-
题名基于中值滤波去噪算法的激光光谱图像数据库构建
被引量：7
- 1
-
-
作者
王研
梁洪涛
杨阿荣
-
机构
首都经济贸易大学密云分校
-
出处
《激光杂志》
CAS
北大核心
2022年第2期110-113,共4页
-
基金
教育部产学合作协同育人项目(No.783737c3-3976-41b9-9cc1-ae334fce2435)。
-
文摘
在目前建立的激光光谱图像数据库中,数据库的滤波性能较差,导致存储的光谱图像数据受噪声影响严重。因此,提出基于中值滤波去噪算法的激光光谱图像数据库构建。首先利用多数据源数据库模式,建立数据库的存储引擎。其次利用中值滤波去噪算法,在数据库中添加去噪模块。然后将滤波后的图像进行光学参数转换,最后对不同光谱数据分别进行格式转换,并对数据进行归一化存储至数据库中,完成激光光谱图像数据库设计。利用不同方法的图像数据库与设计数据库对生成的激光光谱数据进行存储,并进行对比实验,分别对数据库的构建以及滤波能力进行分析。实验结果证明设计的激光光谱图像数据库可以实现正常的数据库构建,具有较好的滤波性能,满足设计初衷。
-
关键词
中值滤波去噪算法
图像数据库
滤波性能
去噪模块
归一化存储
-
Keywords
median filter denoising algorithm
image database
filtering performance
denoising module
normalized storage
-
分类号
TN297
[电子电信—物理电子学]
-
-
题名基于密集残差连接U型网络的噪声图像超分辨率重建
- 2
-
-
作者
刘鹏南
李龙
张紫豪
朱星光
程德强
-
机构
中国矿业大学信息与控制工程学院
山东黄金矿业(莱西)有限公司
-
出处
《工矿自动化》
CSCD
北大核心
2024年第2期63-71,共9页
-
基金
国家重点研发计划项目(2021YFC2902702)
济宁市重点研发计划项目(2021JNZY013)。
-
文摘
现有的图像超分辨率重建网络难以适用于煤矿井下噪声密集的应用场景,且多数网络通过增加深度提升性能会导致无法有效提取关键特征、高频信息丢失等问题。针对上述问题,提出了一种密集残差连接U型网络,用于对低分辨率噪声图像进行超分辨率重建。在特征提取路径中引入基于密集残差连接的去噪模块,通过密集连接的方式对图像特征进行充分提取,再利用残差学习的特点对低分辨率噪声图像进行有效去噪;在重建路径中引入残差特征注意力蒸馏模块,通过在残差块中融入增强特征注意力块,对不同空间的特征赋予不同的权重,加强网络对于图像关键特征的提取能力,同时减少图像细节特征在残差块中的损失,从而更好地恢复图像细节信息。在煤矿井下图像数据集及公共数据集上进行了对比实验,结果表明:在客观评价指标上,所提网络的结构相似度、图像感知相似度均优于对比网络,且在复杂度及运行速度上有着较好的均衡;在主观视觉效果上,所提网络重建的图像基本消除了原有图像噪声,有效恢复了图像的细节特征。
-
关键词
噪声图像
超分辨率重建
密集残差连接
U型网络
去噪模块
残差特征注意力蒸馏模块
-
Keywords
noisy images
super resolution reconstruction
dense residual connections
U-shaped network
noise reduction module
residual feature attention distillation module
-
分类号
TD67
[矿业工程—矿山机电]
-
-
题名低信噪比下雷达通信一体化信号接收分离算法
- 3
-
-
作者
齐振鹏
孟水仙
黄墨浩
尹良
-
机构
北京邮电大学信息与通信工程学院
内蒙古自治区无线电监测站
-
出处
《无线电工程》
北大核心
2023年第12期2758-2764,共7页
-
基金
国家重点研发计划(2020YFB2104501)。
-
文摘
在雷达通信一体化系统中,针对传统的信号分离算法由于信号存在噪声而导致分离效果不理想的问题,提出一种低信噪比下雷达通信一体化信号接收分离算法。针对观测信号存在噪声的问题,提出一种Denoising Attention Convolutional Neural Network(DACNN),与传统的DnCNN相比,融入通道注意力机制来增强其对不同通道间特征的学习总结能力;对去噪后的信号采用改进的三阶收敛FastICA算法进行分离。仿真实验表明,提出的分离算法相较于传统的信号盲源分离算法在观测信号含噪情况下仍能具有较好的分离效果。
-
关键词
雷达通信一体化信号
低信噪比
去噪模块
接收分离算法
-
Keywords
radar-communication integrated signal
low signal-to-noise ratio
denoising module
receiver separation algorithm
