一种面向裂缝检测的深度学习超分辨率方法.pdf
努力****爱敏
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种面向裂缝检测的深度学习超分辨率方法.pdf
本发明公开设计了一种面向裂缝检测的深度学习超分辨率方法,属于图像超分辨率技术领域。本发明包含以下步骤:构建用于超分辨率网络训练的裂缝图像数据集;构建面向裂缝的超分辨率网络;训练面向裂缝的超分辨率网络;裂缝图像的超分辨率放大。本发明充分利用了深度学习在图像超分辨率领域内展现的优势,基于裂缝图像特征,设计包含注意力机制和深度可分离卷积的轻量化残差模块并采用后置上采样结构构建了超分辨率网络,解决了裂缝低分辨率图像向高分辨率图像映射困难、不准确的问题,在低计算资源占用的情况下对裂缝图像进行超分辨率放大,保留了裂缝
一种基于深度学习的深度图像超分辨率重建方法.pdf
本发明公开了一种基于深度学习的深度图像超分辨率重建方法,当上采样因子r=2时,训练整个网络,包括:从不同的深度图像公开数据集中分别选取一定数量的深度图像;数据增强:深度卷积神经网络结构的设计:处理好的网络输入数据和数据标签对整个网络进行训练,训练完成后将低分辨率深度图像输入到训练好的网络模型中,在输出层输出完成超分辨率的深度图像。本发明通过卷积神经网络的多路通道同时训练去生成高维特征图,保留了原始低分辨率图像的准确像素值,加速了整个网络的训练和收敛速度。
一种面向环形靶标检测的图像超分辨率处理方法.pdf
本发明公开了一种面向环形靶标检测的图像超分辨率处理方法,步骤1、通过相机采集环形靶标图像;步骤2、将环形靶标图像输入图像超分模型中提取图像抽象特征,获得图像的视觉特征向量;步骤3、预处理步骤2的视觉特征向量;步骤4、将步骤3处理后的视觉特征向量进行上采样;步骤5、通过卷积层完善上采样后的图像,得到超分辨率后的环形靶标图像。本发明可以改善图像中环形靶标边缘的锯齿状失真,扩展环形靶标检测时相机的拍摄范围,在同等环形靶标检测精度时降低相机分辨率需求,减少购买使用高分辨相机的硬件成本。
一种基于深度学习的红外图像超分辨率重建方法.pdf
本发明公开了一种基于深度学习的红外图像超分辨率重建方法,首先将红外视频转化成连续的多帧红外图像并进行红外图像增强预处理,获得对比度更高、视觉效果更好的红外图像;同时建立基于深度学习的图像超分辨率重建算法模型;基于该模型,利用可见光数据集进行模型训练得到高低分辨率图像之间的关系模型;将红外图像输入该模型进行超分辨率重建,获得高分辨率的红外图像;最后整合红外图像得到信息更丰富的红外图像视频。本发明在红外图像的质量优化上具有十分优秀的效果,同时可以快速地将低质量的红外视频转换成高质量的视频,在军事、医学、安防等
一种基于深度学习的偏振图像超分辨率重建方法.pdf
本发明公开一种基于深度学习的偏振图像超分辨率重建方法,可用于由低分辨率偏振图像重建出相应的高分辨率偏振图像。该方法包括:基于偏振相机采集高分辨率偏振图像,并进行预处理得到低分辨率偏振图像,制作数据集;通过浅层卷积神经网络融合特征信息;通过残差密集模块进行密集融合特征;利用升尺度模块将图像特征通道数放大到对应放大因子的倍数;通过输出模块得到超分辨率偏振图像;利用偏振感知与像素混合损失函数对神经网络进行优化。该方法基于深度学习卷积神经网络,构建了超分辨率重建神经网络模型,使用偏振感知与像素混合损失函数对神经网