改进残差网络下体操动作逆光图像超分辨增强

超分辨图像有利于信息获取与传递,但当下缺少对逆光低分辨率图像的研究。为解决逆光图像中阴影噪声的问题,提出一种基于改进Retinex逆光图像分解增光算法,通过结合DRAN双重残差注意力网络,构建出逆光图像超分辨率增强模型,即NRE-DRAN模型。模型首先将基于Retinex理论将逆光图像分解成光照量图与反射量图,并通过调节网络与恢复网络处理两分量图,然后将处理后的分量图融合,降低逆光噪声的影响;接着采用DRAN特征提取模块提取浅层纹理特征与深层语义特征,然后利用信息蒸馏模块增强特征信息,并串联拼接成融合特征图,最后基于残差图与上采样图重构出超分辨图像。多组基线算法叠加模型仿真对比结果表明,在GBI体操动作逆光图像数据集上,NRE-DRAN模型具有最优的SSIM指标(较其它叠加模型相比平均提升了3.93%)与较优的PSNR指标(指标排名第二)。综上所示,NRE-DRAN逆光图像超分辨率增强模型在解决逆光阴影噪声问题的同时有效的增强了图像的超分辨率,且该模型具有较高的时效性。

基于轻量级金字塔密集残差网络的红外图像超分辨增强

现有的红外制导武器严重依赖操作手对目标的捕获,其捕获的精度与目标的纹理细节正相关。为了提升弱小区域的显示质量,满足现有导引头小型化、模块化、低成本的设计要求,本文设计了一种基于轻量级金字塔密集残差网络的图像增强模型,该模型在密集残差网络基础上通过密集连接层和残差网络来学习不同尺度图像之间的非线性映射,充分利用多尺度特征进行高频残差预测。同时,采用深度监督模块指导网络训练,有利于实现较大上采样因子的超分辨增强,提高其泛化能力。大量仿真实验结果表明本文所提出的超分辨模型能够获得高倍率的超分辨增强效果,其重建质量也优于对比算法。

3.0T MR高分辨增强扫描在缺血性脑卒中颅内动脉粥样硬化斑块中的诊断价值

目的探讨3.0 T MR高分辨增强扫描在缺血性脑卒中颅内动脉粥样硬化斑块中的诊断价值。方法选取2017年9月至2019年7月本院收治的60例缺血性脑卒中患者作为研究对象,按照头颅MR平扫(DWI高信号)至高分辨MR检查时间间隔进行分组,时间<4周设为早期组(n=26),时间为4~12周设为中期组(n=20),时间>12周设为晚期组(n=14)。观察比较3组检查结果。结果早期组患者斑块明显强化占比高于中期组和晚期组(P<0.05),轻度强化占比与中期组、晚期组比较差异无统计学意义;中期组轻度强化占比高于晚期组(P<0.05);晚期组无强化占比高于早期组、中期组(P<0.05)。3组斑块强化率随时间间隔的增加程度有所减低,差异有统计学意义(P<0.05)。结论采用3.0 T MR高分辨增强扫描可有效辨别斑块的强化程度与位置。

1.5T MR高分辨增强扫描在缺血性脑卒中颅内动脉粥样硬化斑块中的诊断应用

目的:探讨缺血性脑卒中颅内动脉粥样硬化斑块的临床诊断中1.5T MR高分辨增强扫描的应用效果与价值。方法:选取我院在2019年3月—2021年3月收治的缺血性脑卒中患者共120例作为本次研究的对象,将患者头颅M R平扫与高分辨M R增强扫描间隔4周内、4~12周和12周以上时间作为分组依据,分为早、中、晚期三组,每组30例患者。三组患者均使用西门子公司生产的Avanto 1.5T MR系统进行常规平扫和高分辨增强扫描,对两种扫描方法诊断缺血性脑卒中颅内动脉粥样硬化斑块的有效率以及高分辨增强扫描结果中三组颅内动脉粥样硬化斑块的强化情况进行比较。结果:高分辨增强扫描对缺血性脑卒中颅内动脉粥样硬化斑块的诊断有效率相较于常规平扫更高,差异有统计学意义(P<0.05)。早期组明显强化斑块检出率相比中、晚期组显著更高(P<0.05);中、晚期组明显强化斑块检出率相比差异显著(P<0.05);中期组轻度强化斑块检出率相比晚期组显著更高(P<0.05);早期组轻度强化斑块检出率与晚期组相比差异无统计学意义(P>0.05);晚期组无强化斑块检出率相比早、晚期组显著更高(P<0.05);早、中期组无强化斑块检出率对比差异不显著(P>0.05)。结论:1.5T MR高分辨增强扫描对缺血性脑卒中颅内动脉粥样硬化斑块诊断效果确切,对斑块位置和强化程度有准确的辨别作用,因此可用于临床推广。

