GMAC-EDSR:基于多类型卷积融合的图像重建方法研究

虽然传统的超分辨率(Super Resolution,SR)重建方法已经取得了显著的成功,但在捕捉图像细节方面仍存在一些限制。与此同时,近年来出现了出色的神经网络模型,虽然效果出色,但却牺牲了重建速度。为了应对这一挑战,本文提出了一种基于多类型卷积融合的图像SR方法,具体来说,将不同类型的卷积核组合在一起,以提取更丰富的图像细节信息,并提出了多类型卷积融合的方法。本文通过一系列详尽的实验验证了基于幻影模块非对称卷积融合网络的模型。实验结果确认,这个模型显著提升了图像重建的质量。

多反射式超声波测风模型及算法研究

针对当前超声波测风阵列体积大传输路径短,测量精度低的问题,设计了4个收发一体的超声波换能器,按方形排列,探头垂直朝下放置,超声波信号通过在测风区域之间多次反射完成测风,相比于一次反射超声波测风阵列体积缩小20%。基于所建模型,提出自适应测风算法以减弱阴影效应对测风精度的影响。利用SpaceClaim Design Modeler软件建立了测风阵列以及风洞模型,通过Fluent Meshing进行网格划分,使用Fluent软件改变模拟风洞内的风速和风向,验证了所设计的小型超声波测风阵列和自适应权重测风算法在减弱阴影效应提高测量精度的优越性。实验结果表明,自适应权重测风算法相比于传统测风算法的测速精度提高了12.44%,测角精度提高了10.40%。