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
-
题名基于多路光流信息的微光视频增强算法
- 4
-
-
作者
刘书生
王九杭
童官军
-
机构
中国科学院大学
中国科学院上海微系统与信息技术研究所
-
出处
《现代电子技术》
北大核心
2024年第16期13-22,共10页
-
基金
中科院微系统技术重点实验室基金项目(6142804230103)。
-
文摘
图像和视频是记录真实场景信息的重要媒介,它们包含丰富而详细的视觉内容,可以开发各种智能系统来执行各种任务。特别是对于低照度条件下的视频,提升其清晰度和细节可以更好地表现和还原真实场景。针对在夜间低照度环境条件下对周围环境感知的需求,提出一种基于多路光流信息时间一致性的微光视频增强算法。通过引入预测的光流与真实的光流信息,构建三分支孪生网络对微光视频进行增强;同时针对微光视频存在的低信噪比以及模糊化问题,设计一种基于双尺度注意力机制的微光视频去噪模块(CA-Swin模块),以提升网络的去噪性能。通过在DAVIS数据集上进行对比实验和评估,得出所提网络在增强微光视频方面更高效,鲁棒性显著;且该策略还具有通用性,可以直接扩展到大规模数据集。
-
关键词
微光视频增强
光流信息
时间一致性
三分支孪生网络
双尺度注意力机制
微光视频去噪模块
视频帧
-
Keywords
low-light video enhancement
optical flow information
time consistency
three-branch twin network
dual scale attention mechanism
low-light video denoising module
video frame
-
分类号
TN941.2-34
[电子电信—信号与信息处理]
TP389.1
[电子电信—信息与通信工程]
-
-
题名基于非对称跨模态融合的RGB-D显著目标检测
- 5
-
-
作者
于明
邢章浩
刘依
-
机构
河北工业大学电子信息工程学院
河北工业大学人工智能与数据科学学院
-
出处
《控制与决策》
EI
CSCD
北大核心
2023年第9期2487-2495,共9页
-
基金
国家自然科学基金青年项目(61806071,62102129)
河北省自然科学基金面上项目(F2019202381,F2019202464)。
-
文摘
目前大多数RGB-D显著目标检测方法在RGB特征和Depth特征的融合过程中采用对称结构,对两种特征进行相同的操作,忽视了RGB图像和Depth图像的差异性,易造成错误的检测结果.针对该问题,提出一种基于非对称结构的跨模态融合RGB-D显著目标检测方法,利用全局感知模块提取RGB图像的全局特征,并设计了深度去噪模块滤除低质量Depth图像中的大量噪声;再通过所提出的非对称融合模块,充分利用两种特征间的差异性,使用Depth特征定位显著目标,用于指导RGB特征融合,补足显著目标的细节信息,利用两种特征各自的优势形成互补.通过在4个公开的RGB-D显著目标检测数据集上进行大量实验,验证所提出的方法优于当前的主流方法.
-
关键词
RGB-D图像
显著目标检测
非对称融合
全局感知模块
深度去噪模块
-
Keywords
RGB-D image
salient object detection
asymmetric fusion
global perception module
depth denoising module
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于自匹配数据融合模型的城市交通路况诱导系统
被引量：2
- 6
-
-
作者
农昭光
李祖文
何增镇
苏红帆
-
机构
广西交通科学研究院有限公司
南宁市公安局交通警察支队
-
出处
《信息技术》
2018年第11期148-152,159,共6页
-
文摘
为了有效地改善城市交通的路况,结合动态的数据采集模块、动态GIS路网、动态数据去噪模块以及自匹配数据融合模块等,针对交通信息处理、共享和发布中的技术难点,设计了基于自匹配数据融合模型的城市交通路况诱导系统。该系统通过对多条道路的路况进行实时地监管和数据分析,从而满足交通参与者在城市交通方面的出行道路信息、信息管理和路况管理等各种需求。
-
关键词
智能交通系统
城市交通路况诱导
自匹配数据融合模型
动态GIS路网
动态数据去噪模块
-
Keywords
Intelligent transportation system
urban traffic condition induction
self-matching datatusion model
dynamic GIS road network
dynamic data denoising module
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
