多路径生成对抗网络的红外与可见光图像融合

生成对抗网络在红外与可见光图像融合领域受到广泛关注,但单路径进行融合容易丢失浅层信息、分支路特征提取融合能力有限。提出一种基于多路径生成对抗网络的红外与可见光图像融合方法。在生成器端,利用源图像与导向滤波结果构建3条输入路径提取更多源图像特征信息,以获得细节更丰富的融合图像;然后,卷积层加入掩码注意力机制模块,提升显著信息的提取效率,引入密集连接和残差连接,在提升特征传递效率的同时可获取更多源图像重要特征信息。在鉴别器端,采用双鉴别器估计红外与可见光图像的区域分布,避免单鉴别器网络丢失对比度信息的模态失衡问题。在TNO数据集上进行了实验,实验结果表明,所提算法在5个客观评估指标上4项取得了最好结果,优于多数主流算法,在主观评估方面,所提算法保留了更多的纹理细节信息,具有更好的视觉效果。

基于感知损失和稠密残差双注意力去雾网络

针对大雾天气下捕获的图像存在对比度低、缺乏细节和色调偏移等现象,提出一种基于感知损失和稠密残差双注意力去雾网络,即在基于密集特征融合的多尺度增强去雾网络中引入注意力机制,首先在对编码器的Residual Block中加入了通道注意和像素注意机制,形成一个稠密残差双注意力块,并且在解码器部分添加了Eca-Net网络,使整个网络在图像复原过程中关注显著特征,从而提升了模型的细节恢复效果。其次,采用感知损失(L_(VGG))和绝对值误差损失(L1loss)对模型施加约束,以深化模型对图像语义信息的理解,从而提升算法的稳健性和泛化能力。在RESIDE数据集和真实雾图上实验证明,从客观和主观层面,和所选的MSBDN-DFF方法相比,都取得了更好的去雾性能。

基于照明感知和密集网络的红外与可见光图像融合

针对现有方法忽略照明不平衡、存在对比度低、纹理细节丢失等问题,本研究提出一种基于照明感知和密集网络的红外与可见光图像融合方法。首先,从可见光图像中获取照明概率并计算照明感知权重以指导训练网络,通过特征提取与信息度量模块来计算源图像的自适应信息保留度,用于保持融合结果与源图像间的自适应相似性。同时,照明感知损失与相似性约束损失函数使模型在结构、对比度、亮度上能够全天候地生成包含显著目标和丰富纹理细节信息的融合图像。本研究在TNO与MSRS 2个公共数据集上进行主、客观评估。实验结果表明,本研究弥补了照明不平衡的缺陷,在保留更多红外目标的同时,也有效地保留了更多可见光图像的纹理细节信息。

联合多尺度块匹配的非局部均值去噪算法

针对非局部均值(Non-Local Means,NLM)图像去噪算法易产生伪影与平滑细节的问题,提出一种联合多尺度图像块匹配的像素相似性测度,提高NLM算法去噪性能。首先,研究与分析了加权欧氏距离与欧氏距离两种相似性度量以及图像块尺寸设置对NLM算法的影响。其次,通过引入图像特征信息并利用K-means聚类方法将图像划分为平坦区域和包含边缘与纹理的结构区域,对每个类别中的像素点,联合两种尺度图像块匹配计算像素的平滑权重。最后,优化了算法的滤波参数。实验结果表明,提出的算法在噪声去除与细节保持方面明显优于经典的NLM算法,相比其他改进的NLM算法也有优势。

基于多尺度回顾蒸馏的单幅图像去雾算法

基于深度学习的图像去雾模型常常设计并堆叠高效的特征提取模块,导致模型复杂、推理慢。知识蒸馏通过将教师网络的知识转移到高效的学生网络,能在不影响模型效果的同时,提高模型的效率,受到广泛关注。但现有的基于知识蒸馏的去雾模型大多集中在教师网络和学生网络之间同一层级的知识转移,知识转移过程中未考虑到特征的转移是否充分,导致特征蒸馏不完全,去雾效果不佳。为缓解以上问题,提出多尺度回顾蒸馏网络(mult-scale review distillation network,MRDN),将教师网络知识充分转移到学生网络的不同层级中。首先为了保证学生和教师网络挖掘图像隐含特征和重建信息的能力,分别设计了混合注意力模块(hybrid attention block,HAB)和混合注意力模块组(hybrid attention block groups,HABs);然后利用注意力融合模块(attention fusion block,AFB)对知识进行回顾,即融合学生网络的当前层级和深层级特征,生成用于蒸馏的中间特征;最后为了准确转移知识,利用层级内容损失模块(hierarchical content loss block,HCLB)对中间特征和教师网络对应的层级特征进行多尺度金字塔特征提取,计算出各层级的损失。实验结果表明,MRDN在真实雾图上的去雾效果更好,且在SOTS数据集上的PSNR和SSIM指标方面超过最好的对比模型(EPDN)分别9.2%、7.8%。

