基于生成对抗网络的轻量级图像盲超分辨率网络

针对图像盲超分辨率网络计算参数多、模型庞大的问题,对快速且节省内存的轻量级图像非盲超分辨率网络(fast and memory-efficient image super resulotion network,FMEN)进行改进,提出了一种轻量级的快速且节省内存的图像盲超分辨率网络(fast and memory-efficient image blind super resulotion network,FMEBN)。首先,通过图像退化模块模拟部分真实世界退化空间,使用退化预测模块预测低分辨率(low resolution,LR)图像的退化参数;然后,为能有效利用退化先验信息指导并约束网络进行重建,使用动态卷积对原网络特征提取、重建模块、高频注意力块(high frequency attention block,HFAB)结构进行改进;最后,使用生成对抗网络(generative adversarial network,GAN)对FMEN训练策略与损失函数进行优化,减小真实数据与生成数据的差异,生成更加真实、清晰的纹理、轮廓。实验结果表明,在合成图像数据集和真实图像数据集RealWorld-38上,该算法有较好的重建精度与视觉效果,模型大小12 MB,可以满足图像盲超分辨率网络的轻量级需求。

高分辨率卫星遥感数据在城乡历史文化保护传承方面的应用

高分辨率卫星遥感数据具有高时间分辨率、高空间分辨率、高光谱分辨率等数据特性,为城乡历史文化保护传承工作提供了新机遇、新技术。本文对高分辨率遥感数据在城乡历史文化预防性保护、城乡历史文化保护规划、城乡历史文化智能化管理、城乡历史文化监测评估4个方面的应用进行了梳理,如图1所示。

一种超分辨率重建方法的雷达图像处理

目前直升机对于机载雷达高质量图像以及视频的需求不断增长,而局限于图像与视频的成像过程以及传输过程,我们得到的机载雷达图像往往是低分辨率图像,为获得高分辨率图像,我们希望应用软件的方法,低成本地还原高分辨率图像,因此可以采用超分辨率技术。本文主要对基于稀疏表示的单幅图像SCSR重建算法和基于稀疏表示的单幅图像SCDL重建算法进行了仿真实现,横向对比了这两种算法及双三次插值的结果。基于稀疏表示的单幅图像SCSR重建算法算法原理通过大量的样本图像训练得到一对耦合的高、低分辨率字典,并基于假设:同一个场景所对应的高、低分辨率图像在各自的高、低分辨率字典(由对多幅训练样本图像得到)下有相同的稀疏系数表示。

基于多分辨率-多边形单元建模策略的多材料结构动刚度拓扑优化方法

利用多边形有限单元的高精度求解优势,融合多分辨率拓扑优化方法,实现粗糙位移网格条件下的高分辨率构型设计,由此提出多材料结构动刚度问题的拓扑优化方法。将多边形单元(位移场求解单元)劈分为精细的小单元,构造设计变量与密度变量的重叠网格,形成多分辨率-多边形单元的优化建模策略;以平均动柔度最小化为目标和多材料的体积占比为约束,建立多材料结构的动力学拓扑优化模型,通过HHT-α方法求解结构动响应,采用伴随变量法推导目标函数和约束的灵敏度表达式,利用基于敏度分离技术的ZPR设计变量更新方案构建多区域体积约束问题的优化迭代格式;通过典型数值算例分析优化方法的可行性和动态载荷作用时间对优化结果的影响机制。

基于空间非一致模糊核标定的红外图像超分辨率重建方法

近年来,红外成像系统在工业、安防、遥感等领域获得了广泛的应用,但由于制造工艺及成本制约,红外系统的分辨率仍然较低。基于深度神经网络的单帧图像超分辨率重建技术是提高红外图像分辨率的有效方法,获得了广泛研究,并在仿真图像上取得了显著进展,但应用于实际场景图像时容易出现伪影或图像模糊等现象。造成这种性能差异的主要原因是目前方法大多假定造成图像退化的模糊核是空间一致的,然而实际红外光学系统不可避免地存在像差、热离焦等,由此造成的图像模糊的模糊核并非空间一致的。针对这一问题,提出了一种非盲模糊核估计方法,通过采集特定的靶标图像,并设计模糊核估计网络,求解空间非一致模糊核;设计基于图像分块的超分辨率重建方法,将图像块和对应区域的模糊核一起输入非盲超分辨率重建网络进行子块图像重建,再通过子块合并和重叠区域图像融合,得到最终的高分辨率图像。实验结果表明,光学系统自身引起了模糊核随空间位置缓慢变化,在实验室条件下标定模糊核并基于图像分块进行超分辨率重建的方法可显著提高红外图像超分辨率重建的效果。

