【摘 要】
：
核事故发生时,由于核环境内部辐射剂量过大,人类无法进入现场进行后续操作,核应急作业机器人作为少数能进入核事故现场的机器,在解决事故时起到重要作用。部分核应急作业机器人上带有图像采集模块,采集到的图像数据是机器人对内部环境感知的重要依据。然而,核环境中的高能粒子会同图像采集模块中的半导体材料发生辐射效应,导致采集到的图像中含有大量核噪声亮斑。本论文针对灰度核噪声和彩色核噪声分别提出了对应的降噪算法,
论文部分内容阅读
核事故发生时,由于核环境内部辐射剂量过大,人类无法进入现场进行后续操作,核应急作业机器人作为少数能进入核事故现场的机器,在解决事故时起到重要作用。部分核应急作业机器人上带有图像采集模块,采集到的图像数据是机器人对内部环境感知的重要依据。然而,核环境中的高能粒子会同图像采集模块中的半导体材料发生辐射效应,导致采集到的图像中含有大量核噪声亮斑。本论文针对灰度核噪声和彩色核噪声分别提出了对应的降噪算法,具体研究内容如下:1、从核噪声的形成角度进行分析,总结出了核噪声的形状、面积等特性。设计了一种随机行走算法对灰度核噪声进行模拟,得到模拟灰度核噪声数据集。然后,通过实验验证出彩色核噪声与加性噪声的关系,利用多帧叠加求解得到彩色核噪声图像对。2、对于受核辐射干扰的灰度图像,提出了二阶混合全变分降噪算法。该算法极大地抑制了核环境图像中的复杂噪声,同时保留图像的边缘纹理信息。在真实灰度核噪声数据集及模拟灰度核噪声数据集上进行实验,本降噪算法与对比变分算法相比,取得了最高的峰值信噪比（PSNR）和结构相似度（SSIM）,数值最大可达31.61d B和0.889,比对比的变分算法高出2.62d B和0.084。同时该算法在主观视觉效果上也能更好地保留图像的细节信息。3、对于受核辐射干扰的彩色图像,提出了有一个基于深度学习的降噪网络。本网络采用并行设计,主要模块为上下采样模块、多尺度特征提取模块、残差特征提取模块、空间注意力模块。采用Mish激活函数和混合损失函数将网络性能进行调整提升。实验结果表明,本降噪网络在处理时间上优于对比降噪网络,同时峰值信噪比（PSNR）和结构相似度（SSIM）最大可达34.59d B和0.941,优于对比算法2.65d B和0.023。并且,在去除合成的混合噪声实验上也取得优异效果,峰值信噪比（PSNR）和结构相似度（SSIM）最大可达32.97d B和0.943,高于对比算法1.42d B和0.021。证明了该降噪网络还具有较强的适应性。
其他文献
进入21世纪以来,互联网技术、机器人技术以及虚拟现实（VR）技术等高新技术正随着人类科技的不断进步而飞速发展,机器人与操作人员之间的人机交互程度越来越高,也开始越来越多地代替人类在灾害救援、工业生产等领域发挥着重要作用。然而,当前的机器人在各种场景中实际应用时存在着机器人控制效率低、操作者沉浸感不强等诸多问题,这些问题不但影响着人机交互中的用户体验感,还制约着任务完成效率。针对以上问题,本文分析研
在实际场景中,视频图像采集常受多种环境因素影响,使得采集图像在局部或全局区域照度偏低,视觉效果差。即便在有光源补充的4K内窥镜场景,也难免因腔体深度、组织遮挡等因素,导致内窥镜图像的照度不均匀。目前,已有的亮度均衡算法为了达到更好的增强效果,大多数都以更高的算法复杂度为代价,此类算法难以应用于有实时需求的场景。因此,本文围绕4K低照度视频图像的亮度实时均衡问题,展开了对亮度均衡算法的研究、并行实现
