,研究者们普遍通过实践经验设置DBN基本网络结构—DBN深度及每层神经元的个数.将DBN模型作为入侵检测分类模型,提出了DBN模型中基本网络结构的适应度标准,利用该标准提出了一种用于寻找DBN优化网络结构的改进粒子群优化算法.算法首先利用鱼群思想优化粒子群优化算法搜索初始优化网络结构,然后将初始优化网络结构作为利用滑动窗口优化粒子群算法的初始值,继续寻优直到找到全局优化网络结构.将优化算法构造的DBN模型作为入侵检测分