基于多输入多输出编解码器网络的图像去模糊

针对动态场景下非均匀盲去模糊算法存在去模糊不彻底和纹理细节丢失的问题,提出了一种基于多输入多输出编解码器网络的图像去模糊方法。首先,采用一个特征提取模块获取不同尺度模糊图像的全局和局部特征信息,为网络提供更丰富、更全面的图像特征信息。其次,使用特征融合模块对多尺度特征进行融合,使不同尺度下的上下文特征与细节信息可以在单个U-net网络中流动,增强了特征信息的流动性,解决了传统方法中多个子网络堆叠导致特征流动受阻的问题。最后,设计了一个由L1损失、多尺度频率重建损失和边缘损失组成的混合损失函数,在提升图像复原效果的同时更好地保留纹理结构和边缘信息。为了评估网络去模糊性能,在基准数据集GoPro和HIDE上进行测试,复原图像的峰值信噪比均值分别为31.94、29.45 dB,结构相似度均值分别为0.961、0.936,均高于相比较的去模糊算法。在视觉效果上,恢复的图像纹理结构和边缘更清晰,更接近真实图像。所提出的网络模型能够获取更丰富的特征信息,增强了网络内部特征的流动能力,取得了较好的去模糊效果。

以应用能力为导向的计算机图形学教学改革实践探究

针对《计算机图形学》课程教学过程中存在的问题,以应用能力为导向,进行了计算机图形学教学改革实践探究。构建了包括教材、实践教学资源和“微课程”建设的教学内容。实施了案例教学、设计型和综合型实验教学、基于“微课程”线上线下混合教学等多种模式相结合的教学方法改革。建立了课堂评价、实验评价和综合能力评价的多元化教学考核评价体系。教学实践表明,该课程的教学改革激发了学生学习的主动性和积极性,实现了知识传授与应用能力培养相结合的课程教学目标。

基于增强现实技术的变电站自动化数据管理系统研究

变电站自动化作为电力系统的关键组成部分,承担着监控和保护电网的重要任务。近年来,随着增强现实技术的快速发展,其在多个工业领域的应用逐渐深入,特别是在数据管理与交互体验方面展现出独特优势。文章综述变电站自动化的基本概念和发展现状,详细探讨基于增强现实技术的变电站自动化数据管理系统的设计和实现,重点分析技术需求、数据透明化策略、用户交互设计以及增强现实技术的集成方法,并通过一系列应用测试验证了系统的实用性和效果,展示了增强现实技术在提升变电站数据管理效率和用户交互体验中的潜力。

基于改进MSR和YOLOv5的雾天行人检测算法

针对雾气导致图像中行人检测准确率不高的问题,提出了1种基于改进多尺度Retinex(multiple scale Retinex,MSR)和改进YOLOv5(you only look once v5)的雾天行人检测算法。首先,针对MSR算法容易产生光晕和伪影现象的问题,引入均值和均方差对其进行改进,通过伽马校正找到适宜的图像亮度,调整亮度后再对图像进行去雾操作。其次,以传统的YOLOv5检测模型为基础并对其进行改进,引入选择性内核网络(selective kernel networks,SK-Net)模块,与YOLOv5的骨干网络(Backbone)端相融合,输入信息自适应地调整其感受野大小,加强模型对主要信息的提取,提升模型的精度。实验结果表明,改进后的MSR和改进后的YOLOv5相结合得到的算法,各项行人检测指标都有较大提升,其识别精确率、召回率、各类别平均精度均值分别达到了91.2%、87.3%、90.1%,改进后的算法能有效提高雾天行人检测的效率。

