基于密集残差连接U型网络的噪声图像超分辨率重建

现有的图像超分辨率重建网络难以适用于煤矿井下噪声密集的应用场景,且多数网络通过增加深度提升性能会导致无法有效提取关键特征、高频信息丢失等问题。针对上述问题,提出了一种密集残差连接U型网络,用于对低分辨率噪声图像进行超分辨率重建。在特征提取路径中引入基于密集残差连接的去噪模块,通过密集连接的方式对图像特征进行充分提取,再利用残差学习的特点对低分辨率噪声图像进行有效去噪;在重建路径中引入残差特征注意力蒸馏模块,通过在残差块中融入增强特征注意力块,对不同空间的特征赋予不同的权重,加强网络对于图像关键特征的提取能力,同时减少图像细节特征在残差块中的损失,从而更好地恢复图像细节信息。在煤矿井下图像数据集及公共数据集上进行了对比实验,结果表明:在客观评价指标上,所提网络的结构相似度、图像感知相似度均优于对比网络,且在复杂度及运行速度上有着较好的均衡;在主观视觉效果上,所提网络重建的图像基本消除了原有图像噪声,有效恢复了图像的细节特征。

低信噪比下雷达通信一体化信号接收分离算法

在雷达通信一体化系统中,针对传统的信号分离算法由于信号存在噪声而导致分离效果不理想的问题,提出一种低信噪比下雷达通信一体化信号接收分离算法。针对观测信号存在噪声的问题,提出一种Denoising Attention Convolutional Neural Network(DACNN),与传统的DnCNN相比,融入通道注意力机制来增强其对不同通道间特征的学习总结能力;对去噪后的信号采用改进的三阶收敛FastICA算法进行分离。仿真实验表明,提出的分离算法相较于传统的信号盲源分离算法在观测信号含噪情况下仍能具有较好的分离效果。

基于中值滤波去噪算法的激光光谱图像数据库构建

在目前建立的激光光谱图像数据库中,数据库的滤波性能较差,导致存储的光谱图像数据受噪声影响严重。因此,提出基于中值滤波去噪算法的激光光谱图像数据库构建。首先利用多数据源数据库模式,建立数据库的存储引擎。其次利用中值滤波去噪算法,在数据库中添加去噪模块。然后将滤波后的图像进行光学参数转换,最后对不同光谱数据分别进行格式转换,并对数据进行归一化存储至数据库中,完成激光光谱图像数据库设计。利用不同方法的图像数据库与设计数据库对生成的激光光谱数据进行存储,并进行对比实验,分别对数据库的构建以及滤波能力进行分析。实验结果证明设计的激光光谱图像数据库可以实现正常的数据库构建,具有较好的滤波性能,满足设计初衷。

一种新的光学运动捕捉数据处理方法

提出一种适用于被动式光学人体运动捕捉散乱数据处理方法。该方法基于光学人体运动捕捉散乱数据的全局信息,提出基于模块分段线性模型的数据处理算法。利用模块分段线性模型归纳出不同模块的变化特征,从而确定各模块数据的匹配优先级及段内拟合函数,有效地对三维运动数据各模块进行全局性分层次预测和跟踪,并对噪声数据进行基于模块的去噪处理;对缺失运动数据提出基于分段Newton插值拟合算法,进行合理的补缺。该方法经优化后在处理过程中无须人工干预,并能满足实时性要求。

基于自匹配数据融合模型的城市交通路况诱导系统

为了有效地改善城市交通的路况,结合动态的数据采集模块、动态GIS路网、动态数据去噪模块以及自匹配数据融合模块等,针对交通信息处理、共享和发布中的技术难点,设计了基于自匹配数据融合模型的城市交通路况诱导系统。该系统通过对多条道路的路况进行实时地监管和数据分析,从而满足交通参与者在城市交通方面的出行道路信息、信息管理和路况管理等各种需求。

基于非对称跨模态融合的RGB-D显著目标检测

目前大多数RGB-D显著目标检测方法在RGB特征和Depth特征的融合过程中采用对称结构,对两种特征进行相同的操作,忽视了RGB图像和Depth图像的差异性,易造成错误的检测结果.针对该问题,提出一种基于非对称结构的跨模态融合RGB-D显著目标检测方法,利用全局感知模块提取RGB图像的全局特征,并设计了深度去噪模块滤除低质量Depth图像中的大量噪声;再通过所提出的非对称融合模块,充分利用两种特征间的差异性,使用Depth特征定位显著目标,用于指导RGB特征融合,补足显著目标的细节信息,利用两种特征各自的优势形成互补.通过在4个公开的RGB-D显著目标检测数据集上进行大量实验,验证所提出的方法优于当前的主流方法.