基于双目立体视觉的多分辨率图像匹配方法研究

在双目立体视觉系统中,面对复杂场景时噪声会损害图像特征,增加提取难度,导致匹配精度和鲁棒性下降。因此,文中提出基于双目立体视觉的多分辨率图像匹配方法,旨在从不同尺度图像中有效获取信息并实现高精度匹配。该方法利用双目立体视觉模型的双目旋转相机扫描目标并进行成像,根据内、外空间标定提升双目旋转相机的位置精度,保证目标的多分辨率成像效果;将其输入金字塔立体匹配网络中,通过网络中的类金字塔多空洞卷积操作提取双目图像特征,在此基础上,基于可变卷积增强其纹理特征细节;结合细粒度特征和互注意力机制完成双目图像匹配。测试结果显示,空间标定后,左、右两个相机的成像误差最小值分别为0.6 Pixel和0.4 Pixel;匹配点坐标偏差均值和坐标偏差方差值分别低于0.012和0.011,匹配效果良好。

采用感受野优化与渐进特征融合的图像超分辨率算法

针对现有基于深度学习的超分辨率方法存在参数冗余以及难以学习到全局上下文信息、重建图像高频特征能力欠佳的问题,提出一种基于感受野优化与渐进特征融合的超分辨率网络(RPSRnet),其在单幅图像重建方面实现了较高的性能。该网络采用像素注意力机制与大感受野卷积相结合的方式,设计两条渐进路径将输入表征为不同层次的特征抽象,增强网络捕获上下文信息的能力,同时减少了网络参数冗余。通过分层卷积和多重感受野分支,在保持轻量卷积的前提下,于分层的多路径上学习不同尺度的融合特征,增强网络重建边缘细节和复杂纹理特征的能力。实验结果表明:相比于先进算法,所提算法在基准测试集Set5上的峰值信噪比达到32.47 dB,在测试集Set14上达到28.81 dB,优于现有的先进算法,且网络参数更少,实现了9%的参数缩减,从而验证了算法的有效性。

基于残差U-net网络的地震资料分辨率提高方法

高分辨率地震资料处理是获取高品质地震资料、实现薄储层良好地震地质解释的关键。传统提高地震分辨率的方法应用条件苛刻,关键参数求取复杂,在实际应用中受到诸多限制。深度学习中的U-net网络以纯数据驱动的优势,可学习低分辨率地震记录到高分辨率标签的非线性关系,实现地震资料的高分辨率处理。本文设计了残差U-net网络结构,同时提出了基于概率密度函数控制的同分布反射系数集生成方法,将测井反射系数的概率密度函数作为一种先验约束信息融入训练样本,不仅保证了足够的同分布样本来训练网络,还确保了训练样本更符合工区实际情况,以此提高模型预测的准确性。模型测试和实际资料应用结果表明,本文提出的方法能够有效应用于地震资料分辨率的提高,同时拓宽频带。

DCaT:面向高分辨率场景的轻量级语义分割模型

语义分割是计算机视觉中分析和理解场景的关键任务,但现有的分割模型需要较高的计算成本和内存需求,不适合高分辨率场景的轻量级语义分割。针对该问题,提出了一种新的面向高分辨率场景的轻量级语义分割模型DCaT。采用深度可分离卷积提取图像的局部语义;使用基于坐标感知和动态稀疏混合注意力的轻量级Transformer获取图像的全局语义;通过模块融合,在低级语义上注入高级语义;通过分割头输出像素预测标签。实验结果表明:与基线模型相比,DCaT在高分辨率数据集Cityscapes上的平均交并比提高了1.5个百分点,模型复杂度降低了26%,推理速度提升了12%。实现了高分辨率场景下模型复杂度与性能之间的更好平衡,证明了DCaT的有效性和实用性。

双编码端高分辨率遥感影像语义分割算法

遥感影像具有多尺度对象、复杂背景、不均衡类别等特点。基于卷积神经网络(CNN)的语义分割算法难以捕捉到影像的全局特征,导致分割效果不佳。针对以上问题,利用Swin Transformer的全局特征提取能力,提出了双编码端高分辨率遥感影像语义分割算法DEGFNet。设计特征融合模块(FFB)将Swin Transformer捕获的全局特征引入编码端,应对多尺度对象带来的挑战。在Swin Transformer中设计空间交互模块(SIB),降低复杂背景样本带来的负面影响;在解码端引入全局-局部注意力模块(GLTB)和特征细化模块(FRB),来更好地利用编码端提取的信息,提高语义分割的精确性;采用交叉熵损失和Dice Loss组成的混合损失函数训练模型,减轻样本类别不均衡带来的消极影响。在Vaihingen数据集上,宏观平均F1值(mF1)、平均交并比(mIoU)和整体准确率(OA)指标分别达到91.9%、84.8%和92.4%;在LoveDA数据集上,mIoU指标达到55.0%,均展现出了更好的语义分割效果和良好的泛化性。

