【摘 要】
：
随着信息时代的快速发展,人们对图像清晰度的要求越来越高,图像分辨率越高,图像中的信息层次越丰富,有利于人们获取更全面的信息。受采集设备和环境等现实因素的影响,导致获取的图像分辨率不佳。使用硬件设备改善图像分辨率成本高,不利于操作,使用软件实现的超分辨率重建技术不仅节约成本而且效果更好,使得应用范围越来越广泛。针对现有的图像超分辨率重建算法对图像细节信息提取不全面的问题,本文以此为切入点展开研究,主
【基金项目】
：
国家自然科学基金（62071366）；
论文部分内容阅读
随着信息时代的快速发展,人们对图像清晰度的要求越来越高,图像分辨率越高,图像中的信息层次越丰富,有利于人们获取更全面的信息。受采集设备和环境等现实因素的影响,导致获取的图像分辨率不佳。使用硬件设备改善图像分辨率成本高,不利于操作,使用软件实现的超分辨率重建技术不仅节约成本而且效果更好,使得应用范围越来越广泛。针对现有的图像超分辨率重建算法对图像细节信息提取不全面的问题,本文以此为切入点展开研究,主要工作如下:1)针对传统的算法提取细节信息能力差,信息得不到充分利用的问题,本文提出了一种基于融合分数阶傅里叶变换（FRactional Fourier Transform,FRFT）的深度残差网络的图像超分辨率重建算法。首先使用降质模型得到对应的低分辨率图像,利用卷积层提取图像浅层特征,其次引入残差块加快网络收敛速度,在残差块中加入FRFT,将图像转至分数域进行离散化计算,再转回至空域,提高网络对纹理等高频细节信息的提取能力,最后用反卷积层来实现图像的上采样,将网络输入的低分辨率图像与网络上采样得到的图像相融合实现图像的重建。2)为了缓解单一尺度卷积核提取的图像特征不够充分,会轻易引起信息残缺、消耗等现象,本文提出了基于多尺度密集残差注意力网络的图像超分辨率重建算法。网络的结构主要由三部分组成,第一部分是多尺度特征提取网络,中间的结构是密集残差注意力模块,最后是亚像素卷积网络。一开始使用不同尺寸的卷积核对输入的图像进行浅层特征提取,将得到的结果送入网络的下一部分;接着利用密集残差注意力模块完成深层次的特征提取,使得到的图像特征信息更全面;最后,采用亚像素卷积完成上采样的过程,得出最后重建的图像。3)实验结果与分析。在提出的算法模型后面用具体的实验验证本文所提出算法的有效性,其中算法一主要分析了FRFT的最优阶次和残差块的数量,并将本文所提算法结果与其他算法相比较,证明本文所提出的算法得到的重建效果更出色,评价指标的结果值更优;算法二加入多尺度与单一尺度进行特征提取的对比,分析了加入密集连接和注意力机制的有效性,并将实验结果与其他算法进行对比,证明本文算法结果取得的效果更佳,得到的评价指标值更高。
其他文献
无人机集群是由多架无人机组成的系统,通过特定控制策略实现协同作业,在勘察、监视、救援等多领域得到了广泛的应用。受复杂环境的影响,集群中的节点会因自身故障或外界干扰,部分节点可能呈现出失效现象,造成网络传输链路发生故障,网络拓扑结构随之受损,导致集群无法正常工作。因此,无人机集群需要具备自适应网络恢复的能力,以在部分无人机节点失效的情况下及时恢复集群网络通信。本文对节点失效情况下无人机集群网络的自适
弹目交会过程中的相关参数是评估武器性能的重要数据支撑,传统的弹目交会测量方法无法兼顾设备灵活性、参数可视化的要求,测量存在局限性。在目前已研究的弹目交会测量方法的基础上,对双目立体视觉原理及面阵CCD在弹目交会测量系统中的具体应用进行研究,从而得到更具优势的测量方法。本文主要研究内容如下:1)建立基于双目视觉的弹目交会测试模型,基于双目视觉测量原理及基本布站方式推导本文弹目交会测量系统的误差传递函
