期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
结合高低频分解和多尺度两级融合策略的单一深度图去噪方法
1
作者
赵利军
王可
+2 位作者
张晋京
白慧慧
赵耀
《北京交通大学学报》
CAS
CSCD
北大核心
2022年第5期30-41,共12页
现有的很多基于神经网络的深度图去噪方法忽略了深度图结构信息和细节信息之间的差异性,导致这些方法往往无法准确地恢复深度图的几何结构信息.为此,提出一种结合图像高低频分解和多尺度两级融合策略的单一深度图去噪方法.首先,考虑到...
现有的很多基于神经网络的深度图去噪方法忽略了深度图结构信息和细节信息之间的差异性,导致这些方法往往无法准确地恢复深度图的几何结构信息.为此,提出一种结合图像高低频分解和多尺度两级融合策略的单一深度图去噪方法.首先,考虑到不同噪声的差异性,引入多尺度高斯滤波器将含噪声的深度图分解为一组低频结构分量和一组高频细节分量.其次,考虑到低频结构信息和高频细节信息的互补特性,将这两组分量分别输入到基于多尺度两级融合的低频特征提取网络和高频特征提取网络,并且提出在这两个网络之间使用互补的特征加权融合机制进行多级特征融合和反馈.最后,对高低频特征提取网络输出的高低频增强特征,使用高低频合并重建模块进行残差预测,再将其与输入图相融合得到高质量的深度图.实验结果表明,在峰值信噪比、均方根误差、结构相似性和综合性能对比方面,本文方法比多个主流的深度图去噪方法如ARCNN、Fast ARCNN、DnCNN、ADNet和FFDNet拥有更好的性能.
展开更多
关键词
深度图去噪
图像分解
多尺度融合
深度
神经网络
下载PDF
职称材料
基于深度图去噪的RGBD显著性目标检测的研究
2
作者
刘志宇
《信息与电脑》
2022年第7期130-134,共5页
虽然基于深度图像(RGB-Depth map,RGBD)的显著性目标检测如今已取得了很大的发展,但是深度图含有大量的噪声,使得检测性能还有较大的提升空间。首先使用单目深度估计的方法预测出RGB图片的深度图,并与实际输入的深度图作MAE、E-measure...
虽然基于深度图像(RGB-Depth map,RGBD)的显著性目标检测如今已取得了很大的发展,但是深度图含有大量的噪声,使得检测性能还有较大的提升空间。首先使用单目深度估计的方法预测出RGB图片的深度图,并与实际输入的深度图作MAE、E-measure、S-measure评分,可以选取质量较好的预测深度图;其次使用筛选的预测深度图训练一个深度图去噪网络,达到了对输入深度图进行去噪的目的;最后,将去噪的深度图、RGB图像做显著性目标检测与不去噪的深度图、RGB图像做显著性目标检测进行对比,前者更加优异,证实了深度图去噪对显著性目标检测性能提升的有效性。
展开更多
关键词
深度
学习
深度图去噪
显著性目标检测
下载PDF
职称材料
题名
结合高低频分解和多尺度两级融合策略的单一深度图去噪方法
1
作者
赵利军
王可
张晋京
白慧慧
赵耀
机构
太原科技大学电子信息工程学院
中北大学大数据学院
北京交通大学计算机与信息技术学院
出处
《北京交通大学学报》
CAS
CSCD
北大核心
2022年第5期30-41,共12页
基金
国家自然科学基金(62202323,62072325,61972023)
山西省基础研究计划资助项目(202103021223284)
+3 种基金
太原科技大学博士科研启动基金(20192023)
来晋工作优秀博士奖励资金项目(20192055)
国家重点研发计划(2022YFE0200300)
北京市自然科学基金(L223022)。
文摘
现有的很多基于神经网络的深度图去噪方法忽略了深度图结构信息和细节信息之间的差异性,导致这些方法往往无法准确地恢复深度图的几何结构信息.为此,提出一种结合图像高低频分解和多尺度两级融合策略的单一深度图去噪方法.首先,考虑到不同噪声的差异性,引入多尺度高斯滤波器将含噪声的深度图分解为一组低频结构分量和一组高频细节分量.其次,考虑到低频结构信息和高频细节信息的互补特性,将这两组分量分别输入到基于多尺度两级融合的低频特征提取网络和高频特征提取网络,并且提出在这两个网络之间使用互补的特征加权融合机制进行多级特征融合和反馈.最后,对高低频特征提取网络输出的高低频增强特征,使用高低频合并重建模块进行残差预测,再将其与输入图相融合得到高质量的深度图.实验结果表明,在峰值信噪比、均方根误差、结构相似性和综合性能对比方面,本文方法比多个主流的深度图去噪方法如ARCNN、Fast ARCNN、DnCNN、ADNet和FFDNet拥有更好的性能.
关键词
深度图去噪
图像分解
多尺度融合
深度
神经网络
Keywords
depth map denoising
image decomposition
multi-scale fusion
deep neural network
分类号
TP751.1 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于深度图去噪的RGBD显著性目标检测的研究
2
作者
刘志宇
机构
四川大学电子信息学院
出处
《信息与电脑》
2022年第7期130-134,共5页
文摘
虽然基于深度图像(RGB-Depth map,RGBD)的显著性目标检测如今已取得了很大的发展,但是深度图含有大量的噪声,使得检测性能还有较大的提升空间。首先使用单目深度估计的方法预测出RGB图片的深度图,并与实际输入的深度图作MAE、E-measure、S-measure评分,可以选取质量较好的预测深度图;其次使用筛选的预测深度图训练一个深度图去噪网络,达到了对输入深度图进行去噪的目的;最后,将去噪的深度图、RGB图像做显著性目标检测与不去噪的深度图、RGB图像做显著性目标检测进行对比,前者更加优异,证实了深度图去噪对显著性目标检测性能提升的有效性。
关键词
深度
学习
深度图去噪
显著性目标检测
Keywords
deep learning
depth map denoising
salient object detection
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
结合高低频分解和多尺度两级融合策略的单一深度图去噪方法
赵利军
王可
张晋京
白慧慧
赵耀
《北京交通大学学报》
CAS
CSCD
北大核心
2022
0
下载PDF
职称材料
2
基于深度图去噪的RGBD显著性目标检测的研究
刘志宇
《信息与电脑》
2022
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部