金刚石/GaN异质外延与键合技术研究进展

氮化镓(GaN)功率器件具有功率高、小型化的优势,但散热问题已经成为限制其高功率输出的新问题。金刚石具有块体材料最高的热导率,是GaN功率器件的理想散热材料,将金刚石与GaN功率器件集成,可以降低器件运行温度,提高功率密度,推进器件小型化发展。但是由于金刚石与GaN存在大的热膨胀失配和晶格失配,以及金刚石的高硬度和稳定的化学性质,其与GaN集成存在很多问题,无法发挥金刚石的超高热导率优势。针对金刚石与GaN的集成已经进行了研究与探索,主要包括GaN功率器件的器件层散热和衬底层散热。器件层散热主要有金刚石钝化散热技术,其在GaN器件层中异质外延金刚石散热层;衬底层散热主要有键合技术、异质外延技术,其中键合技术通常需要在金刚石和GaN表面沉积键合层或形成封端,包括表面活化键合技术、亲水键合技术、原子扩散键合技术和水解辅助固化键合技术等;异质外延技术通常需要在外延表面沉积缓冲层,包括金刚石异质外延GaN技术和GaN底面异质外延金刚石技术。详细介绍了GaN材料的优势、应用领域及面临的挑战,对上述集成技术的研究现状和优缺点进行了归纳,展望了金刚石与GaN功率器件集成技术的未来发展方向。

金刚石化学机械抛光研究进展

金刚石以优异的性能在力学、光学、热学和电子学(如半导体)等领域发挥着重要作用。然而,金刚石表面质量会影响其在这些领域的应用效果,因此通过高效抛光技术获得高质量表面一直是金刚石研究的重点内容。金刚石抛光技术主要有机械抛光、热化学抛光、激光抛光和化学机械抛光等,其中化学机械抛光(CMP)具有设备运行成本低、工艺简单、抛光后表面损伤小等优点。本文在对上述几种抛光方法进行分析对比的基础上,聚焦于CMP领域,对其发展历程进行了较详尽的对比与分析。早期CMP技术虽在工艺和抛光效率上存在一定局限,但为后续技术的创新与优化奠定了基础;H_(2)O_(2)及其混合物的应用,不仅增强了CMP过程中的化学反应活性,提高了材料去除率,还有效降低了表面粗糙度,改善了金刚石表面质量;光催化辅助化学机械抛光可使金刚石达到高表面质量,但设备相对复杂,无法满足大规模生产的需求,需要进一步研究和优化。此外,本文还对化学机械抛光的未来发展进行了预测,为相关领域研究人员提供参考。

含油污泥热化学清洗剂复配研究

采用热化学清洗法处理含油污泥,对不同类型的化学清洗药剂进行单剂筛选和复配优化,考察了不同热化学清洗药剂配方对含油污泥的除油效果,并对热化学清洗的主要工艺条件进行了研究和优化。结果表明:在单独使用的清洗剂中,硅酸钠表现出了最佳的除油效果,清洗后油泥的残油率为16%;复配清洗药剂中阴离子型-碱性无机盐-碱的清洗药剂组合的清洗效果最好,即十二烷基苯磺酸钠(LAS)+Na_(2)SiO_(3)+KOH,清洗后油泥的残油率仅为4.55%,表明不同类型清洗药剂的复配可以显著提升热化学清洗效果。考察了各操作条件对含油污泥热化学清洗除油效果的影响,最优的清洗条件为热洗温度75℃、液固比5∶1、热洗时间90 min、搅拌速率400 r·min^(-1)。

基于局部结构张量的图像三边滤波器

针对双边滤波器灰度相似权函数易受噪声影响且在图像细节区域滤波存在盲目性的问题,提出一种新的图像三边滤波器用以过滤高斯噪声。通过局部结构张量奇异值分解估计图像的几何结构信息,获得能够刻画图像内容差异的特征信息。在此基础上,设计基于图像特征分类的灰度相似权函数,同时通过引入结构相似权的方式将鲁棒的特征信息耦合到双边滤波器框架下,以保持更多的图像细节。利用三边加权提供更可靠的像素相似性度量方式,并采用局部自适应滤波参数选取方法进一步提高算法的滤波性能。实验结果表明,该滤波器在去除噪声的同时能够较好地保持图像的边缘、纹理等结构信息。

有效保持细节特征的快速非局部滤波方法

非局部均值滤波方法具有优异的去噪性能,但该算法计算复杂度太高,且滤波后图像有大量结构残留。研究了基于预选择的非局部均值滤波方法,并指出已有方法在提取图像子块特征方面的不足。利用梯度域奇异值分解提取图像子块的结构特征,提出一种有效保持细节特征的快速非局部滤波方法。主要贡献有:(1)基于局部结构特征的鲁棒预选择方法;(2)相似集大小与滤波性能的关系以及相似子块的自动选取;(3)结构相似权系数的构造。利用欧氏距离的对称性进一步提高运行速度。实验结果表明,该方法在去除噪声的同时能有效地保持图像细节信息,取得滤波性能与运行速度之间较好的平衡。

