卷积神经网络中的层次特征可以为图像重建提供重要信息。然而,现有的一些图像超分辨率重建方法没有充分利用卷积网络中的层次特征。针对该问题,本文提出一种基于空间注意力残差网络的模型(Residual Network Based on Spatial Attention,...卷积神经网络中的层次特征可以为图像重建提供重要信息。然而,现有的一些图像超分辨率重建方法没有充分利用卷积网络中的层次特征。针对该问题,本文提出一种基于空间注意力残差网络的模型(Residual Network Based on Spatial Attention,SARN)。具体来说,首先设计一种空间注意力残差模块(Spatial Attention Residual Block,SARB),将增强型空间注意力模块(Enhanced Spatial Attention,ESA)融入残差模块中,网络可以获得更有效的高频信息;其次融入特征融合机制,将网络各层获得的特征进行融合,提高网络中层次特征的利用率;最后,将融合后特征输入重建网络,得到最终的重建图像。实验结果表明,该模型无论在客观指标上,还是主观视觉效果上均优于对比算法,这说明本文提出的模型可以有效地利用图像中的层次特征,从而获得较好的超分辨率重建效果。展开更多
结合声波与电磁波的物理特性,建立光子晶体与声子晶体物理量之间的联系,通过类比光子晶体能带结构的求解过程,对声子晶体能带结构进行仿真计算。以二维声子晶体为研究对象,通过重新建立数学模型,利用Born-von-karman周期性边界条件和布...结合声波与电磁波的物理特性,建立光子晶体与声子晶体物理量之间的联系,通过类比光子晶体能带结构的求解过程,对声子晶体能带结构进行仿真计算。以二维声子晶体为研究对象,通过重新建立数学模型,利用Born-von-karman周期性边界条件和布洛赫态,推导出声子晶体偏微分形式的本征方程,基于有限元仿真软件COMSOL Multiphysics系数偏微分模块(coefficient form PDE),求解出相应的本征频率从而求解出能带。与已有计算方法相比,该方法在适用性,难易程度等方面具有明显的优越性。展开更多
文摘结合声波与电磁波的物理特性,建立光子晶体与声子晶体物理量之间的联系,通过类比光子晶体能带结构的求解过程,对声子晶体能带结构进行仿真计算。以二维声子晶体为研究对象,通过重新建立数学模型,利用Born-von-karman周期性边界条件和布洛赫态,推导出声子晶体偏微分形式的本征方程,基于有限元仿真软件COMSOL Multiphysics系数偏微分模块(coefficient form PDE),求解出相应的本征频率从而求解出能带。与已有计算方法相比,该方法在适用性,难易程度等方面具有明显的优越性。