轻量级重参数化的遥感图像超分辨率重建网络设计

针对当前基于深度学习的遥感图像超分辨率重建模型部署时对硬件要求较高,本文设计了一种轻量级基于重参数化的残差特征遥感图像超分辨率重建网络。首先,采用重参数化方法设计了一种残差局部特征模块,以有效地提取图像局部特征;同时考虑到图像内部出现的相似特征,设计了一个轻量级的全局上下文模块对图像的相似特征进行关联以提升网络的特征表达能力,并通过调整该模块的通道压缩倍数来减少模型的参数量和改善模型的性能;最后,在上采样模块前使用多层特征融合模块聚合所有的深度特征,以产生更全面的特征表示。在UC Merced遥感数据集上进行测试,该算法在遥感图像3倍超分辨率下的参数量为539 K,峰值信噪比为30.01 dB,结构相似性为0.8449,模型的推理时间为0.010 s;而HSENet算法的参数量为5470 K,峰值信噪比为30.00 dB,结构相似性为0.8420,模型的推理时间为0.059 s。实验结果表明,该算法相比HSENet算法,参数量更少,运行速度较快,且峰值信噪比与结构相似性也有一定的提高。在DIV2K自然图像数据集上进行测试,该算法的峰值信噪比和结构相似性相比其他算法也有一定的优势,表明该算法的泛化能力较强。

二阶逐层特征融合网络的图像超分辨重建

针对一些超分辨网络忽略了对网络各层次特征的复用以及融合的问题,构建了具有较强特征复用和融合能力的二阶逐层特征融合超分辨网络,以获得具有高分辨率、高保真度的重建图像。网络的核心是逐层特征融合模块,该模块通过特征融合操作增强特征的重用。此外,还提出了二阶特征融合机制,该机制在网络的局部和全局层次上采用逐层特征融合方法进行特征融合。实验结果表明该网络的重建图像在线条和轮廓上更清晰,并且在峰值信噪比和结构相似度上也取得了更好的结果。例如当缩放尺度因子为2时,各测试集上的峰值信噪比/结构相似度依次为38.20 dB/0.9612、33.81 dB/0.9195、32.28 dB/0.9010、32.65 dB/0.9324、39.11 dB/0.9779,相比其他模型有一定提升,从客观标准和主观角度证明了二阶逐层特征融合超分辨网络具有一定的优越性。

3.0T高分辨磁共振成像技术在急性缺血性脑卒中的应用及预后影响因素分析

目的:探讨3.0T高分辨磁共振(HR-MRI)成像技术在急性缺血性脑卒中(AIS)的应用及预后影响因素。方法:选取2019年1月至2022年6月海南省人民医院收治的92例AIS患者,均予以溶栓治疗,并在治疗后90 d依据改良Rankin量表(mRS)将其纳入预后良好组(66例,mRS评分≤2分)与预后不良组(26例,m RS评分>2分)。所有患者于入院1周内行MagnetomTrio型3.0T HR-MRI检查,对比管腔狭窄率、最狭窄处管腔面积、斑块负荷、T_(2)加权成像(T_(2)WI)信号强度指数、T_(1)WI信号强度指数及斑块强化率参数变化;采用受试者工作特征(ROC)曲线,分析3.0THR-MRI参数对AIS预后的预测价值;采用二元Logistic回归模型分析影响AIS患者预后的危险因素。结果:两组患者梗死灶直径比较,差异具有统计学意义(x^(2)=6.574,P<0.05)。预后不良组患者最狭窄处管腔面积低于预后良好组,T_(2)WI信号强度指数、T_(1)WI信号强度指数及斑块强化率均高于预后良好组,两组比较差异有统计学意义(t=-3.378、4.443、4.413、3.890,P<0.05)。ROC曲线分析显示,T_(2)WI信号强度指数、T_(1)WI信号强度指数、最狭窄处管腔面积及斑块强化率预测AIS预后的ROC曲线下面积(AUC)值分别为0.743、0.739、0.706和0.748。Logistic回归分析显示,梗死灶直径>3.0 cm、T_(1)WI信号强度指数、T_(2)WI信号强度指数、最狭窄处管腔面积及斑块强化率是影响AIS预后的独立危险因素(OR=3.889、257.151、105.073、4.091、1.121,P<0.05)。结论:3.0THRMRI在AIS患者预后评估中具有较高效能,能通过观察T_(2)WI信号强度指数、T_(1)WI信号强度指数、最狭窄处管腔面积、斑块强化率等参数变化,为预后判断及治疗方案制定提供指导,且上述参数是影响患者预后的危险因素,往往代表患者病情进展。

