【摘 要】
：
图像在获取过程中受传感器、光学系统、大气扰动等多因素影响,导致图像分辨率下降.提出一种结合内外部梯度先验的图像超分辨率重建方法.基于最大后验估计理论框架,将深度学习的外部梯度先验和?0范数的内部梯度、亮度联合约束先验相结合,通过联合利用外部梯度先验和内部梯度先验的互补优势,借助高分辨率的梯度信息提高重建的超分辨率图像质量.实验结果表明,与ASAR、DRRN等方法相比,该方法能够有效增强图像的高频细节和边缘信息,减少重建图像中可能存在的噪声与伪影效果.
【机 构】
：
中国石化销售股份有限公司华南分公司,广州 510130;武汉大学 资源与环境科学学院,武汉 430079;武汉大学 资源与环境科学学院,武汉 430079;地球空间信息技术协同创新中心,武汉 4300
论文部分内容阅读
图像在获取过程中受传感器、光学系统、大气扰动等多因素影响,导致图像分辨率下降.提出一种结合内外部梯度先验的图像超分辨率重建方法.基于最大后验估计理论框架,将深度学习的外部梯度先验和?0范数的内部梯度、亮度联合约束先验相结合,通过联合利用外部梯度先验和内部梯度先验的互补优势,借助高分辨率的梯度信息提高重建的超分辨率图像质量.实验结果表明,与ASAR、DRRN等方法相比,该方法能够有效增强图像的高频细节和边缘信息,减少重建图像中可能存在的噪声与伪影效果.
其他文献
环氧乙烷灭菌设备是一种利用环氧乙烷气体进行灭菌的设备,因环氧乙烷灭菌效果良好而广泛应用于医疗器械的灭菌.为了保证灭菌效果,对环氧乙烷灭菌过程的监测和评价显得尤为重要.本文依据JJF(鄂)68-2020《环氧乙烷灭菌设备校准规范》,采用具有防爆功能的温度、湿度、压力记录器对环氧乙烷灭菌设备物理参数进行了校准,并对充入环氧乙烷和氮气的两种校准条件的结果进行对比分析.结果显示,采用氮气等惰性气体进行环氧乙烷替代,可以进一步提高环氧乙烷灭菌设备校准的安全性,避免计量人员受到环氧乙烷气体的毒性危害,具有可行性.采用
医用离心机是利用离心力以及物质的浮力密度差异进行分离、浓缩和提纯生物样品中各成分的实验机械.目前,医用离心机没有全国统一的校准方法,仅浙江、山西、河北等地制定了地方校准规范,本文基于医用行业标准,及实验室离心机通用技术条件等标准规范,就校准过程中产生的一些问题进行探讨,旨在找出更加科学、精准的医用离心机校准方法,进而推动医用离心机计量领域的规范和发展.
在软件销售场景中软件订阅和支持模式将成为主流,同时中心化授权在效率和安全性上受服务端限制.针对存储订阅信息的服务端可能遭受攻击导致盗版问题,提出基于非同质化代币的软件订阅模型,编写以太坊智能合约并利用去中心化方案保证订阅信息不可篡改.应用非同质化代币表示软件订阅,在区块链上映射软件订阅的生命周期,软件订阅流程依据代币原生操作完成,同时支持订阅购买者和销售商通过与智能合约交互实现安全的软件销售.根据订阅流程中智能合约调用的手续费开销,在模式设计层面选择发布-订阅区块链预言机,解决以太币汇率变化等相关问题,在
现有影响力最大化算法多数因时间复杂度较高或影响力传播范围有限,不适用于大规模社交网络.基于独立级联模型,结合反向可达集采样提出一种改进的影响力最大化算法D-RIS.在影响力传播函数满足单调性和子模性的前提下,通过自动调试确定反向可达集生成数量的临界值.在Slashdot和Epinions真实数据集上的实验结果表明,D-RIS算法在影响力传播范围上接近CELF算法且优于RIS、HighDegree、LIR和pBmH启发式算法,同时在运行时间上相比CELF算法减少近百倍,具有更好的通用性与稳定性,适用于拓扑结
