基于锚框自适应和多尺度增强的SAR舰船检测

针对目前基于深度学习的合成孔径雷达(synthetic aperture radar, SAR)舰船检测锚框尺度固定、多尺度检测性能较差的问题,提出了一种基于锚框自适应和多尺度增强网络(adaptive anchor multi-scale enhancement network, AA-MSE-Net)的SAR舰船检测方法。首先,AA-MSE-Net引入了锚框自适应机制,来生成适应目标形态的高质量锚框,增强了舰船形态描述能力。其次,AA-MSE-Net提出了多尺度增强金字塔网络,来融合增强多尺度特征,增强了多尺度描述能力。最后,AA-MSE-Net在骨干网络中引入了可变形卷积,来提取舰船形变特征,进一步提高检测精度。实验证明,AA-MSE-Net在公开SAR舰船检测数据集上的平均精度高于8种对比方法。

基于多尺度增强级联残差网络的DAS地震资料背景噪声衰减方法

由于复杂强背景噪声的影响,分布式光纤声学传感(Distributed Optical Fiber Acoustic Sensing,DAS)采集的地震记录普遍信噪比较低。如何有效抑制背景噪声,恢复弱上行反射信息,切实提升DAS记录信噪比,已成为资料处理领域的热点问题之一。针对复杂DAS背景噪声消减问题,提出了一种多尺度增强级联残差网络(Multiscale Enhanced Cascade Residual Network,MECRN)。MECRN具有双路径级联残差网络结构,通过双路径机制提取DAS记录浅层信息。在此基础上,引入空洞卷积和多尺度模块提取DAS记录的多尺度特征,并通过跳跃连接导入浅层特征,在避免有效特征损失的同时,提升网络的特征提取能力。最后,通过残差学习整合局部和全局特征,并对重建特征细化,进一步提升了MECRN的去噪能力。模拟和实际DAS资料处理结果均表明,MECRN可以有效地压制DAS记录中的复杂背景噪声,准确恢复弱反射信号,显著提升处理DAS资料的能力。

结合分数阶微分的浮选泡沫图像NSCT多尺度增强

针对浮选槽低照度环境下采集的泡沫图像对比度低、边缘弱、噪声干扰等问题,提出了一种结合自适应分数阶微分和非下采样Contourlet变换(NSCT)的泡沫图像多尺度增强算法.首先对泡沫图像进行NSCT多尺度分解,根据低频子带的梯度特征构造自适应分数阶微分阶次函数,结合改进的带亮度控制参数的Tiansi算子对低频子带图像进行增强处理;然后对各高频方向子带,根据能量分布特征自适应计算阈值,再结合尺度相关系数去除噪声,并通过非线性增益函数增强边缘系数;最后对处理后的图像进行NSCT重构.对不同大小类型的泡沫图像进行实验,结果表明:与现有算法相比,文中算法改善了图像的亮度,具有更高的对比度、清晰度和信息熵,保留更多的纹理细节,在有效抑制噪声的同时气泡边缘得到明显增强,为后续的泡沫图像分割和边缘检测奠定了基础.

碳纳米管/碳纤维混杂多尺度增强体研究现状

碳纳米管(CNTs)优异的力学性能使其成为复合材料的理想增强材料,将CNTs引入到碳纤维(CF)表面制备CNTs/CF纳、微米复合增强体,可同时改善复合材料的界面剪切强度和冲击强度,从而获得具有优异综合性能的复合材料。本文综述了CNTs/CF混杂多尺度增强体的制备方法及其复合材料的性能。

多尺度增强算法在肺结节计算机辅助检测中的应用探讨

目的研究多尺度增强算法对肺小结节的增强能力及将其作为肺结节计算机辅助检测的处理方法的可行性。方法针对肺结节的形态特点,采用高斯函数模拟肺结节,运用多尺度图像增强滤波器算法,增强肺结节提取兴趣区,供后续的分类判别使用。结果通过对肺部CT图像的应用,说明多尺度增强算法能很好地检测疑似肺结节兴趣区。结论多尺度增强算法对帮助医师检测肺结节有明显的作用,是一种有效的图像预处理方法,对肺结节的计算机辅助检测有较大应用价值。

