基于傅里叶卷积的多通道语音增强

神经波束形成器(Neural Beamformer)的构建是处理多通道语音增强任务的主要方法之一,其通过求解波束权值对多通道信号进行滤波从而获得纯净语音。与传统波束求解空间协方差矩阵的原理类似,频谱信息和空间线索在神经波束形成器的波束权值估计中也起着至关重要的作用。由于缺乏对频谱和空间信息的充分学习,现有许多工作无法对波束权值进行最优估计。为应对这一挑战,构建了一种基于傅里叶卷积的上下文特征提取器,在频率轴上具有全局感受野,并加入时频卷积模块对时间上下文信息建模,增强对输入频谱图上下文信息的学习;采用了一种新的卷积循环网络(Convolutional Recurrent Network, CRN)结构,其编解码模块中嵌入了所提的上下文特征提取器,并在跳连接中嵌入卷积注意力模块(Convolutional Block Attention Module, CBAM)。所提出的CRN结构能充分从输入特征频谱图中捕获时频上下文信息以及跨通道的空间信息。实验结果表明,该方法参数量仅1.14 M,与目前先进的基线系统对比达到最优性能。

联合傅里叶卷积与通道注意力的光场角度重建

光场相机能够同时捕获光线的强度和方向信息,但由于成像传感器尺寸的限制,无法同时获得高空间和角度分辨率的光场图像。提出了一种联合傅里叶卷积和通道注意力的光场角度重建方法,通过使用稀疏光场图像4个边角位置的参考视图,可以间接地重建出密集光场图像。考虑到光场数据的内在4D结构,采用通道级密集快速傅里叶残差卷积块,在空域和频域对光场图像的空间和角度相关性进行建模,然后采用基于全局响应归一化的通道注意块,以实现通道间的自适应融合。此外,还提出了一种改进的视点加权间接合成方法,通过为每个参考视图分配一个置信图,为参考视图之间建立联系以合成更真实的新视图。实验结果表明,相比于现有先进的光场角度重建算法IRVAE,所提方法的重建光场图像质量在自然光场数据集30Scenes,Occlusion和Reflective上的平均PSNR分别提高了0.08,0.13和0.13 dB。所提方法在保证光场角度一致性的前提下取得了清晰的重建结果。

融合快速傅里叶卷积的域变换图像去雨滴方法

在下雨天气中,玻璃上的雨滴会对图像质量产生严重影响,且目前的去雨滴方法过度依赖成对图像,使得无监督图像雨滴去除面临较大挑战。针对这一问题,提出一种域变换图像去雨滴方法。构建域变换网络(DTN),通过有雨与无雨域之间的变换,以无监督的方式实现图像的雨滴去除。同时,通过引入快速傅里叶卷积(FFC)来设计生成网络和判别网络,实现全局与局部特征的信息交互。在FFC中,通过频谱变换(ST)对空间域和频域进行转换,克服传统卷积神经网络(CNN)感受野不足的问题,从而更好地感知细小的雨滴。在2个真实的雨滴测试集上进行去雨滴实验,结果表明,该方法在定量结果和视觉效果上均优于现有的先进方法。与改进前的U-Net+马尔可夫判别网络相比,改进后的该方法在峰值信噪比(PSNR)和结构相似性指数(SSIM)上分别提升3.37 dB和0.0313,并且其能在去除雨滴的同时还原更多的图像纹理细节。

基于隐层傅里叶卷积的非平稳纹理合成方法

随着深度学习在计算机视觉领域取得的巨大成功,基于示例的纹理合成研究得到了长足的发展.当下主流纹理合成模型往往采用神经网络方法,其通常包含卷积层和上采样层、下采样层等局部组件,并不适用于捕捉非平稳纹理中的不规则结构特征.受频率域与空间域的对偶性质的启发,提出了一种基于隐层傅里叶卷积的非平稳纹理合成方法.该方法以生成对抗网络为基础架构,沿着隐层通道进行特征拆分,搭建图像域局部分支和频率域全局分支,进而兼顾视觉感知和结构信息.实验表明,该方法能够处理结构上极具挑战的非平稳纹理样本,相较于目前最优方法而言,在大尺度结构的学习与扩展上取得了更好的效果.

