基于局部短接单向融合网络的骨架检测

近年来,基于侧输出网络的骨架检测方法获得了显著的性能提升。但是,现有方法仍无法解决侧输出结构中高倍上采样和下采样带来的图像失真问题,固定的感受野大小也限制了其视觉特征表达能力。为解决这些问题,提出一种基于侧输出连接的局部短接单向融合网络。该网络由特征提取网络和侧输出网络组成。特征提取网络为深度卷积神经网络,主要用于多层次视觉特征提取。侧输出网络包含局部短接网络和单项融合网络2个模块,其中局部短接网络通过整合感受野邻近特征逐步构建起连续的大感受野特征,而多尺度特征从深到浅的单向融合则实现了对目标从粗糙到精细的刻画。在4种常用骨架检测数据集上的实验结果验证了所提方法的有效性。

基于局部对比度的自适应PCNN图像融合

提出了一种结合人眼视觉特性的自适应PCNN图像融合新方法,使用图像逐像素的局部对比度做为PC-NN对应神经元的链接强度,经过PCNN点火获得参与融合图像的点火映射图,再通过判决选择算子,选择各参与融合图像中的明显特征部分生成融合图像.该方法除几个主要参数外,其它参数如阈值调整常量等对于融合结果影响很小,解决了PCNN用于图像处理时参数多且调整困难的问题.实验结果表明,融合效果优于经典的小波变换方法和Laplacian塔型方法.