基于多尺度增强网络的人群计数方法

人群计数研究普遍使用欧几里得损失函数,易造成图像局部相关性缺失,且现有研究方法未能充分提取人群图像中连续变化的尺度特征,影响了人群计数模型的性能。针对上述问题,该文提出一种基于多尺度增强网络的人群计数模型(MSEN)。首先,在多分支结构生成网络中引入区域性判别网络,将二者组合形成嵌入式GAN模块,以增强生成图像的局部相关性;之后,基于金字塔池化结构设计了尺度增强模块,将该模块连接在嵌入式GAN模块之后,进一步从不同区域提取不同尺度的局部特征,以最大程度地应对人群图像局部尺度连续变化的问题,从而增强整体模型的泛化能力。最后,在3个具有挑战性的人群计数公共数据集上进行了广泛的实验。实验结果表明,该文所述模型可有效提升人群计数问题的准确性和鲁棒性。

碳纤维多尺度增强体的研究进展

介绍了碳纳米管、石墨烯、碳纳米纤维等碳纳米材料修饰的碳纤维多尺度增强体的构筑方法(化学气相沉积法、化学接枝法、电化学沉积法、上浆剂复合法和"grafting to"法)及其对复合材料界面力学性能的影响机理。针对碳纤维多尺度增强体的优势和不足,指出需通过界面设计进一步提高碳纤维与碳纳米材料之间的作用强度,氧化石墨烯/碳纤维复合增强体及其对复合材料性能的增强机制是下一步研究的焦点,连续生产碳纤维多尺度增强体也将成为重要的发展方向。

多尺度增强铝基复合材料的制备与性能

借助电泳沉积工艺在碳纤维表面加载碳纳米管(CNTs),构建CNTs-碳纤维多尺度增强体,采用等离子体热压活化烧结工艺制备CNTS_碳纤维多尺度增强铝基复合材料。通过扫描电镜,致密度测试和拉伸强度测试,对铝单体、碳纤维增强铝基复合材料和CNTS-碳纤维多尺度增强铝基复合材料的表面形貌、微观结构、致密度、力学性能,以及断口形貌进行分析。结果表明:碳纤维表面引人CNTs,可改善复合材料界面结合,提升铝基复合材料力学性能,与铝单体、碳纤维增强铝基复合材料相比,拉伸强度分别提高了105.45%和27.68%,证实了引入CNTS提升复合材料力学性能的有效性。

东亚副热带高空急流短时间尺度增强的机理研究

本文利用中尺度非静力模式WRF输出的高时空分辨率模拟资料研究了东亚副热带高空急流(EASJ)短时间尺度强度变化特征,并结合大气运动方程解释了EASJ增强的可能机制。结果表明,在6 h时间间隔内,急流区纬向风增量的水平尺度大于2 000 km。急流轴北侧高频扰动较少,南侧出现大量高频扰动,相应地,急流轴北侧纬向风大尺度整体增强,而急流轴南侧纬向风增量正值区中还存在水平尺度为几百公里的负值区。高频扰动的周期约为1～6 h,向东传播速度为20～40 m·s-1,与惯性重力波相似。造成EASJ短时间尺度增强的主要物理因子为水平平流作用和非地转效应。水平平流项和非地转项量级相同,但变化趋势几乎相反。两者之和的量值与纬向风局地加速度项相近。此外,垂直平流作用对EASJ强度变化也有一定贡献。

多尺度增强算法在图像边缘检测上的应用研究

根据多尺度对比度增强算法在增强图像对比度的同时,较好地抑制图像噪声的特性,文中将多尺度分解应用到边缘检测中。先对图像进行多尺度分解,分解后得到的不同尺度的高频分量分别集中了图像的边缘信息和噪声,然后对边缘信息进行增强,对噪声信息和伪边缘进行抑制,再对处理后的图像结合Canny算子检测图像的边缘。通过实验对比发现该算法比传统的边缘检测算更能准确地提取图像的边缘信息的效果,特别在图像噪声较大或对比度较低的情况下,该算法进行边缘检测的效果更加明显。