在新型武器的研发测试中,弹丸爆炸时炸点位置测试的精准度是衡量武器装备性能的重要指标。目前,军事靶场中进行弹丸炸点位置测试时常采用光电探测、高速摄像或雷达探测等方法,但这些方法存在系统复杂、探测范围受限及成本过高等缺点,并且系统自身容易受到光照和电磁波等环境干扰。同时弹丸爆炸位置具有很强的不确定性和随机性,加剧了弹丸爆炸位置测试的困难程度。因此,本文提出了一种基于多声阵列的弹丸炸点空间位置测试方法,
结构光三维重建利用光学编码技术获取被测物体的三维数据,具有成本低、结构简单、精度高等优点。因此,该技术被广泛应用于逆向工程、文物修复、人脸识别等领域,具有重要的理论意义和研究价值。然而,传统的空间结构光编码方法在高分辨率测量方面存在局限,需要寻求更加高效的测量方式。另外,时间编码结构光测量方法虽然可以实现高精度测量,但不适用于动态场景的三维测量需求。为解决这些问题,本文提出了基于时间编码和空间编码
自动驾驶车辆可以通过传感器感知周围障碍物的位置并识别出类别信息,根据这些信息做出相应的决策,从而安全和顺畅地行驶。调频连续波激光雷达由于其探测灵敏度高、距离分辨力高、不存在距离盲区、抗干扰能力强等优点,成为了最具潜力的自动驾驶系统高质量三维点云图像传感器。但是由于调频连续波激光雷达获取的三维点云冗余数据多、数据量大导致目标识别的实时性差,以及不同目标之间的相互遮挡造成目标识别难度大。针对以上问题,
地震灾害是人类生存中最危险的自然灾害之一,而建筑物作为灾害损毁的重要承载体和人类生存状态表征,及时获取其信息对灾后的救援和重建具有十分重要的实际意义。在建筑物震害信息提取过程中,传统的人工设计方法存在提取震害特征单一,精度较低等问题,而基于深度学习理论的方法能够从少量的预处理或未经处理的震害影像数据中学习到较高级的震害特征表达,为震害影像检测提供了新的技术思路。因此,本文采用深度学习方法完成建筑物
贝叶斯网络（Bayesian Network,BN）是一种图论与概率统计相联结的建模工具,目前已经被广泛地应用在机器学习、数据挖掘以及目标识别等领域。在BN学习中,结构学习是参数学习和推理的基础,因此也是BN研究的重点和难点。在贝叶斯网络结构学习中,依据搜索空间的不同可分为网络结构空间和节点序空间下的搜索算法。与网络空间下的搜索算法相比,基于节点序的搜索算法的搜索空间更小,所以其搜索效率更高。然而
无线通信技术突飞猛进,应用越来越广泛。然而,无线信道传输的信息容易受到干扰或者被截获,从而造成安全隐患。隐蔽通信是力图将通信信号隐藏起来,让敌对方很难感知到通信信号。隐蔽通信通常有两种方式:低截获概率（Low Probability of Intercept,LPI）和低检测概率（Low Probability of Detection,LPD）,其中LPD是比较常用的技术,其主要实现方式是采用直
随着现代移动通信技术的飞速发展,人们对其流量要求也越来越高。可见光通信（Visible Light Communication,VLC）不仅具有丰富的频谱资源,还可在进行照明的同时传送信息,同正交频分复用技术（Orthogonal Frequency Division Multiplexing,OFDM）组合可显著改善系统通信特性,但是存在噪声频偏干扰和较高的峰均比等问题,从而降低系统性能。为此,
由于近年来我国对海洋探索的不断深入,水声通信技术受到广泛关注。而水声信道的通信环境十分恶劣,其中,多径效应导致水声信道中声信号衰减和失真严重。为了克服这类信道问题,通常会在接收端使用均衡器对信道特性进行补偿,以消除信道引起的影响,即信道均衡技术。本文提出了一种基于启发式神经网络的水声信道均衡算法,该算法利用神经网络的非线性和启发式算法的优化能力,其通信质量相较于传统均衡算法有着明显的提升。首先,针