基于傅里叶卷积和多特征调制的图像修复网络

目的解决大面积破损难以修复且修复过程中感受野、特征空间信息利用不足,导致修复后的孔洞区域与背景之间出现结构、纹理、风格不一致的问题。方法基于傅里叶卷积和多特征调制的修复网络FFC-MFMGAN,傅里叶卷积在网络的浅层便具有较大的感受野,尤其是在宽掩码时能够跳过掩码区域,捕获到有效特征,多特征调制生成网络能够分别利用完整区域的信息和随机样式操纵,增强与未受损区域的语义连贯性,以及大空洞率下修复的多样性。结果在Place 2数据集上,将文中方法与其他图像修复方法进行了对比实验,经过测试,各类指标均得到明显改善,峰值信噪比提高了1.4%,结构相似性提高了4.5%,平均绝对误差降低了12.6%,基于学习的感知图像块相似性降低了9.1%。结论FFC-MFMGAN网络能够较好地修复大面积不规则孔洞,同时增强修复图像的全局结构性和清晰度,对实际包装印刷图像的缺陷修复也有一定参考价值。

基于残差变换器的并行傅里叶卷积修复算法

为解决现有图像修复算法因缺乏上下文信息和有效的感受野导致修复大面积随机破损时效果差且只能修复低分辨率图像的缺陷,提出了基于残差变换器的并行傅里叶卷积修复算法.首先,提出基于变换器的改进残差网络模块提取待修复图像的纹理特征;然后,设计并行快速傅里叶卷积模块增强损失图像的高度有效感受野捕捉结构信息;最后,提出门控双特征融合模块交换和结合图像的结构与纹理分量,融合上下文特征,改善生成纹理的细粒度.在两个公开数据集上进行定性和定量实验,实验结果表明:所提算法可有效修复结构复杂且纹理精细的随机不规则大面积破损区域,生成结构合理、纹理细腻和语义丰富的高保真图像,并能用于高分辨率图像的目标移除.

傅里叶退卷积光谱噪音特性研究

通过数学推导给出了更为一般的计算傅里叶退卷积FSD(Fourier self-deconvolution)光谱信噪比变化率的公式.研究了在六种不同切趾函数情况下,当退卷积系数由小逐渐增大时,傅里叶退卷积光谱信噪比变化率随切趾长度的变化.研究结果表明,当傅里叶退卷积由欠退卷积过渡到完全退卷积再到过退卷积时,傅里叶退卷积光谱信噪比的衰减迅速加快.

傅里叶变换红外光谱法鉴别山药正品、伪品及其习用品

目的对山药正品、伪品及其习用品的红外光谱进行对比分析,为其鉴别提供参考。方法采用傅里叶变换红外光谱法(fourier transform infrared,FTIR)测定山药正品、伪品及其习用品的红外光谱,分别应用导数光谱和傅里叶自解卷积对图谱进行转换处理,对比寻找山药正品、伪品及其习用品的光谱特征差异吸收。结果山药正品、伪品及其习用品的红外原始光谱除木薯外无明显差异,但经导数光谱变化后于2 370cm-1及500～1 200cm-1处出现明显的特征差异吸收峰,应用傅里叶自动解卷积转化后于800～1 200cm-1和1 700～1 750cm-1两个波段处出现具有明显特征差异的吸收峰。结论山药正品、伪品及其习用品的FTIR经过导数光谱和傅里叶自动解卷积转化后可出现明显的差异特征,应用该方法能较好地鉴别山药正品、伪品及其习用品。