基于多尺度对比度增强和跨维度交互注意力机制的红外与可见光图像融合

针对目前红外与可见光图像融合存在特征提取不足、融合图像目标区域不显著、细节信息缺失等问题,提出了一种多尺度对比度增强和跨维度交互注意力机制的红外与可见光图像融合方法。首先,设计了多尺度对比度增强模块,以增强目标区域强度信息利于互补信息的融合;其次,采用密集连接块进行特征提取,减少信息损失最大限度利用信息;接着,设计了一种跨维度交互注意力机制,有助于捕捉关键信息,从而提升网络性能;最后,设计了从融合图像到源图像的分解网络使融合图像包含更多的场景细节和更丰富的纹理细节。在TNO数据集上对提出的融合框架进行了评估实验,实验结果表明本文方法所得融合图像目标区域显著,细节纹理丰富,具有更优的融合性能和更强的泛化能力,主观性能和客观评价优于其他对比方法。

基于多尺度细节增强的短跑训练摆臂动作识别

针对当前识别摆臂动作方法中直接提取图像特征,导致摆臂动作识别结果与实际摆臂动作运动轨迹拟合度较低的问题,提出基于多尺度细节增强的短跑训练摆臂动作识别方法。利用图像多尺度分解、图像纹理细节增强、图像信息融合3个步骤凸显摆臂动作特征,通过训练摆臂动作多尺度细节图像特征,识别短跑训练摆臂动作。实验结果表明,该方法识别的运动轨迹与设置的实际摆臂动作运动轨迹拟合度偏差较小,摆臂动作识别效果较好。

基于多尺度融合与USM的蒙古族家具纹样增强研究

为提高蒙古族家具纹样图像的全局对比度、颜色和精细细节,提出了一种基于改进的多尺度融合和USM的图像增强算法。首先对图像采用非锐化掩模技术增强纹样的细节区域,在此基础上进行白平衡处理,然后根据对比度的需求定义权重,最后进行多尺度融合能更好地体现出图像中有价值的信息和样式。结果表明:该算法能突出纹样的细节部位,图像颜色更加自然直观,有效地增强了蒙古族家具纹样的图片;该方法可为缺失纹路的蒙古族家具纹样复原提供技术支撑,同时对蒙古族家具纹样的保护具有重要意义。

基于多尺度特征增强与对齐的跨模态行人检索

为了解决跨模态行人检索从图像和文本中抽取有效的细节特征,以及实现图像与自然语言文本跨模态对齐的问题,提出一种基于多尺度特征增强与对齐的跨模态行人检索模型。该模型引入多模态预训练模型,并构建文本引导的图像掩码建模辅助任务,充分实现跨模态交互,从而无需显式地标注信息即可增强模型学习图像局部细节特征的能力。另外,针对行人图像身份易混淆问题,设计全局图像特征匹配辅助任务,引导模型学习身份关注的视觉特征。在CUHK-PEDES、ICFG-PEDES和RSTPReid等多个公开数据集上的实验结果表明,所提模型超越了目前已有的主流模型,其第一命中率分别达到了72.47%、62.71%和59.25%,实现了高准确率的跨模态行人检索。

基于多尺度Retinex的激光雷达图像自适应增强方法

激光雷达图像容易受到外界因素影响,造成细节丢失、边缘模糊、噪声过多等问题,因此,提出基于多尺度Retinex的激光雷达图像自适应增强方法。利用线性变换法则和硬阈值法预处理低频激光雷达图像,完成图像边缘细节处理,引入多尺度Retinex增强算法还原图像内实物的自身真实特征,凸显图像层次信息,仿真对比实验证明,应用本方法进行增强后,图像最大灰度值为150,PSNR值始终保持在80 dB之上,图像的清晰度增强,噪声明显减少,图像的对比度明显提升,图像边缘轮廓明显,证明该方法能够有效增强激光雷达图像的效果。