基于经验小波系数模态分解的太赫兹成像纵向分辨增强

为了提高太赫兹成像探测的纵向分辨率,提出了一种基于连续小波的经验模态分解的纵向分辨率增强新方法。首先先对样品的频域信号进行连续小波变换处理,获得其相对应的连续小波变换系数;然后对获得的连续小波系数进行经验模态分解,将其自适应地分解为一系列的本征模式函数和一个残差信号,并提取其中第一阶本征模式函数为成像参数进行三维重构,获得最终的三维本征模函数图像,以此来提高太赫兹检测图像的纵向分辨率。为验证方法的有效性,采用150~220 GHz高频太赫兹调频雷达成像系统分别对两种含内部脱胶缺陷的夹层结构复合材料进行成像检测并利用提出的方法进行处理,得到了纵向分辨率被有效增强,清晰度被有效提高的检测结果图像,这为未来的太赫兹计算机断层扫描成像和太赫兹无损检测应用研究提供了新的思路。

高分辨率特征增强图像的小目标检测算法

在高分辨率特征增强图像小目标特征检测过程中,局部特征与全局目标识别参量之间的参量分布不均,无法在目标图像区域内识别有效特征信息,导致实际检测结果无法满足应用要求。为了解决这一问题,利用鲁棒鉴别特征学习完成高分辨率特征增强图像的小目标检测。该算法中的D3Tes2Block结构单元提取小目标的多尺度特征,并通过损失函数优化,降低特征损失以提高对小目标区域的关注度,在鲁棒性特征学习结果的基础上,根据学习尺度参量进行目标区检测信息聚合,输出小目标检测结果。实验结果显示,本文方法能够有效提升小目标检测精准度,且整体性能输出稳定,更加适合实际场景的应用。

一种近红外光纤布里渊光谱仪分辨率增强方法

对于研制的基于光纤受激布里渊效应的精密光谱分析仪,受激布里渊增益谱宽的存在限制了可用的最佳光谱分辨率,并造成受激布里渊增益系数与功率存在关联性。这些都会影响近红外光纤布里渊光谱仪的性能。针对上述问题,提出了一种光谱分辨率增强方法。采用两级受激布里渊过程级联,并结合待测光和泵浦光的功率调控,使得受激布里渊过程处于小信号、线性高增益区。结果表明,该方法能够实现约1.4倍的光谱分辨率增强效果,突破了原理理论限制,提升了近红外光纤布里渊光谱仪的性能。

基于FPGA的低分辨率激光图像增强系统研究

为提升低分辨率激光图像的整体清晰度和分辨率,提出基于FPGA的低分辨率激光图像增强系统设计。系统硬件主要由I2C总线配置、图像解码、图像存储及VGA显示等模块组成,软件设计中先利用CLAHE算法划分图像,计算每个子块的像素值,将大于阈值的像素均衡分配给小于阈值的像素,实现直方图均衡,然后对分配后的子块计算中心像素点灰度值和直方图映射,选取出需要增强的像素点直接增强,最后将YCrCb4:2:2格式的图像转换为RGB格式,完成色彩空间的转换。系统性能测试结果表明,设计系统提高了图像整体的清晰度和分辨率,具有较好的应用价值。