深度域保真与高分辨期望成像子波

地震分辨率在地震数据采集、地震波成像处理和地震地质解释各阶段都具有非常重要的指导性意义。以地震子波主频、优势频带甚至倍频程为标志的地震分辨率描述方法已经不能满足当前及今后以岩性储层描述为目标的地震勘探需求,需要给地震分辨率赋予新的内涵。根据地震波反演成像理论,指出决定成像结果分辨能力的是Hessian算子(或成像子波),而决定Hessian算子的因素包括激发和接收地震子波、采集孔径(宽方位和长偏移距)、偏移速度场和偏移算子。认为成像子波完整的振幅谱形态决定了它的分辨能力。从成像分辨率定义切入,讨论了地震分辨率的内涵及其影响因素,将地震分辨能力归结为成像剖面上成像子波的分辨能力,进一步分析认为拥有低中频占优的宽带振幅谱的成像子波具有更强的分辨能力。根据深度域保真与高分辨成像子波的物理含义及给定目标层位保真分辨的需求,提出了期望成像子波的概念,给出了当前成像子波的旁瓣不畸变相邻地层反射子波的主瓣幅值是保真分辨的定义,保真分辨是高精度宽带弹性参数(宽带波阻抗)重构的必要条件。上述与成像分辨率相关的新概念对以宽方位、宽频带、高密度和高信噪比地震数据采集技术+FWI反演成像技术为代表的新时期的实际地震数据的采集、成像处理和地震地质解释具有更明确的指导意义。

基于高分辨一维距离像及其特征的空间目标识别效果分析

目标高分辨一维距离像(High Resolution Range Profile,HRRP)中包含了丰富的目标尺寸、结构等目标特征,是进行空间目标身份识别的有效途径。但由于卫星宽带雷达实测数据获取难度大,前期相关研究多集中于基于HRRP的目标识别算法,结论也多是基于仿真数据和少量类别(几类)的前提下得到的,与工程应用实际情况有较大差距,工程指导意义有限。为解决这一问题,基于地基雷达获取的30类卫星目标的大量一维距离像实测数据,从识别正确率的角度对目标HRRP及其特征(组合)的可分性和在空间目标个体识别中的应用效果进行了量化分析,分析结果可为后续基于HRRP的空间目标个体识别技术研究和工程应用提供可靠依据。

基于空间特征交叉融合的轻量级图像超分辨率重建

近几年,深度学习技术显著提高了单幅图像超分辨率重建(Single Image Super-resolution Reconstruction,SISR)的性能,但基于深度学习技术的SISR算法存在模型参数量大、网络结构复杂、资源消耗多等问题。为解决这些问题,提出一种基于空间特征交叉融合的轻量级图像超分辨率重建算法,该算法使用多个局部特征融合模块和特征交叉增强模块组成非线性映射单元,通过残差学习逐步聚合图像特征,提取更加精准的残差信息。同时采用对称结构将特征映射到两个分支,通过执行特征交叉,对应元素相乘提取高频成分,细化特征,增加网络非线性。在每个特征交叉增强模块中使用异构卷积代替标准卷积拆分和融合两条分支,有效地降低网络的参数量,使网络在参数量和性能之间达到相对平衡。通过一个多级集成模块增强不同阶段特征的相关性。在基准数据集上的实验结果表明,新的重建算法在降低模型参数量的同时,峰值信噪比和结构相似度均取得了较好的结果,而且重建图像的边缘结构完整,整体轮廓清晰,细节更加丰富。

结合坐标注意力与生成式对抗网络的图像超分辨率重建

针对现有生成式对抗网络GAN的图像超分辨率重建模型中存在着特征信息利用不充分、VGG式判别器对局部细节的判断能力较弱以及训练不稳定的问题,提出了一种结合坐标注意力与生成式对抗网络的图像超分辨率重建模型。首先,以嵌有坐标注意力的残差块构建生成器,沿通道和空间2个维度聚合特征,更充分地提取特征。然后,调整Dropout加入网络的方式使其作用于生成器中,提高模型的泛化能力。接着,以U-Net结构构造判别器,输出详细的逐像素反馈,以获取真假图像间的局部差异。最后,在判别器中引入谱归一化正则化,稳定GAN的训练。实验结果表明,当放大因子为4时,在基准测试集Set5和Set14上取得的峰值信噪比平均提高了1.75 dB,结构相似性平均提高了0.038,能够重建出更加清晰且真实的图像,重建图像具有良好的视觉效果。