基于跨尺度边缘增强深度卷积神经网络的低剂量CT图像去噪

为了提高去噪网络的可解释性,将传统滤波算子的优势融入到网络设计中,提出了基于跨尺度边缘增强的深度卷积神经网络(CEDCNN).将传统边缘算子与卷积相结合,设计出轻量化的边缘增强模块,增强边缘信息对网络结果的影响.基于自适应一致性先验算法构建深度迭代网络,进一步提取边缘增强特征,从而实现端到端可训练、可解释的深度去噪网络.将均方误差和多尺度注意残差感知损失相结合,解决了重建图像过平滑的问题.实验结果表明,CEDCNN去噪网络的PSNR、RMSE、SSIM评价指标分别为43.647 5 dB、0.006 8、0.987 5,说明该方法可显著提高去噪后的图像质量,有效保证低剂量X射线下CT图像的成像质量和精度,去噪效果与正常剂量CT图像所展现的人体组织细节相当.

Gamma变换与多尺度细节增强的红外图像增强

针对现有的红外图像增强方法存在欠增强、过增强以及微小细节不清晰等缺陷,提出了一种Gamma变换与多尺度细节增强的红外图像增强方法。该方法充分利用红外图像边缘细节的多尺度特性,用多尺度的引导滤波将红外图像分解为多尺度的细节层和基础层;对基础层进行自适应的Gamma变换,Gamma指数自适应于基础层图像亮区像素数与暗区像素数的比值,旨在适宜地调整红外图像的整体亮度,使得隐藏于暗区的图像信息得以正常显示;对多尺度的细节层分别进行四邻域的拉普拉斯增强,以提升多尺度细节信息的信号强度。实验数据证明,相对于部分最新的现有方法,本文方法具有更好的增强效果,增强图像的视觉感知效果更佳,客观的图像质量指标平均梯度和无参考图像质量指标均较高。

基于多尺度特征增强的遥感图像目标检测方法

针对遥感图像目标检测中存在的背景复杂、目标像素数少以及目标尺度变化大等问题,本文提出一种基于多尺度特征增强的遥感图像目标检测方法。首先,使用具有高分辨率输出的HRNet网络替换ResNet作为主干网络,强化对遥感目标位置信息的提取;其次,在HRNet中引入注意力机制,抑制复杂背景噪声的干扰;最后,设计多尺度特征增强金字塔网络,进一步增强网络的多尺度特征信息表达。实验结果表明,相较于原始Cascade R-CNN目标检测方法,所提方法的目标检测均值平均精度提高了5.32%;在与经典目标检测方法的对比实验中,所提方法也表现出较好的检测性能。

融合自适应注意力的多尺度火灾检测算法

针对实际场景下火灾检测准确度不高的现象,根据火灾自身特征提出了一种基于Anchor-free结构的火灾检测算法.将特征提取网络残差模块设计为多分支结构,并在其基础上嵌入根据火焰特征设计的自适应注意力模块,提取出更具表达力的火焰特征.添加亚像素融合,利用高层特征丰富的通道信息增强多尺度特征的表达能力.设计特征增强模块强化最高层特征表示,更好地利用全局空间信息.引入自适应标签分配,强化网络对火焰特征的学习效果.利用改进后的GIoU Loss损失函数对边界框精细回归.该算法在自建数据集上的检测精度达到了94.9%,在公开数据集上也有较好的检测效果,且抗干扰能力强,适用于各种环境下的火灾检测,能够满足实际场景下火灾检测任务的需要.

基于改进多尺度Retinex理论的海上图像去雾算法

针对传统去雾算法在海雾环境下处理得到的图像细节丢失、亮度偏暗及色彩失真等问题,提出了一种基于Retinex理论的海上图像去雾算法。首先,将图像转换到HSV空间,通过改进的多尺度Retinex增强算法对V通道单独处理获得照射分量。其次,将照射分量经过对数运算获得反射分量,与归一化处理后的H和S通道合并获得图像基础层。最后,通过引导滤波获得图像细节层,并与基础层合并进行自动白平衡处理,得到最终结果图像。试验证明,与暗通道先验算法及传统多尺度视网膜增强算法相比,提出的算法在标准差、平均梯度、峰值信噪比及结构相似性等评价指标方面均有所提升,海雾图像去雾质量得到有效增强,对提高海雾环境下船舶通航效率具有重要意义。