-
题名基于超分重建技术的图像增强系统
被引量:1
- 1
-
-
作者
李伟祥
李展
吴少春
邓福明
-
机构
暨南大学信息科学与技术学院计算机科学系
-
出处
《计算机与现代化》
2014年第5期94-98,共5页
-
基金
国家自然科学基金资助项目(11273014)
中央高校基本科研业务费专项资金资助项目(21612413)
+1 种基金
广东省自然科学基金资助项目(10151063201000002)
国家大学生创新创业训练计划项目(201310559044)
-
文摘
为了提高图像分辨率,也为了给研究人员提供一个图像增强算法比较分析的工具,本文构建并实现一个集图像退化模拟、简单图像增强、图像超分辨率重建和图像质量评估为一体的图像增强系统SR-IES。系统采用多种图像处理方法对图像进行增强,其中超分重建技术是系统的核心技术。系统测试表明,SR-IES系统可以有效改善图像的分辨率和视觉效果,并通过图像质量评估为算法比较提供依据。
-
关键词
图像增强
超分辨率重建
图像质量评估
软件系统
-
Keywords
image enhancement
super resolution
image evaluation
software system
-
分类号
TP317.4
[自动化与计算机技术—计算机软件与理论]
-
-
题名雾霾图像恢复增强系统研究
被引量:1
- 2
-
-
作者
唐道发
李展
林晓兵
叶志航
-
机构
暨南大学信息科学与技术学院计算机科学系
暨南大学天体测量动力学和空间科学研究中法联合实验室
-
出处
《广东科技》
2016年第2期50-53,共4页
-
基金
大学生创新创业训练计划项目"基于超分辨率的雾霾图像处理"(201510559035)
广东省自然科学基金"基于超分辨率重建的地面观测天文图像增强方法"(2014A030313374)
+1 种基金
国家自然科学基金"星系图像的超分辨率重建算法研究"(11403008)
国家自然科学基金"天然卫星的CCD观测与精准定位关键技术的研究"(11273014)
-
文摘
为了增强雾霾图片的视觉效果,得到清晰的图片,同时也为了给研究人员提供一个去雾算法比较分析的工具,构建并实现了一个集图像预处理、去雾、超分辨重建和质量评估为一体的雾霾图像处理系统。系统采用了多种图像处理方法对图像进行处理,其中去雾技术和超分重建技术是系统的核心技术。测试表明,系统可以有效改善雾霾图像的质量和分辨率,同时通过图像质量评估为算法比较提供了依据。
-
关键词
去雾
超分辨重建
图像质量评估
系统软件
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于超分辨率的地基观测图像增强系统
- 3
-
-
作者
解虹
李展
陈慧琼
郑嘉伟
温力
-
机构
暨南大学信息科学与技术学院计算机科学系
暨南大学天体测量动力学和空间科学研究中法联合实验室
-
出处
《计算机与现代化》
2016年第7期1-5,12,共6页
-
基金
国家自然科学基金资助项目(11403008
U1431227
+2 种基金
11273014)
广东省自然科学基金资助项目(2014A030313374)
大学生创新创业训练计划项目(CX15148)
-
文摘
为地面望远镜获取高分辨率的观测图像提供可能途径,突破现有地面望远镜的观测效果,本文设计并实现一个集图像预处理、自动搜星定位、图像配准、超分重建和图像增强为一体的地基观测图像增强系统。系统采用多种图像处理方法增强天文图像,其中超分辨率重建是系统的关键技术和创新之处。系统测试表明,该系统可以自动搜索和精确定位地基观测天文图像中的恒星,有效改善图像分辨率和视觉效果。
-
关键词
天文图像
图像增强
超分辨率重建
软件系统
-
Keywords
astronomical image
image enhancement
super resolution
software system
-
分类号
TP317.4
[自动化与计算机技术—计算机软件与理论]
-
-
题名多分辨率图像序列的超分辨率重建
被引量:15
- 4
-
-