基于分辨率增强的亚毫米波RCS成像分析

亚毫米波三维全息成像提供了一种新的RCS(Radar Cross Section)测量分析方法,然而基于传统三维成像算法的RCS测量分析方法在实际应用中总是受到系统带宽的限制,低带宽会导致较低的距离分辨率,使得最终图像的距离分布不连续。为了克服这一限制,本文提出了一种基于距离分辨率增强(Range Resolution Enhancement,RRE)的亚毫米波三维全息成像算法,该算法利用基于相位展开的方法来检索与距离相关的相位,该相位可以直接转换为精细的距离分布,在距离域上重建具有高分辨率的三维毫米波图像,从而更清晰地显示目标的几何形状和细节特征,得到更为精细的RCS测量数据。缩比实验结果表明,相较于基于传统三维算法,该方法使得RCS的测量性能有所提高。

基于单像素成像的遥感图像分辨率增强模型

目前对地遥感的最主要途径之一便是通过遥感相机获得目标物信息,然而遥感相机的分辨率直接影响成像质量。结合遥感相机的推扫式成像技术,文章提出了一种基于单像素成像的超分辨增强技术模型,该模型能够简化重建过程,其设计目标是基于单像素超分辨的技术手段将航天遥感相机的图像分辨率增强4倍。为了验证该设计思想及其重建效果,文章设置了超分辨增强仿真试验,最终仿真试验结果表明,基于单像素的超分辨模型可以将图像的信噪比提高1.1倍,且重建的图像具有明显的抑制噪声的效果,起到了良好的降噪功能,相较于其他传统图像分辨率增强方法(如双三次内插、超深超分辨神经网络)具有更高的优越性。该方法可为地理遥感探测、土地资源探查与管理、气象观测与预测、目标毁伤情况实时评估等诸多领域的图像处理和应用提供有力支持。

基于图像增强与迁移学习的破损绝缘子识别

输电线路是电力系统中电能传输的关键,随着无人机技术和机器视觉的快速发展,为电力线路绝缘子识别提供了便捷。基于无人机拍摄的输电线路破损绝缘子图像识别,能有效降低人工巡检的成本和安全隐患。为了提高绝缘子识别精确度,提出一种基于图像灰度均衡化和超分辨率卷积神经网络的图像增强算法。灰度均衡化算法能够改善图像的对比度,提高图像清晰度;超分辨率卷积神经网络图像增强算法实现了图像的超分辨率重建,从而使图像清晰度更高、真实度更强。通过使用VGG16作为特征提取和分类器,结合迁移学习实现模型的训练,对增强后的彩色图像数据集进行训练,进一步提高了识别精度。在权威数据集CPLID上验证了所提出算法的有效性与高识别精度,并比较了不同算法模型的精确度,所提出的深度迁移学习算法在实际应用中能有效降低人工巡检的成本和安全隐患。

基于超分辨率增强网络的输煤皮带撕裂检测方法

文章旨在开发一种基于超分辨率增强网络的输煤皮带撕裂检测方法。具体而言,该方法首先将图像输入超分辨率增强网络中,通过分辨率增强技术获得高分辨率图像。然后,将生成的高分辨率图像输入目标检测网络中,以获取输煤皮带的撕裂检测结果。实验结果表明,该方法在实际输煤皮带缺陷检测中取得了良好的效果,展现出了很高的检测精度和成本效益,可以有效地提升工业产品检测的质量,并在节约成本方面具有实际应用的潜力。

基于小波变换的全向图像分辨率增强方法

本文提出了一种基于小波变换的全向图像分辨率增强算法 ,根据全向图像成像的退化模型 ,利用小波系数的自相似性及其模的极值点在各层间的传递性 ,对全向图像丢失的高频成分进行补偿 ,结合对图像序列中的各帧进行融合的方法 ,达到分辨率增强的目的 .

