-
题名基于深度残差生成对抗网络的运动图像去模糊
被引量：8
- 1
-
-
作者
魏丙财
张立晔
孟晓亮
王康涛
-
机构
山东理工大学计算机科学与技术学院
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2021年第12期1693-1701,共9页
-
基金
国家自然科学基金(No.62001272)
山东省自然科学基金(No.ZR2019BF022)。
-
文摘
针对图像拍摄过程中由于运动、抖动、电子干扰等产生的运动图像模糊问题,提出一种基于深度残差生成对抗网络的运动图像去模糊算法。对图像模糊模型与盲去模糊过程进行了研究,介绍了生成对抗网络,改进了残差块的结构。改进的残差块包含3个卷积层,两个ReLU激活函数,一个Dropout层以及一个跳跃连接块,提升了复原图像的质量。改进了PatchGAN的结构,在只增加少量参数与网络复杂性的情况下,将最底层感受野变为原先的两倍以上。利用GOPRO数据集和Lai数据集进行测试,测试结果表明,本文提出的基于深度残差生成对抗网络的去模糊算法复原图像可达到较高的客观评价指标,可以恢复出较高质量的清晰图像。在GOPRO数据集上,相比于其他同类方法,本文提出的算法具有较好的复原能力,可达到更高的峰值信噪比(28.31 dB)和较高的结构相似度(0.8317);而在Lai数据集上,可以恢复出较高质量的图像。
-
关键词
图像去模糊
运动模糊
生成对抗网络
残差块
图像复原
-
Keywords
image deblurring
motion blur
generative adversarial network
residual block
image restoration
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于无模型的PMLSM改进自适应滑模自抗扰控制
被引量：1
- 2
-
-
作者
李争
张梓豪
王康涛
孙鹤旭
-
机构
河北科技大学电气工程学院
燕山大学电气工程学院
-
出处
《电机与控制学报》
EI
CSCD
北大核心
2024年第1期142-151,共10页
-
基金
国家自然科学基金(51877070,51577048,51637001)
河北省自然科学基金(E2021208008)。
-
文摘
为了提高永磁直线同步电机的自抗扰控制的动态响应性能和抗干扰性能,增强系统整体的控制性能,提出了一种基于无模型控制的改进滑模自抗扰控制策略。首先,基于滑模变结构原理以及无模型控制理论对自抗扰控制器中的扩张状态观测器和非线性状态误差反馈进行优化,建立了超局部模型,采用非奇异快速终端滑模控制代替原有的非线性状态误差反馈,同时设计相应滑模面与扩张状态观测器相结合,提高观测器对扰动因素的观测精确度的同时增强控制器的动态响应性能和抗干扰能力。然后设计了改进指数趋近率,通过引入系统状态变量使得控制器可以进行自适应调节,进一步提高系统的控制性能。通过李雅普诺夫理论证明了控制策略的稳定性,仿真和实验结果表明,该控制策略相对传统的自抗扰控制器所具备的优越性。
-
关键词
永磁直线同步电机
无模型控制
非奇异快速终端滑模
改进滑模趋近率
自抗扰控制
改进扩张状态观测器
-
Keywords
permanent magnet linear synchronous motor
model-free control
nonsingular fast terminal sliding mode
improved exponential reaching law
active disturbance rejection control
improved extended state observer
-
分类号
TM359.4
[电气工程—电机]
-
-
题名基于LoFTR算法的图像拼接算法研究与实现
被引量：1
- 3
-
-
作者
田爱奎
王康涛
张立晔
魏丙财
-
机构
山东理工大学计算机科学与技术学院
山东省大数据发展创新实验室
-
出处
《科学技术与工程》
北大核心
2022年第30期13363-13369,共7页
-
基金
国家自然科学基金(62001272)
山东省自然科学基金(ZR2019BF022)
山东省博士后创新项目(202003055)。
-
文摘
针对传统算法图像匹配准方法提取特征点不精确、鲁棒性低、低纹理下很难识别到特征点等问题,提出了一种新的局部图像特征匹配方法,替代传统的顺序执行图像特征检测,描述和匹配的步骤。首先在原图像提取分辨率为1/8的粗略特征,然后平铺为一维向量,并为其添加位置编码,将组合结果输入Transformers模块中的自注意力层和交叉注意力层,最后输入可微分匹配层后得到置信矩阵,为该矩阵设置阈值和相互最近标准,从而得到粗略的匹配预测。其次是在精细层次上细化良好的匹配,在建立精匹配之后,通过变换矩阵到统一的坐标下,实现图像重叠区域对齐,最后通过加权平局融合算法对图像进行融合,实现对图像的无缝拼接。使用Transformers中的自注意力层和交叉注意力层来获取图像的特征描述符。实验结果表明,在特征点提取方面,LoFTR算法比传统的SIFT算法,无论在低纹理区域还是纹理比较丰富的区域提取的都更精确,同时使用此方法得到的拼接效果比传统经典算法拼接的效果更好。
-
关键词
图像拼接
图像特征匹配
LoFTR算法
加权平均融合
-
Keywords
image mosaic
image feature matching
LoFTR algorithm
weighted average fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