直径小于2cm的肺部磨玻璃结节病理学特征及高分辨率CT征象关系分析

目的 探究直径小于2cm肺部磨玻璃结节病理学特征及高分辨率CT征象分析。方法 回顾性分析安徽省胸科医院2021年2月~2022年1月收治的233例直径小于2cm肺部磨玻璃结节患者临床资料,患者收集病理学特征以及高分辨率CT检查结果,分析患者病理学特征与高分辨率CT征象之间的关系。结果恶性结节结节直径大于良性结节,毛刺征、血管扩张征、血管集束征发生率高于良性结节,边界光滑低于良性结节(P<0.05);浸润病变结节直径大于浸润前病变,毛刺征、分叶状、血管扩张征、血管集束征、支气管空气征、胸膜凹陷征、气泡透明征发生率高于浸润前病变,边界光滑低于浸润前病变(P<0.05);多元Logistic回归分析显示,毛刺征、分叶状、血管扩张征、血管集束征、支气管空气征、胸膜凹陷征、气泡透明征是浸润病变的影响因素(P<0.05);以病理诊断为“金标准”,CT诊断结节良恶性、结节浸润情况Kappa值分别为0.797、0.652。结论直径小于2cm的肺部磨玻璃结节病理学特征与高分辨率CT征象关系密切。

基于无人机高分辨率遥感影像的土地整治新增耕地勘测研究

常规的土地整治新增耕地勘测测量计算一般为单点位测定,勘测的覆盖范围较小,导致最终得出的勘测刺点偏差增大,为此提出对基于无人机高分辨率遥感影像的土地整治新增耕地勘测方法的设计与研究。根据当前测定,先进行基础测点标定与像控测量,采用多点位的形式,扩大勘测的覆盖范围,展开空中三角多点位测算和DOM制作,基于此,设计无人机高分辨率遥感影像土地整治新增耕地勘测模型,采用自适应重叠对比的方式来实现勘测处理。测试结果表明:相较于GIS土地勘测定界方法、3S技术土地勘测定界方法,此次设计的无人机高分辨率遥感影像土地整治新增耕地勘测方法最终得出的勘测刺点偏差相对较小,这说明在无人机高分辨率遥感影像技术的辅助与支持下,设计的土地整治新增耕地勘测方模式更加灵活、稳定,勘测的综合效率提高,耗时降低,勘测的精准度得到进一步强化,具有重要价值。

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。

遥感系统分辨率的辨析与评测

从遥感系统的应用需求出发,论述了空间分辨率、辐射分辨率、光谱分辨率、时间分辨率和姿态分辨率的不同定义。在分析各种分辨率指标的基础上,通过实例探讨了各种分辨率的评测方法。理清遥感系统分辨率的概念和内涵,有助于开展卫星遥感系统设计、探讨、论证精度指标分配及遥感探测数据应用方面的研究工作。

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。

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。

高分辨率星载SAR矿区灾害监测的应用潜力

合成孔径雷达(Synthetic Aperture Radar,SAR)遥感与成像具有全天时、全天候、能穿透风云雨雪和植被等独特优势,是近20年空间遥感与对地观测技术最重要的进展.进入21世纪,一系列高分辨率星载SAR的成功运行,标志着雷达遥感与对地观测进入了一个新时代.总结高分辨率SAR数据的优越性以及中低分辨率SAR数据分辨率不高造成的应用瓶颈问题.概述目前在轨的高分辨率SAR卫星———意大利的COSMO-Sky Med卫星、加拿大的Radarsat-2卫星和德国的Terra SAR-X卫星传感器特征,通过调研目前国内外高分辨率SAR后向散射信息和相位信息在变形类地质灾害监测特别是矿区地质灾害监测领域的应用,展望了高分辨率SAR在矿区开采沉陷与地质灾害监测的应用前景.