作者
李展
张庆丰
孟小华
梁鹏
刘玉葆
-
机构
暨南大学信息科学与技术学院计算机科学系
广东技术师范学院计算机科学学院
中山大学信息科学与技术学院计算机科学系
-
出处
《自动化学报》
EI
CSCD
北大核心
2012年第11期1804-1814,共11页
-
基金
国家自然科学基金(61070090)
中央高校基本科研业务费专项资金(21612413
+3 种基金
21612414)
广东省自然科学基金(10151063201000002)
广东省科技计划重大专项项目(2010A080402005)
广东省科技计划项目(2010B080701062)资助~~
-
文摘
针对不同焦距下拍摄的多分辨率尺度的图像序列,本文提出了一种基于尺度不变特征转换(Scale invariant feature transform,SIFT)和图像配准的超分辨率(Super resolution,SR)图像盲重建算法.首先提取图像SIFT特征点,然后用向量夹角余弦进行特征描述符向量的初匹配,并用随机抽样一致性(Random sample consensus,RANSAC)算法消除误匹配提高配准精度.计算变换参数后,将低分辨率图像(Low-resolution,LR)像素点映射到高分辨率(How-resolution,HR)网格,最后利用像素可信度加权算法填充缺失像素值,重建更高分辨率的图像.实验表明,本文算法能精确估计图像序列的缩放因子,可以有效处理仿射变换模型,对配准误差也具有一定的鲁棒性.算法从实质上提高了多分辨率尺度图像序列的分辨率,尤其在低分辨率帧数较少可用于重建的信息量严重不足时也能获得比较满意的重建效果.
-
关键词
超分辨率重建
尺度不变特征转换
多分辨率尺度
随机抽样一致性算法
仿射变换
-
Keywords
Super resolution (SR) reconstruction, scale invariant feature transform (SIFT), multi-resolution, randomsample consensus (RANSAC) algorithm, affine transformation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名在部分观测环境下学习规划领域的派生谓词规则
被引量:2
- 5
-
-
作者
饶东宁
蒋志华
姜云飞
邓玉辉
-
机构
广东工业大学计算机学院
暨南大学信息科学与技术学院计算机科学系
中山大学信息科学与技术学院软件研究所
-
出处
《计算机学报》
EI
CSCD
北大核心
2015年第7期1372-1385,共14页
-
基金
中央高校基本科研业务费专项资金(21615438)
国家自然科学基金(61100134
+3 种基金
61003179
61272073)
广东省自然科学基金(S2013020012865
S2011040001427)资助~~
-
文摘
文中提出了一种在部分观测环境下学习规划领域的派生谓词规则的方法.在规划领域描述语言(PDDL)中,派生谓词用来描述动作的非直接效果,是规划领域模型和搜索控制知识的重要组成部分.然而,对于大多数规划领域而言,从无到有地构造派生谓词规则是不容易的.因此,研究自动获取派生谓词的推导规则是有意义的.已有研究工作提出通过修订一个初始的不完备的领域理论来获取推导规则的方法,但是它们的主要缺点在于待学习谓词的训练例的数量非常少,这是因为训练例按照非常有限的方式来生成.而更本质的原因在于它们假设环境是不可观测的.其实,在现实生活中很多动作的非直接效果是可以观测的,或者通过简单的目测或者通过专门的工具.因此文中提出增加观测来反映动作的非直接效果,以便增加待学习谓词的训练例数目从而改善学习的精准度.此外,为了补充一些在归纳学习过程中学习不到的谓词,文中还提出了一个后处理方法来使得学习到的规则在语义上更完整.通过在派生谓词基准领域上的实验表明,文中所提出的方法是可行有效的.更深远的意义在于,文中的研究工作有利于规划领域的自动建模或者控制知识的自动获取的研究与实现.