基于多注意力机制的纹理感知视频修复方法

针对现有视频修复方法无法有效利用远处空间内容信息而导致修复结果中存在结构和纹理不合理的问题,提出了一种基于多注意力机制的纹理感知视频修复方法。该方法设计了由多头时空注意力和单图局部注意力构成的多注意力机制以保证全局结构并增强局部纹理,其中多头时空注意力关注整体时空信息,单图局部注意力通过局部窗口的自注意力机制精炼提取局部信息。另外,采用可即插即用的快速傅里叶卷积层残差块代替前馈网络中的普通卷积,将感受野扩展为整个图像,进一步增强了模型对图像纹理和结构的全局信息的获取能力。快速傅里叶卷积层残差块和单图局部注意力相辅相成,共同提升局部纹理的修复质量。在YouTube-VOS和DAVIS数据集上的实验结果表明,虽然提出的方法修复结果的客观质量评价仅次于最优方法Fuseformer,但其参数量和运行时间分别下降了54.8%和21.5%,而且能够生成视觉上更逼真、语义上更合理的修复内容。

多尺度信息融合的生成对抗网络壁画修复

针对现有壁画修复算法因缺乏对于图像远距离特征的捕获能力而导致修复结果结构紊乱,以及缺失边缘颜色不一致问题,提出一种多尺度信息融合的生成对抗网络壁画修复算法。首先,将多分支扩张卷积架构引入生成网络,各个子扩张卷积的卷积核以不同扩张率局部扩大感受野,提取图像的局部特征;其次结合快速傅里叶卷积基于全局感受野提取特征,实现壁画图像局部到全局的特征提取;最后引入自注意力与PatchGAN鉴别器以解决缺失边缘颜色不一致问题。根据自制壁画数据集进行模型的训练和测试,并与多组修复算法进行修复对比,实验结果表明,相较于对比算法,所提算法在峰值信噪比(PSNR)平均提升4.42dB,结构相似性(SSIM)平均提升4.4%,学习感知图像块相似度(LPIPS)平均提升11.3%。实验证明所提算法能够有效修复破损壁画,修复后的壁画有较好的结构和纹理信息,为真实壁画的修复工作提供了支撑。

基于改进Swin-Unet的糖尿病性黄斑水肿分割方法

糖尿病性黄斑水肿(DME)是糖尿病患者最常见的失明原因之一,光学相干断层扫描技术(OCT)有助于糖尿病视网膜病变的早期检测和预防,视网膜OCT图像中的DME区域分割常被用于定量评估黄斑区的水肿程度和病变区域的面积。针对糖尿病性黄斑水肿分割存在的小目标区域漏分割以及部分水肿区域分割不准确的问题,提出了一种改进Swin-Unet的DME分割方法,提高了区域分割的准确性。首先,将Swin-Unet的瓶颈替换为由快速傅里叶卷积(FFC)块构成的频域特征提取模块,用于提取视网膜OCT图像中所包含的光谱域信息;其次,对语义分割后的区域进行形态学图像处理技术进行处理,提升结果的可视化效果;最后,在OCT2017和杜克大学数据集上对模型进行了验证。实验结果表明,与Swin-Unet相比,所提出的方法在OCT2017数据集上dice相似系数、交并比、召回率和精确率分别提升了3%、2%、2%和3%,在杜克大学数据集上分别提升了5%、4%、6%和5%,改进后的SwinUnet模型可以提升对DME分割的精度,为医生提供更为可靠的诊断依据。

联合全局与局部特征的深度压缩感知图像重构

从极少量的测量值中有效且高概率高质量恢复出原始信号是压缩感知图像重建研究的核心问题,学者们相继提出了传统和基于深度学习的压缩感知图像重建算法,传统算法通常基于优化模型迭代求解,重建质量和重建速度都无法保证;基于深度学习的算法重建质量相对较高,但缺乏物理可解释性。受滤波流的启发,本文提出了联合全局与局部的深度压缩感知图像重建模型(G2LNet),其以卷积层执行压缩采样以及初始重建过程,利用快速傅里叶卷积与滤波流,同时考虑了图像全局上下文信息和图像像素局部邻域信息,联合学习优化测量矩阵与滤波流,建立了完整的端到端可训练的深度图像压缩感知重建网络。经实验验证,在压缩感知图像重建领域常用的Set5,Set11,BSD68测试集上取得了良好的重建效果,在采样率为20%的情况下,G2LNet的图像重建质量相比于经典的传统算法MH与基于深度学习的算法CS⁃Net的平均PSNR分别提高了2.29 dB,0.51 dB,有效提升了重建图像质量。