基于谐波分解恢复弱势信号的高分辨率处理技术

地震资料高分辨率处理是预测薄储集层的有效手段,高分辨率处理的主要目的是有效恢复地震高、低频信息和拓宽频带,同时保持资料的信噪比和保真度。基于谐波分解恢复弱势信号的高分辨率处理技术,以压缩小波变换为基础,根据信号谐波分量对地震高、低频弱势信号进行恢复。首先,基于有效频带内的地震信号,采用压缩小波变换将其分解为各基频信号,然后计算各基频信号的高次谐波与低次谐波,将计算出的高次谐波与低次谐波加入小波变换系数中,最后进行小波逆变换,即可恢复高、低频弱势信号。在实现过程中,仅仅在有效频带内估算基频信号,能较好地保持信号的信噪比。地震信号的小波变换系数与地层反射系数具有一致性,因此该技术具有较高的保真度,可以较好保持相对振幅关系。实际应用表明,在保持资料信噪比的同时,该技术能大幅拓宽地震资料的频带,处理后的地震剖面断点更清楚,分辨能力改善明显,能较好地识别6 000 m以深约40 m的薄储集层。

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。

基于改进边缘注意力生成对抗网络的电力设备热成像超分辨率重建

针对低分辨率电力设备热成像图像,提出一种基于改进边缘注意力生成对抗网络的超分辨率重建方法。首先,在边缘注意力的基础上,引入通道注意力和位置注意力的双注意力模块(dual attention, DA),捕获特征图不同位置间和不同通道间的依赖关系,并将两组依赖关系进行融合,以加大全局信息的提取程度。然后针对参数修正线性单元激活函数(parametric rectified linear unit, PReLU)对网络中神经元进行无差别激活,导致网络特征表达能力受限问题。采用改进β-ACONC自适应控制激活函数替代PRe LU函数,在辨识有效特征的基础上,对神经元进行选择性激活,以强化有效特征、弱化无效特征,提升网络的自适应激活能力和特征表达能力。最后对所提改进边缘注意力生成对抗网络模型(edge-attention generative adversarial network, EA-GAN)进行实验验证。结果表明,与Bi Cubic双三次插值模型和原EA-GAN模型边缘注意力生成对抗网络模型相比,所提改进模型网络性能最好,重建图像质量最高,客观评价指标峰值信噪比(peaksignal-to-noiseratio, PSNR)均值、结构相似性(structural similarity,SSIM)均值和均方误差损失(mean square error loss, MSE-loss)均值最优,在电力设备红外图像重建领域普适性较高,具有一定的工程应用价值。

地震共偏移距数据集的空间分辨率分析

地震采集观测系统直接影响所获地震资料的信噪比与分辨率。从已有的理论公式出发,分别导出了二维、三维共偏移距道集的空间分辨率公式,较系统地讨论了共偏移距道集的横向分辨率和垂向分辨率与地下介质速度、地震主频及频带、反射界面倾角、偏移孔径以及所使用的观测系统等因素的关系。研究分析表明:较大的观测孔径有利于横向分辨率的提高;倾角或偏移孔径越大,横向分辨率越高,垂向分辨率却越低;非零偏移距数据体的空间分辨率比零偏移距有所降低;采集的方位角对x方向和y方向的分辨率也有影响。所取得的成果与认识可望为地震采集观测系统的设计提供理论指导。

高分辨率MRI扫描对结直肠癌盆腔淋巴结转移的诊断价值

目的:探讨高分辨率磁共振成像(MRI)扫描对结直肠癌盆腔淋巴结转移的诊断价值。方法:选取2021年10月至2022年10月聊城市人民医院收治的结直肠癌患者80例,均行高分辨率MRI扫描,以病理检查结果为金标准,分析高分辨率MRI扫描诊断结直肠癌盆腔淋巴结转移的灵敏度、特异度、准确度,并分析MRI图像特征与结直肠癌盆腔淋巴结转移的相关性。结果:以病理检查结果作为金标准,纳入的80例结直肠癌患者共出现盆腔淋巴结转移53例,占比66.25%;高分辨率MRI诊断结直肠癌盆腔淋巴结转移的灵敏度、特异度、准确度分别为86.79%、85.19%、86.25%。结直肠癌盆腔淋巴结转移患者MRI图像中边缘模糊、内部信号不均匀比例高于无淋巴结转移患者,淋巴结短径长于无淋巴结转移患者(P<0.05)。ROC曲线分析显示,MRI图像特征中短径诊断结直肠癌盆腔淋巴结转移的临界值为3.08mm,预测灵敏度为81.1%,特异度为92.6%,均高于边缘、内部信号预测的71.7%、67.9%和74.1%、77.8%。结论:结直肠癌患者采用高分辨率MRI扫描可有效诊断盆腔淋巴结转移情况,尤其是MRI图像特征中短径对盆腔淋巴结转移的预测价值更高。