多尺度残差密集注意力网络图像超分辨率重建

目的使用单一尺度卷积网络提取低分辨率(low-resolution,LR)图像特征会造成大量图像高频特征丢失,为了获取更多高频特征,重建更清晰的超分辨率图像,方法提出一种基于多尺度残差密集注意力网络(multi-scale residual dense attention network)的单幅图像超分辨率重建算法。首先,使用卷积网络从低分辨率图像中提取浅层特征并将其作为后续网络各级输入;其次,采用各级多尺度残差密集注意力块(multi-scale residual dense attention block)处理前级网络图像特征并从中提取图像高频特征,多尺度残差密集网络善于提取更丰富的图像特征,并融入注意力机制,增强网络对高频区域特征的关注;然后,将网络各级提取不同深度的图像特征进行全局特征融合;最后,融合后的特征经上采样输出重建的超分辨率图像。结果放大因子为4时,网络在SET5,SET14,BSDS100,URBAN100和MANGA109数据集上测试,峰值信噪比分别为31.97,28.58,27.57,25.85,29.79 dB;网络中基本模块分别由多尺度残差密集注意力块、残差块和密集块替换提取特征,以峰值信噪比作为模块性能评估标准,多尺度残差密集注意力块表现更优异。结论该网络结合多尺度残差密集网络能够获取更丰富图像高低频信息,融入注意力机制有效对网络中高频信息进行提取,能重建纹理更清晰的超分辨率图像。

基于相位变化率的体目标与点源合成目标回波分辨

针对水下体目标与多点源合成回波信号的分辨问题,本文基于体目标与多点源合成回波信号的形成机理差异,表征分析了影响水下目标回波相位形成的关键因素及水下体目标与多点源合成回波相位形成的差异性,基于2类回波信号相位变化率的特征差异,提出并建立了基于相位变化率的体目标回波与多点源合成回波的分辨方法。通过Benchmark基准潜艇缩比模型和多点源合成目标模型的特性仿真和湖上对比测试对2类回波信号的分辨方法进行了验证,仿真和测试数据分析结果表明:通过对比同方位角度范围内的回波相位变化率,可以对体目标回波与多点源合成回波进行分辨,验证了基于相位变化率的水下体目标与多点源合成回波分辨方法的可行性。

北天山流动重力测网场源分辨能力

利用球面六面体单元网络模型建立不同分辨率的重力异常扰动模型检测板,基于北天山地区实际地表流动重力测点分布,进行设定场源异常体的等效源反演恢复,进而评估北天山流动重力测网场源分辨能力。结果表明,在假设地下10 km处存在密度差为±1×10^(-3)g/cm^(3)的场源异常体情况下,北天山重力测网具备0.75°×0.75°及以上场源异常体识别能力;测网中大部分地区具备0.5°×0.5°场源异常体识别能力;测点分布较密集的少部分地区具备0.25°×0.25°场源异常体识别能力。最后,综合考虑北天山测网现有网形、地形、交通条件等因素,给出测网最佳优化方案。

时间分辨动态LIBS测量方法

针对激光诱导击穿光谱(LIBS)研究对时间分辨动态光谱测量方法的需求,建立了基于多通道光纤束的动态LIBS测量方法。该方法首先利用不同长度的光纤组成多通道光纤束,对瞬态LIBS信号进行差异延迟,使按照特定时间序列发射的光谱信号同步到达探测器,而后采用面阵ICCD相机对同步到达的多通道光谱信号进行高时间分辨探测。该方法单次测量即可获得LIBS辐射不同时刻的时间分辨光谱。为了验证基于多通道光纤束的动态LIBS测量方法,研制了具有19个通道的光纤束,光纤束中包含的各个单根光纤长度呈等差数列排布,长度差设置为10 m,对应测量的时间间隔约为50 ns,单次测量记录的总时间长度近900 ns。分别基于短脉冲激光光源和标准光源,开展了系统时间响应和光谱响应特性研究,获得了系统的时间响应数据和光谱响应曲线。用YAG激光器的二倍频激光(532 nm)诱导Si产生等离子体辐射光谱,在线测量了辐射光谱的时间演化历程,获得了Si等离子体辐射过程中SiⅠ390.52 nm,SiⅡ385.51 nm,SiⅡ413.12 nm谱线从0~898 ns时间范围内19个时刻的光谱信息,获得了特征光谱的演化规律,验证了该测量方法的可行性。结果表明,利用该测量方法,单次测量可以获得瞬态LIBS辐射过程中19个时刻的光谱参数,具有很高的测量效率。对于实验成本较高、运行频率低的激光诱导等离子体实验研究,采用该方法可以大大降低了测量成本,有效提升等离子体时间分辨动态光谱测量能力。

