基于层次注意力的图像超分辨率重建

卷积神经网络的深度和提供的层次特征对于超分辨率图像的重建至关重要,盲目增加网络的深度会使网络结构过于复杂且图像高频信息容易丢失。对低分辨率图像中提供的层次特征同等地对待而不加区分,会阻碍卷积神经网络的表达能力。针对该问题,提出了一种基于多尺度残差和层次注意力的重建网络。网络由不同层次的跳过连接、多尺度残差块和层次注意力模块组成,能实现有效的图像重建;利用不同层次的跳过连接绕过图像中大量低频信息,使主网络专注于学习图像高频信息。设计了多尺度残差模块和层次注意力模块以自适应地提取不同比例的图像特征和有针对性地融合不同层次的特征。实验结果表明,与其他模型相比,所提出的模型更能有效地利用原始图像信息,恢复出细节更清晰的超分辨率图像。提出的模型在客观评价指标上表现优异且模型参数数目少,易于训练。

基于ADS的射频通信系统设计与分析

该文将射频前端发射部分和后端接收部分连通,构成射频收发系统,用ADS软件在射频段设计了完整的模拟和数字两种通信系统,分析了射频通信系统的时域波形、收发系统增益、眼图、灵敏度及线性度等性能参数,对眼图进行了优化,讨论了通信系统在射频段与普通频段的异同。同时,结合硬件测试数据,将仿真结果加入到实际教学环节,讨论了射频通信系统中的各个影响因素,在提高实验教学质量的同时,探索了实际无线环境对射频系统通信质量的具体要求。

无监督编解码模型的多聚焦图像融合算法

目前在多聚焦领域,大部分基于监督学习的深度模型都需要制作带标签的大规模数据集来训练网络,而制作数据集则需要花费很大的成本。为此,提出一种基于无监督学习的深度模型来实现准确和有效的多聚焦图像融合。通过无监督的方式在公共数据集上训练引入双重注意力机制的编码-解码模型,提取源图像的深层特征;利用改进的拉普拉斯能量和对深层特征进行聚焦检测得到决策图;根据决策图得到融合图像。实验结果表明,所提方法与14种先进算法相比,在主观视觉方面保有更多的图像细节,在7个客观指标中,有6个指标实现了最优结果。