情绪是由大脑内多个通道共同作用产生的,格兰杰因果检验作为情绪识别的主流方法,在计算任意2个通道之间的因果关系时容易忽略其他通道的影响.面向多通道脑电信号,提出一种基于条件格兰杰因果检验(CGC)的因果网络情绪识别方法.利用CGC算法计算不同情绪下大脑全通道的因果关系,据此构建因果网络,并通过分析各通道的入/出度和介数拓扑属性找到关键通道,得到简化的因果网络进行情绪识别.将节点之间的因果连接关系作为特征分别输入SVM和KNN分类器进行分类训练,实验结果表明,简化网络的识别率分别为75.3％和78.4％,验证
面对多样化的应用环境,卷积神经网络(CNN)的架构深度不断增加以提升精度,但同时需要大量的计算参数和网络存储.针对CNN卷积层参数冗余和运算效率低的问题,提出一种基于分层阈值的自适应动态剪枝方法.设计自适应分层阈值判断算法,对批归一化层的尺度因子进行聚类分析,自适应地找到每层的分类断点并据此确定最终阈值,利用该阈值修剪正则化后的输入模型,从而避免根据经验人为定义固定阈值,减小模型尺寸和运行时占用的内存.分别采用该方法和LIU等提出的使用固定阈值且全局修剪的方法对VGGNet、ResNet、DenseNet
现有级联非线性加性噪声模型可解决隐藏中间变量的因果方向推断问题,然而对于包含隐变量和级联传递因果关系的因果网络学习存在全局结构搜索、等价类无法识别等问题.设计一种面向非时序观测数据的两阶段因果结构学习算法,第一阶段根据观测数据变量间的条件独立性,构建基本的因果网络骨架,第二阶段基于级联非线性加性噪声模型,通过比较骨架中每个相邻因果对在不同因果方向假设下的边缘似然度进行因果方向推断.实验结果表明,该算法在虚拟因果结构数据集的不同隐变量数量、平均入度、结构维度、样本数量下均表现突出,且在真实因果结构数据集中的
信号子空间聚焦(FSS)算法可实现宽带相干信号的波达方向(DOA)估计,但其在短快拍条件下存在估计精度差、分辨率低的问题.提出一种改进的信号子空间聚焦(MFSS)算法.根据波长间隔与阵元间距的匹配度选取最佳参考频点及子频带,通过Hankel矩阵奇异值分解重构子频带的协方差矩阵,并利用信号子空间聚焦法构造聚焦协方差矩阵,使用Root-正交传播算子实现DOA估计.实验结果表明,相比FSS、MTOPS、LR-MUSIC算法,MFSS算法复杂度较低,能够有效提高估计精度和速度.
正交频分复用系统中的信号在传输过程中受到无线信道环境衰落和延时的影响,容易产生符号间干扰(ISI),对信道状态信息进行准确估计是降低ISI、提高信号传输准确率的有效方法.针对贪婪迭代类压缩感知信道估计算法存在的估计径错误及漏选问题,提出一种基于离散傅里叶变换(DFT)寻径的压缩感知信道估计算法DFT-OMP.通过DFT寻径的方式抑制由噪声引起的不理想原子,从而对OMP算法重构过程中的原子进行筛选,解决传统方法选取相关因子最大的原子作为重构原子而导致的依赖信号稀疏度问题.在原子预选后的贪婪迭代类压缩感知算法
在无线通信网络环境中,分布式客户端节点在用户隐私保护、数据传输效率、能量利用效率之间较难实现平衡.针对该问题,提出一种结合联邦学习与传统集中式学习的能量与信息管理优化策略.以覆盖性强、适用性广的移动信息采集设备作为学习服务器,将分布分散、资源受限的客户端节点作为学习参与者,通过构建马尔科夫决策模型分析客户端节点在移动信息采集过程中的状态变化和行为模式,同时采用值迭代算法和深度强化学习算法对该模型进行近似求解,获得客户端节点最优的信息传输与能量管理组合策略.仿真结果表明,相比MDP、GRE、RAN策略,该策