贵州剑河革东寒武纪凯里生物群中水母状化石属种单调,仅发现1属1种贵州拟轮盘水母钵Pararotadiscus guizhouensis(Zhao et Zhu,1994),但却有丰富的生态现象。近40%的标本与腕足类、三叶虫、金臂虫、棘皮动物或遗迹化石Gardia共存,是目...贵州剑河革东寒武纪凯里生物群中水母状化石属种单调,仅发现1属1种贵州拟轮盘水母钵Pararotadiscus guizhouensis(Zhao et Zhu,1994),但却有丰富的生态现象。近40%的标本与腕足类、三叶虫、金臂虫、棘皮动物或遗迹化石Gardia共存,是目前全球水母状化石中罕见的丰富生态现象。其中65件贵州拟轮盘水母钵盘体上、下或周围出现了背、腹壳分散保存的腕足类,说明腕足类与贵州拟轮盘水母钵共同埋藏;1块标本的丛状触手中还包裹有腕足类,说明丛状触手不是类似于植物根系的固着器。这种现象还证实贵州拟轮盘水母钵不是固着而是浮游生活的,其与腕足类壳瓣共存,主要是浮游的贵州拟轮盘水母钵死亡后沉落海底与腕足类壳瓣重叠的结果。展开更多
1862到1937年,伊迪斯·华顿在世的近70年间是西方女性地位经历剧变的时期。在这一时期,深受父权制和维多利亚道德观影响的美国社会兴起了如火如荼的女权主义运动,激进的"新女性"(The New Woman)对传统女性美德和价值观发...1862到1937年,伊迪斯·华顿在世的近70年间是西方女性地位经历剧变的时期。在这一时期,深受父权制和维多利亚道德观影响的美国社会兴起了如火如荼的女权主义运动,激进的"新女性"(The New Woman)对传统女性美德和价值观发出了全面的挑战。展开更多
由于水下环境的多样性和光在水中受到的散射及选择性吸收作用,采集到的水下图像通常会产生严重的质量退化问题,如颜色偏差、清晰度低和亮度低等,为解决以上问题,本文提出了一种基于Transformer和生成对抗网络的水下图像增强算法。以生...由于水下环境的多样性和光在水中受到的散射及选择性吸收作用,采集到的水下图像通常会产生严重的质量退化问题,如颜色偏差、清晰度低和亮度低等,为解决以上问题,本文提出了一种基于Transformer和生成对抗网络的水下图像增强算法。以生成对抗网络为基础架构,结合编码解码结构、基于空间自注意力机制的全局特征建模Transformer模块和通道级多尺度特征融合Transformer模块构建了TGAN(generative adversarial network with transformer)网络增强模型,重点关注水下图像衰减更严重的颜色通道和空间区域,有效增强了图像细节并解决了颜色偏差问题。此外,设计了一种结合RGB和LAB颜色空间的多项损失函数,约束网络增强模型的对抗训练。实验结果表明,与CLAHE(contrast limited adaptive histogram equalization)、UDCP(underwater dark channel prior)、UWCNN(underwater based on convolutional neural network)、FUnIE-GAN(fast underwater image enhancement for improved visual perception)等典型水下图像增强算法相比,所提算法增强后的水下图像在清晰度、细节纹理和色彩表现等方面都有所提升,客观评价指标如峰值信噪比、结构相似性和水下图像质量度量的平均值分别提升了5.8%、1.8%和3.6%,有效地提升了水下图像的视觉感知效果。展开更多
文摘贵州剑河革东寒武纪凯里生物群中水母状化石属种单调,仅发现1属1种贵州拟轮盘水母钵Pararotadiscus guizhouensis(Zhao et Zhu,1994),但却有丰富的生态现象。近40%的标本与腕足类、三叶虫、金臂虫、棘皮动物或遗迹化石Gardia共存,是目前全球水母状化石中罕见的丰富生态现象。其中65件贵州拟轮盘水母钵盘体上、下或周围出现了背、腹壳分散保存的腕足类,说明腕足类与贵州拟轮盘水母钵共同埋藏;1块标本的丛状触手中还包裹有腕足类,说明丛状触手不是类似于植物根系的固着器。这种现象还证实贵州拟轮盘水母钵不是固着而是浮游生活的,其与腕足类壳瓣共存,主要是浮游的贵州拟轮盘水母钵死亡后沉落海底与腕足类壳瓣重叠的结果。
文摘由于水下环境的多样性和光在水中受到的散射及选择性吸收作用,采集到的水下图像通常会产生严重的质量退化问题,如颜色偏差、清晰度低和亮度低等,为解决以上问题,本文提出了一种基于Transformer和生成对抗网络的水下图像增强算法。以生成对抗网络为基础架构,结合编码解码结构、基于空间自注意力机制的全局特征建模Transformer模块和通道级多尺度特征融合Transformer模块构建了TGAN(generative adversarial network with transformer)网络增强模型,重点关注水下图像衰减更严重的颜色通道和空间区域,有效增强了图像细节并解决了颜色偏差问题。此外,设计了一种结合RGB和LAB颜色空间的多项损失函数,约束网络增强模型的对抗训练。实验结果表明,与CLAHE(contrast limited adaptive histogram equalization)、UDCP(underwater dark channel prior)、UWCNN(underwater based on convolutional neural network)、FUnIE-GAN(fast underwater image enhancement for improved visual perception)等典型水下图像增强算法相比,所提算法增强后的水下图像在清晰度、细节纹理和色彩表现等方面都有所提升,客观评价指标如峰值信噪比、结构相似性和水下图像质量度量的平均值分别提升了5.8%、1.8%和3.6%,有效地提升了水下图像的视觉感知效果。
基金supported by the National Natural Science Foundation of China (41172018, 41572020, 41688103)the Major Research Plan of the National Natural Science Foundation of China (91514302)+3 种基金the Strategic Priority Research Program (B) of the Chinese Academy of Sciences (XDB18030504)the National Key Basic Research Program of China (2012CB821900)the National Science Fund for Distinguished Young Scholars (40825005)the Laiyang Government Cooperation Dinosaur Project~~