基于透射型几何相位编码超表面的太赫兹波束自由操控

为了实现太赫兹波束的自由操控,基于Pancharatnam-Berry几何相位理论,提出一种多层C型单元结构,实现在目标频率下0到2π的太赫兹波透射传输相位调控。基于广义斯涅耳定律,构建2-bit和3-bit编码超表面,在圆偏振入射条件下,实现透射型太赫兹波束的散射角度调控。采用数字信号处理理论中的傅里叶卷积运算,对不同周期序列的编码超表面进行四位制编码卷积运算,获得新的编码序列,实现对透射太赫兹波散射角度的自由调控。利用多层C型编码超表面单元结构对其进行旋转编码,实现1阶和2阶涡旋相位板,产生不同阶数太赫兹波涡旋光束。

研究傅里叶变换光谱超分辨率的一种新方法

应用傅里叶退卷积、自回归模型与截断奇异值分解相结合的方法（简称为ＦＡＴ方法），获得了比采用常规变换方法高得多的光谱分辨率。与研究光谱超分辨率的其它方法相比，用ＦＡＴ方法进行光谱超分辨率估计，有分辨率高、谱线细锐、抗噪声能力强和无伪峰等许多优点。

调强放疗计划中两种不同剂量算法的比较

目的:通过比较Xio治疗计划系统中两种不同剂量算法的结果,以指导临床应用。方法:随机选择7例鼻咽癌患者的调强放疗计划,这些计划的剂量算法都是快速迭代。在射野方向、权重等设置条件都不变的前提下,改用快速傅里叶变换卷积算法重新优化治疗计划。比较两种剂量算法得到的剂量直方图参数、计划时间、治疗时间和机器跳数,并行配对t检验。结果:与快速傅里叶变换卷积算法相比,快速迭代算法PTVnx的95%覆盖率降低(t=-4.178,P=0.006),均匀指数降低(t=-1.374,P=0.219),适形指数增加(t=0.942,P=0.382);PTV1的95%覆盖率降低(t=-4.530,P=0.004),均匀指数不变(t=-0.079,P=0.940),适形指数变差(t=-1.679,P=0.144);PTV2的95%覆盖率降低(t=-4.130,P=0.006),均匀指数增加(t=2.264,P=0.064),适形指数降低(t=-2.819,P=0.030);右腮腺D30降低(t=-0.539,P=0.609);左腮腺D30降低(t=-1.236,P=0.263);脊髓D1cm3降低(t=0.622,P=0.557);脑干Dmax降低(t=-1.306,P=0.239);机器总跳数减少(t=-4.790,P=0.000);Gamma通过率提高(t=-0.601,P=0.560)。结论:与快速傅里叶变换卷积算法相比,快速迭代算法可显著降低危及器官受照剂量、缩短治疗时间。

XIO调强放疗计划中两种不同剂量算法的比较

目的:比较XIO调强放疗计划中两种不同剂量算法的效果。方法:选择2020年1月10日至2020年6月30日来东莞市人民医院接受手术治疗的10例宫颈癌患者作为研究对象,所有患者均接受调强放疗。放疗计划设计过程中,首先采用快速迭代算法进行剂量计算,于权重、射野方向等设置条件不改变的基础上变为应用快速傅里叶变换(FFT)卷积算法全面优化治疗计划。比较两种不同剂量算法取得的剂量体积直方图(DVH)参数、计划时间、计划跳数以及剂量验证通过率等结果。结果:相较于FFT卷积算法,快速迭代算法中的调强放疗计划跳数更少,Gamma通过率更高,差异具有统计学意义(P<0.05)。和快速迭代算法相比,FFT卷积算法的计划靶体积1(PTV1)、PTV2、PTV3更高,差异均具有统计学意义(P<0.05)。结论:相较于FFT卷积算法相较而言,实施快速迭代算法能减少危及器官照射剂量,减少治疗时间。