图像分辨率增强的偏微分方程方法

讨论一种新的图像分辨率增强的偏微分方程模型。新模型利用图像为分片连续的二维曲面的先验信息,采用非线性扩散方程对基于最近邻方法放大后的图像进行光滑以消除因放大引起的“块状”效应,同时在迭代过程中加入插值条件使处理后的图像能较好的保留边缘,由此构造出基于偏微分方程的图像分辨率增强模型和相应的迭代算法,使图像的分辨率增强到亚像元级。遥感图像的仿真计算结果表明,该方法具有比现有方法更高的峰值信噪比和更高的边缘保护指数。

基于稀疏先验的光学及SAR图像的分辨率增强统一框架

研究了基于稀疏型先验的光学及SAR图像的分辨率增强的统一框架。在定义稀疏型先验的基础上, 分析了稀疏型先验与分辨率增强的关系,并从参数估计的角度解释了为什么稀疏型先验的合理利用可以实现分辨率增强。其次给出了光学及SAR图像的统一观测模型。再次给出了光学及SAR图像先验模型的统一描述。最后给出了光学及SAR图像分辨率增强的目标函数构造的统一形式。并结合光学图像和SAR图像,在不同数据域的先验信息,分别构造各自的目标函数,实现图像分辨率增强。

Fourier变换光谱学的一种光谱分辨率增强方法

本文提出了一种基于特征值分析与线性拟合 (EALF)的超分辨率谱估计方法。其实质是在光谱的Fourier变换域内进行信号处理 ,以使复原谱的分辨率突破仪器函数的限制。EALF由总体最小二乘参数估计、特征值分析频率估计和最小二乘拟合振幅估计三个步骤来实现。本文将介绍EALF谱估计的原理 ,通过仿真实验验证原理的正确性 ,讨论关键技术 ,并总结EALF相对于其他Fourier变换光谱分辨率增强技术的主要优点。

数字射线成像空间分辨率的增强

成像空间分辨率是工业数字射线成像系统的重要技术指标,通过分析成像的物理过程,给出了成像过程的数学模型,进而得出影响数字射线成像空间分辨率的主要因素,并针对各种因素研究了相应的提高空间分辨率的方法。建立了成像系统的点扩展函数模型,给出了优化投影放大比的方法,提出了一种提高探测器采样频率和光电管采样孔径的硬件方法;采用了一种简便的方法抑制了散射对空间分辨率的影响;计算机模拟及实验结果验证了方法的有效性。

基于小波内插的遥感图象超分辨率增强

基于小波内插的超分辨率增强方法,利用多幅遥感图象的交错采样结构,将同一场景的多幅遥感图象序列中的信息,在像素级上内插到一幅遥感图象中,得到一幅信息量更加丰富、分辨率更高的遥感图象。该文介绍了该方法及相应遥感图象预处理方法,文中实验显示了该方法的有效性。

一种多分辨多尺度的Retinex彩色图像增强算法

针对Retinex算法的缺点与不足,提出了一种改进的中心/环绕函数,以及图像增强分辨度概念。利用Retinex算法中图像增强分辨度与尺度之间对图像增强效果的互补特性,提出了多分辨多尺度的Retinex(Multi-Resolution and Multi-Scale Retinex,MRMSR)彩色图像增强算法。实验过程中,采用图像质量主观评价法和图像质量客观评价法相结合的方式,对多幅彩色图像进行了算法验证,并与MSR、MSRCR等算法进行比较。实验表明,MRMSR算法具有较好的图像增强效果,其图像增强效果明显优于其他算法,并能够有效地降低尺度对图像增强的影响。

颞骨双期增强高分辨率CT检查患者的护理

目的探讨颞骨双期增强高分辨率CT(high-resolution computed tomography,HRCT)检查患者的护理方法。方法回顾性分析并总结2013年2月至2014年2月于首都医科大学附属北京同仁医院放射科行颞骨双期增强HRCT检查119例患者的临床资料。结果 119例患者均顺利完成检查,无一例发生严重不良反应,CT图像质量满足临床诊断要求。结论在颞骨双期增强HRCT检查过程中,护理工作者通过恰当的护理措施,可减轻患者的不良情绪,减少检查的危险因素,保证患者安全,有利于检查的顺利完成。