二值振幅型远场超分辨消色差聚焦器件研究

具有远场超分辨聚焦特性、消色差、小尺寸和易加工的光学聚焦器件在光学成像、光学显微和光刻等领域具有巨大应用潜力.本文提出了一种基于光学超振荡基本原理,结合角谱衍射理论和二进制粒子群算法的二值振幅型远场超分辨消色差聚焦器件设计方法.为了验证所提出设计方法,首先针对波长λ_(1)=405 nm,λ_(2)=532 nm和λ_(3)=632.8 nm的径向偏振光对二值振幅型远场超分辨聚焦器件振幅进行优化设计,再对三者振幅分布进行逻辑“与”操作,使其同时含有3个工作波长远场超分辨聚焦的振幅分布信息.仿真结果表明:在3个波长入射条件下相应的峰值半高全宽分别为0.441λ_(1) (0.179μm),0.469λ_(2 )(0.249μm)和0.427λ_(3) (0.270μm),低于阿贝衍射极限,实现了远场超分辨消色差聚焦,且同时聚焦较小的旁瓣比率(<15%).此类器件具有易加工、消色差和超分辨等优点,适用于光学系统微型化、集成化.所提出的设计方法可拓展至其他光学波段,并为相关光学研究领域提供核心聚焦器件.

基于混合时空卷积的轻量级视频超分辨率重建

针对三维卷积神经网络在视频超分辨率任务上具有较高的计算复杂度以及提取时空特征有限的问题,本文设计了一种基于混合时空卷积的轻量级视频超分辨率重建网络。首先,提出了一个基于混合时空卷积的模块,实现了网络时空特征提取能力的提升以及计算复杂度的降低;其次,提出了一个基于相似性的选择性特征融合模块,进一步增强了相关特征的提取能力;最后,设计了一种基于注意力机制的运动补偿模块,在一定程度上减轻了错误的特征融合的影响。实验结果表明:所提网络可以在视频超分辨率性能和网络复杂度之间取得很好的平衡,而且在基准数据集SPMCS-11上4倍超分辨率达到8 frame/s。所提网络满足了边缘设备推理运行中快速、准确等要求。

南海神狐海域天然气水合物微观赋存特征的超分辨率CT图像识别

南海神狐海域是我国天然气水合物资源勘探开发的主要目标区之一,2017和2020年先后两次现场试验性开采证实了水合物资源的利用前景。目前,对该地区含水合物储层的精细评价还有待进一步提升,水合物在沉积物孔隙空间中的微观赋存形态是其中的重要影响因素。针对水合物微观赋存形态CT图像表征存在的分辨率不足的问题,建立了一种基于自监督学习的数字图像超分辨率重建算法,实现了CT扫描图像空间分辨率的2倍和4倍提升。在此基础上,对南海神狐海域含水合物沉积物孔隙结构演化规律和水合物微观赋存特征进行了形态表征。由于南海沉积物中存在大量有孔虫壳体,水合物主要占据有孔虫壳体内部空间并堵塞了空隙间的连通喉道,显著降低了沉积物的气、水渗透能力;然而,水合物未能全部占据整个孔隙空间,仍然会有少量的气体和水残留,气体则主要分布于水合物颗粒内部,而水则主要分布在水合物颗粒表面,上述实验结果对地震、测井等现场勘探数据解释具有一定的指导意义。

基于正则化约束的方位伽马成像测井分辨率提高方法

随钻方位伽马测井可以用于地层放射性强度分析及地质导向、储层界面识别,但受到统计误差的影响非常大,曲线和成像分辨率不高,特别是在对比度不高的地层中,这种影响更明显。为了提高随钻方位伽马测井的成像分辨率,提出一种基于仪器响应特性对方位伽马数据进行正则化处理的方法,以获得更准确的地层放射性强度。首先根据探测器响应原理,采用数值模拟和实验方法得到方位伽马测井的响应灵敏函数,并验证得到的灵敏因子的准确性。然后,通过构造正则化计算公式、调整计算参数对测量的原始方位伽马数据进行处理。结果表明:经该方法处理后得到方位伽马曲线的聚焦性能、对比度得到提高,避免了过去使用线性求解方法所导致的过拟合问题,且伽马成像分辨率有显著增强,薄层识别能力也得到一定改善。该方法能够提供更加准确和清晰的成像结果,提高仪器的地质导向能力和储层钻遇率。