AOTF测量光谱分辨率提升算法的仿真

根据声光可调谐滤波器(Acousto-Optical Tunable Filter,AOTF)光谱测量系统分辨率随衍射波长变化的特点,研究了利用反卷积算法提高AOTF光谱仪测量光谱分辨能力的方法。结合光谱分辨率的分布,在谱段范围内进行坐标非线性变换,使整个光谱范围内的传递函数相同。再利用非线性迭代反卷积方法和傅里叶自反卷积方法对仿真AOTF光谱系统获取的线谱数据进行分辨率提升处理。仿真结果在分辨率上很大程度地得到了还原,原来由于分辨率低而丢失的信息得到了复原。

FAST IMPLEMENTATION OF CONVOLUTION BACKPROJECTION ALGORITHM IN SPOTLIGHT SAR

A fast implementation of the convolution backprojection（CBP）algorithm in spotlight synthetic aperture radar（SAR）is presented based on the fast Fourier transform（FFT）.Traditionally,the computation of the ＇backprojection＇ process is expensive,since resampling in the process is implemented by using the interpolation operation.By analyzing the relative location relationship among different pixels,the algorithm realizes the ＇backprojection＇ using a series of FFTs instead of the interpolation operation.The point target simulation validates that the new algorithm accelerates the CBP algorithm,and the computational rate increases about 85%.

热源影响下的涂层板滑动接触问题研究

基于离散卷积快速傅里叶变换(DC-FFT),推导了三维热弹性涂层压头-涂层板接触问题的频率响应函数的半解析解,应用数值模拟方法验证了半解析解的正确性,进而探讨涂层压头及涂层板的接触应力与涂层厚度h之间的关系。结果表明:三维热弹性域下涂层厚度与表面接触压力表现为负增长趋势,随着涂层厚度增加,表面接触压力呈现先快后慢的下降规律,涂层与基体弹性模量与接触压力之间呈现一次线性递增关系,表面接触压力增加速率与涂层厚度有较大关系,涂层与基体之间泊松比、热源Q对接触压力也具有较大程度的影响。

考虑表面形貌的接触应力分析

目的研究规则和实际表面形貌对二维平面线接触模型的影响。方法基于线接触几何特性,考虑表面受载后的弹性变形特性,结合规则和实际粗糙表面的形貌特征,并考虑磨合对表面的影响,采用移动平均滤波方法对实际粗糙表面进行光滑处理,利用共轭梯度法,求解表面接触压力和摩擦力,计算二维平面内接触近场应力分布,同时采用修正的离散卷积快速傅里叶变换方法提高计算效率。对比验证二维接触模型的准确性,并对比规则和实际粗糙形貌表面受法向载荷和切向载荷时平面应力分布云图中的应力分布和大小。结果圆面与圆形微凸体接触时,圆形凸体半径越小,最大Mises应力值越大,半径增大,最大Mises应力减小。多个圆形微凸体及正弦微凸体对应力分布影响类似。当考虑切向力时,会对应力分布云图中的应力分布形状和大小产生巨大影响。在相同平面表面形貌时,摩擦系数越大,Mises应力越大,并且应力沿摩擦力方向发生偏移。结论数值模型能准确计算出粗糙平面的应力。当圆面与规则表面轮廓平面接触时,与光滑表面接触时相比,Mises应力分布呈现很大不同,微凸体越小,应力越集中;摩擦力会使接触压力和近场Mises应力产生偏移,摩擦系数越大,偏移越明显。当考虑实际粗糙表面时,在粗糙界面尖端接触区域产生应力集中。经过磨合表面采用平均滤波光滑处理后,粗糙界面尖端接触区域应力集中将大幅减小。