带结构检测的非局部均值图像去噪算法

针对非局部均值(NL-Means)图像去噪算法有大量结构残留的问题,提出一种带结构检测的NL-Means滤波算法。首先使用一个结构分析器对噪声图像进行预处理,突出图像中的细节信息,然后利用边缘检测的结果调节NL-Means算法相似性度量,为了保留图像的边缘内容让具有相似边缘内容的像素能够获得更大的权,而边缘内容不相似邻域有较小的权(或为零)。实验结果表明:该算法提高了NL-Means算法的去噪能力,滤波后的图像结构相似度更高,改善了图像的视觉质量。

一种改进的非局部平均图像去噪算法

传统非局部平均NLM(Non-Local Means)图像去噪算法的像素相似性度量可靠性较差,其关键滤波参数选取与优化值偏差较大。针对上述问题,提出一种改进的NLM图像去噪算法。首先,滤除方法噪声中的噪声分量,保留有用图像信息;然后,联合去噪结果与处理后的方法噪声重新定义NLM算法的相似权函数,更好地利用原图像的信息;最后,采用噪声标准差二次函数的方式设置滤波参数,相比于传统的线性正比方式选取参数,这种选取方式在不同噪声强度下均能获得较优的参数值。对几个标准测试图像的去噪结果表明,提出的改进NLM算法获得了较好的去噪效果,优于相比较的其他几种方法。

影响我国粮食产量因素的计量经济学研究

农业是国家的根本,对于一个大国来说,粮食充足至关重要,作为世界上人口最多的国家,粮食对我国国家安全、国民经济健康稳定发展具有重要的战略意义。文章采用我国1986-2007年22年间的相关统计数据,通过建立计量经济学模型的多元回归方法来探讨影响粮食产量的主要因素并做出分析,并对改善我国粮食产量的现状提出建议。

椒盐噪声图像的非局部平均滤波算法

针对非局部平均(NLM)方法对椒盐噪声图像滤波效果较差的问题,通过引入噪声检测结果扩展NLM方法去除图像中椒盐噪声。在噪声检测阶段,利用图像的两个极值Lmin和Lmax把图像像素点分为非噪声点和噪声点。在滤波阶段,非噪声点的灰度值保持不变。对于噪声点,如果以该噪声点为中心的自适应滤波窗口内均为噪声点,则认为该噪声点位于图像自身灰度值为Lmin或Lmax的区域内,使用两个极值的统计结果进行恢复。否则,采用改进的NLM方法滤除噪声。构造联合噪声检测模板避免噪声点对相似权计算的干扰,噪声点的恢复值由非噪声点的灰度值加权平均得到。此外,采用迭代滤波策略对高密度噪声图像噪声点进行恢复。相关去噪实验结果证实了算法去噪的有效性,不足之处是算法的时间复杂度较高。

一种有效去除椒盐噪声的开关中值滤波器

图像去噪追求的目的是既能去除图像中的噪声,同时又能较完整的保持图像的细节信息。在研究几种基于中值的椒盐噪声去除方法基础上,设计了一种有效去除图像椒盐噪声的开关中值滤波器。提出的算法首先利用图像灰度值的两个极值把像素点分为信号点和可能噪声点。在滤波阶段,对于信号点保持其灰度值不变,对于可能噪声点分两步进行处理:根据噪声密度决定滤波窗口尺寸并判断滤波窗口内是否包含信号点,如果无信号点则以窗口内像素的中值作为可能噪声点的恢复值,这一步可对误判噪声点进行纠正;而其余可能噪声点采用极值舍弃滤波和递归滤波估计其灰度值,滤波窗口尺寸固定为3×3,这一步用来去除噪声和保持图像细节。实验结果表明,本文算法在主客观方面都优于相比较的方法,且对不同水平的椒盐噪声都具有较好的去除性能。

基于特征聚类的大视差图像拼接算法

针对大视差图像拼接过程中出现的错位、重影等问题,提出一种基于特征聚类的图像拼接算法。首先,以已匹配的特征点分布为依据在目标图像重叠区域构造泰森多边形。然后使用改进的AGNES层次聚类算法对特征点聚类,合并对应组内特征点所代表的泰森多边形,得到目标图像重叠区域的各个子平面。最后,求解对应子平面的单应性矩阵,并采取就近原则分配非重叠区域的单应性矩阵,对目标图像进行投影变换,得到拼接图像。实验结果表明,所提算法具有较高的配准精度,可有效改善大视差图像拼接过程中出现的误配准和局部失真问题。