-
关键词
人工智能
自动规划
派生谓词
规则学习
部分观测
-
Keywords
artificial intelligence
automated planning
derived predicates
rule learning
partial observability
-
分类号
TP182
[自动化与计算机技术—控制理论与控制工程]
-
-
题名在部分观测环境下的不确定动作模型学习
被引量:2
- 6
-
-
作者
饶东宁
蒋志华
姜云飞
-
机构
广东工业大学计算机学院
暨南大学信息科学与技术学院计算机科学系
中山大学信息科学与技术学院软件研究所
-
出处
《软件学报》
EI
CSCD
北大核心
2014年第1期51-63,共13页
-
基金
国家自然科学基金(61100134
61003179)
广东省自然科学基金(S2011040001427)
-
文摘
近年来,动作模型学习引起了研究人员的极大兴趣.可是,尽管不确定规划已经研究了十几年,动作模型学习的研究仍然集中于经典的确定性动作模型上.提出了在部分观测环境下学习不确定动作模型的算法,该算法可应用于假定人们对转移系统一无所知的情形下进行,输入只有动作-观测序列.在现实世界中,这样的场景很常见.致力于动作是由简单逻辑结构组成的、且观测以一定频率出现的一类问题的研究.学习过程分为3个步骤:首先,计算命题在状态中成立的概率;然后,将命题抽取成效果模式,再抽取前提;最后,对效果模式进行聚类以去除冗余.在基准领域上进行的实验结果表明,动作模型学习技术可推广到不确定的部分观测环境中.
-
关键词
人工智能
自动规划
动作模型学习
不确定动作
部分观测
-
Keywords
artificial intelligence
automated planning
learning action models
non-deterministic action
partial observability
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名自动获取派生谓词规划领域的通用规划
被引量:1
- 7
-
-
作者
蒋志华
饶东宁
姜云飞
杨天奇
-
机构
暨南大学信息科学与技术学院计算机科学系
广东工业大学计算机学院
中山大学信息科学与技术学院软件研究所
-
出处
《计算机学报》
EI
CSCD
北大核心
2014年第8期1820-1838,共19页
-
基金
国家自然科学基金(61100134
61003179
+2 种基金
61272073)
广东省自然科学基金(S2013020012865
S2011040001427)资助~~
-
文摘
通用规划(解)是针对某个领域的像算法一样的规划解,通过对其的解释可以直接得出具体问题的规划解,而不需要调用任何规划系统.但是目前通用规划的提取只能在一些简单或者特殊的领域中进行,没有推广到复杂或者一般的规划领域.该文提出在包含派生谓词的规划领域自动获取通用规划的方法.与已有获取方法不同的是:首先,基于派生谓词规则,文中方法明确指出派生谓词目标与动作效果之间的依赖关系,用以完善通用规划中动作应用的目的;其次,在提取过程中借助角色来帮助识别规划解中的循环结构.实验结果表明,文中方法不仅容易在派生谓词规划领域中获取通用规划,而且还能够以较好的性能求解一类以派生谓词为主要目标的规划"难"题.该文是在派生谓词规划领域中提取通用规划的首创性工作.
-
关键词
人工智能
智能规划
派生谓词规划领域
通用规划解
-
Keywords
artificial intelligence
automated planning
planning domains with derived predicates
generalized plans
-
分类号
TP182
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种色彩保真的暗通道去雾算法
- 8
-
-
作者
唐道发
李展
郭毅豪
林晓兵
叶志航
-
机构
暨南大学信息科学与技术学院计算机科学系
暨南大学天体测量动力学和空间科学研究中法联合实验室
-
出处
《自动化技术与应用》
2016年第7期89-93,共5页
-
基金
国家自然科学基金(编号11403008
U1431227
+2 种基金
11273014)
广东省自然科学基金(编号2014A030313374)
国家大学生创新创业训练计划项目(编号201510559035)
-
文摘
基于暗通道先验的去雾算法被认为是最具代表性的图像复原算法.对透射图边缘进行平滑优化可以有效抑制复原图像边缘出现的块状效应,但仍然存在复原图像颜色失真的问题.针对薄雾图像复原色调偏暗,尤其是图像中浅白色景物色彩失真的问题,提出一种色彩保真的暗通道去雾算法,在利用Prewitt算子检测和平滑边缘以优化透射图的基础上,对透射控制参数进行分段限定.实验结果表明,该算法在改善图像边缘块状效应的同时减少了薄雾图像颜色失真的现象,对不同雾霾程度的图片都能获得较好的去雾效果。
-
关键词
暗通道
去雾算法
Prewitt边缘检测
色彩保真
-
Keywords
dark channel prior
defogging algorithm
Prewitt edge detector
color fidelity
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-