中国拥有丰富的山地资源,在这类环境下进行军事作战通信、民用应急通信、地质灾害监控等工作就显得十分必要。无线通信凭借其组网灵活、扩展性强、时效性高等优点已经成为在这类环境下通信的主要手段。但是目前缺少对这类信道特性的较为系统的科学研究,造成了在实际应用场景下快速建立有效和可靠连接的困难,制约了山地环境下无线通信的发展。鉴于山地环境的复杂性,植被的类型、地势的起伏、通信站的布点位置等都会对无线电波的传
肝癌是世界上最常见的癌症之一,它严重威胁人们的生命。肝脏及其肿瘤分割是肝癌治疗中的重要步骤。对腹部CT影像进行肝脏肿瘤分割是一种常规的辅助诊断手段。然而CT影像中肝脏附近存在密度与其相近的器官,并且肝肿瘤具有边界模糊、位置随机、数量不确定、形态和大小不一等特点,这些均是制约肝脏肿瘤分割效果的不利因素。近年来,针对CT影像的深度学习分割方法已有不少研究,但是这些方法在肝脏及其肿瘤分割中存在过分割、欠
在航空航天、空气动力学等领域中,摩擦阻力的测量一直是研究的重点。在摩擦阻力作用下,流体运动能够表征边界层的状态变化。摩擦阻力不仅是描述湍流边界层的一个重要物理量,同时摩擦阻力对于航空飞行器的外壳设计方式也有相当重要的参考价值。本文首先对近年来的摩擦阻力测量方法展开了调查。对比众多方法选择了荧光油膜全局测量技术,以这项技术为基础开展了荧光油膜全局测厚及摩阻测量误差分析研究。首先着手于荧光油膜全局测量
核素识别技术是我国核技术和核工业的发展中的关键性技术,同时也是保障国家核安全的基石,传统核素识别的主要思路是寻找核素能谱中的特征全能峰等核素的特征信息,然后将其与标准核素库中的核素信息进行匹配,从而达到识别核素种类的目的。但是由于实际测量环境中存在较多噪声污染、多种核素相互淹没与干扰,导致得到的核素能谱较为复杂,而传统的寻峰-匹配法无法满足对此类复杂能谱的识别要求,存在误差较大、鲁棒性较差和识别率
相比于传统基于插值、重构及硬件设备等方法进行CT图像超分辨率重建,基于深度学习的方法能够获取纹理连续性好,感兴趣区域特征突出的重建图像,且算法的成本更低。因此本文以深度学习的图像超分辨率重建算法为基础,主要针对注意力机制,残差特征提取及图像的上、下采样技术进行分析和研究。具体内容如下:（1）提出了基于UNet特征融合的超分辨率CT图像重建（UNet SR）。首先,关于通道注意力（Channel a
肺部疾病的患病人数逐年增多,改善肺部疾病的早期诊断和治疗,从CT图像中自动进行肺部分割是临床决策的一项关键任务。然而,由于肺的形状、大小不规则、对比度低和边界模糊,分割肺实质区域是一项非常具有挑战性的任务。现有方法中基于低级手工特征的方法易导致欠分割,基于CNN的浅层网络无法提取更具辨别力的特征。随着深度学习在图像处理领域取得了重要突破,将深度学习与计算机辅助诊断结合识别肺部图像成为了一个热门的研
室内外空气污染已经成为现代社会普遍关注的问题。尽管在过去的几十年中,世界范围内颁布了许多关于空气质量的政策和法规,但空气污染仍然在对人类健康产生负面影响。挥发性有机化合物（Volatile Organic Compounds）是大气污染之一,它的治理问题引起了研究者的关注。二氧化钛（TiO2）半导体光催化材料具备高效无毒、稳定性好、经济环保等优势,因此使用TiO2作为光催化剂降解污染物是解决大气污
图像语义分割是一项关键视觉技术,其目的是为图像中所有像素分配对应的语义标签。经过多年发展,图像语义分割已取得了不少成果,但由于分割任务的复杂性、以及深度学习的局限性等原因,仍有许多问题待解决。例如,无法很好保存边缘细节特征;在提取语义上下文和充分利用特征信息方面效果不佳,导致特征表达能力不足;网络参数量过大。因此,针对以上问题,本文对基于卷积神经网络的图像语义分割进行深入研究,并从解决皮肤镜图像病