DR-GAN:一种无监督学习的探地雷达杂波抑制方法

探地雷达(GPR)是一种基于电磁波的地下无损探测技术,广泛应用于市政工程、交通、军事等领域。在数据采集过程中,由于发射天线和接收天线之间的耦合、起伏地面的散射以及地下随机媒质的复杂性等原因,采集得到的GPR B-scan回波中通常存在杂波,杂波严重影响了地下目标的检测和特征提取。该文提出一种用于GPR B-scan图像杂波抑制的解纠缠表示生成对抗网络(DR-GAN),设计了目标特征编码器和杂波特征编码器用来提取GPR B-scan图像中的目标特征和杂波特征,设计了杂波抑制生成器用来获取杂波抑制后的GPR B-scan图像。与现有的基于监督学习的GPR杂波抑制方法相比,该方法在网络训练时不需要成对的匹配数据,可以更好地应用于实测GPR图像的杂波抑制。在仿真和实测GPR数据上的实验结果表明,DR-GAN这一无监督学习网络具有更好的杂波抑制性能。对石英砂中埋设的钢筋进行数据采集,运用DR-GAN对含杂波的实测数据进行处理,处理结果的改善系数(IF)指标较现有的鲁棒非负矩阵分解(RNMF)方法提高了17.85 dB。

色调映射中的滤波技术

随着人们对娱乐产品性能要求的提高,高动态范围图像应用的领域不断增强。由于高动态范围图像数据保存为浮点型,因此难以直接在传统的显示设备上进行显示,需要通过色调映射技术对图像亮度范围进行压缩,并同时尽量保持图像细节、颜色和整体对比度。本文讨论滤波技术在色调映射算法设计中的使用原理、发展现状及尚待解决的问题。

基于交叉分解的高动态范围图像色调映射算法

为了提升高动态范围图像的显示效果,提出一种基于交叉分解的高动态范围图像色调映射算法。在分析图像边缘滤波的基础上,给出一种基于交叉分解的图像分解与重构算法,并对重构系数进行分析,再将其应用到色调映射中。首先在色度亮度空间中对色度、亮度信息进行分离。然后对亮度信息分别使用高斯滤波器和双边滤波器进行滤波以构造出一种交叉分解方案,得到包含大尺度结构信息的基本层、包含纹理信息的细节层以及亮度存在剧烈变化的边界层。最后对重构系数进行详细讨论,确定色调映射中的系数选取规则,对亮度范围进行压缩和重构。实验结果表明,所提算法在有效压缩图像动态范围的同时,还可以较好地保持颜色信息、增强边界和纹理等细节特征。