【摘 要】
：
超分辨率重建（Super Resolution,SR）是图像处理领域的重要组成部分,也是当今科学研究的热点问题。本文的研究对象是在静电悬浮结合垂直真空落管实验设备上采集的低分辨率（Low Resolution,LR）材料熔滴图像。针对现有的SR方法应用在熔滴图像上往往会出现边缘模糊、纹理细节信息不足等问题,本文以卷积神经网络（Convolutional Neural Networks,CNN）为主
论文部分内容阅读
超分辨率重建（Super Resolution,SR）是图像处理领域的重要组成部分,也是当今科学研究的热点问题。本文的研究对象是在静电悬浮结合垂直真空落管实验设备上采集的低分辨率（Low Resolution,LR）材料熔滴图像。针对现有的SR方法应用在熔滴图像上往往会出现边缘模糊、纹理细节信息不足等问题,本文以卷积神经网络（Convolutional Neural Networks,CNN）为主要方法,研究依据低分辨图像数据,重新生成高分辨（High Resolution,HR）熔滴图像的超分辨率重建方法。1)基于CNN的不同特征融合方式提出了两种熔滴图像重建算法:DRSub Net和Dense Sub Net。两种算法在低分辨率熔滴图像上使用CNN进行特征提取,相比在插值放大图像上的操作降低了计算复杂度,分别使用残差网络的特征图矩阵相加和稠密网络的特征图通道连接原理进行特征融合,结合亚像素卷积上采样模块构建SR算法模型。DRSub Net充分利用了高层和低层特征的互补性,在SR模型中增加低层特征的语义并在高层特征中增加更多空间信息,同时增加了模型体量和感受野的范围。Dense Sub Net进一步优化了信息流的传播,相比DRSub Net可以使用更少的参数数量,通过特征连接的方法实现了特征可重用性。以上两种算法整体提高了熔滴图像重建模型的学习能力,并优化了训练过程中梯度传播的效果,使网络模型更容易训练。2)基于CNN的注意力机制和循环结构提出了两种熔滴图像重建算法:RSASR和UASR。RSASR通过分支循环CNN结构使用较少的卷积层扩展了多尺度的感受野,在取得理想重建精度的情况下显著减少了权重参数量,并使用自注意力机制得到LR图像中更丰富的空间语义信息,善于捕捉长距离特征,有利于提高熔滴图像的重建效果。UASR使用语义分割的方法识别输入图像中的轮廓和纹理等高频区域,并归一化处理得到注意力权重矩阵,将其加权到DRSub Net重建的图像中,重点关注高频轮廓和纹理区域的重建,并在重建的结果中抑制噪声。实验结果表明,相对于现有的相关方法,本文提出的图像超分辨率重建方法在峰值信噪比、结构相似性以及本文材料熔滴图像特有的直径和面积的重建精度方面,对于低分辨率熔滴图像的重建效果更佳。
其他文献
在工业生产中普遍存在时间序列样本不平衡的问题,即正常情况下的样本数量远远大于异常情况下的样本数量。在电解铝行业中这个问题更加的明显,因为在工业生产中发现异常样本是非常困难的,专家没有一个明确的准则来判断异常。近年来,生成对抗网络（GANs）在异常检测领域越来越流行,在本文中,我们利用生成对抗网络（GANs）能够对复杂的高维图像分布进行建模的能力,提出了一种基于输入样本自适应改变的对抗自编码器生成对
云计算作为一种信息处理基础设施模式和商业模式,逐步得到广泛认可。云服务的执行离不开服务执行环境所提供的计算资源和数据支撑。数据及其负载作为服务执行环境的重要支撑,同样也影响着服务质量。在数据负载不断出现波动的时候,服务执行环境的稳定是确保服务质量的关键一环。为确保服务执行环境的稳定,基于数据负载趋势并主动调配资源是目前较为流行的系统管理方法。本文以提高服务质量为目标,基于数据负载的多维度特征,进行
随着三维点云数据被应用到越来越多的领域,如何快速、准确地识别三维点云物体逐渐成为研究的重点之一,尤其是自动驾驶这种对物体识别的实时性有较高要求的领域。由于点云具有非结构化、分布不均匀等特点,传统的深度学习网络不易直接处理。而且,庞大的网络参数和复杂的网络结构也影响着深度学习网络的运行效率。宽度学习系统虽然克服了网络运行速度较慢的问题,但其在三维点云物体识别领域的研究较少,且宽度学习系统也无法直接处
随着社会和科技的发展,人们对时间序列等数据的研究日渐深入,然而现实中的时间序列多有几种基本成分复合而成,直接对其使用单一模型进行预测,预测精度难以提高。本文研究的数据来自风云3号A星的中分辨率光谱成像仪（MERSI）的定标参数时间序列,此时间序列在长时间段上呈现上升趋势,同时短时间内又有周期性变化,同时还含有噪声。本文先鉴于集合经验模态分解（EEMD）和Seasonal-Trend decompo
音乐相似度检测是音乐信息检索领域的一个重要分支,对于辅助鉴定音乐抄袭以及其他基于音乐内容的检索、审查有积极作用。准确而且适当的音乐特征提取对于提高音乐信息检索的效率具有重要意义。音乐相似度的含义较为丰富,音乐之间相似性可以归纳为情感相似、乐理特征相似、流派相似等。在翻唱、抄袭检测的应用场景中,应当侧重比对音乐内容、乐理特征的相似。现有音乐相似度检测方法主要有两个问题:一、音乐主旋律及其他音乐特征提
近年来,物联网技术和应用得到了快速发展,实时处理物联网设备产生的海量数据对于提升数据价值密度,快速响应业务事件具有重要意义。物联网终端设备众多,产生的数据经过复杂且不稳定的网络,可能会有乱序情形,针对乱序数据的数据分析和查询结果会出现错误,影响业务决策。此外,随着智能终端的发展,嵌套式结构逐渐成为物联网数据的常见格式,设计嵌套式数据存储与查询方法,提升数据检索速度是需要关注的问题。基于上述分析,本
随着工业数字化、网络化的快速发展,互联互通、智能化的工业物联网（Industrial Internet of Things,IIoT）应运而生。IIoT作为国家基础设施的神经中枢,需要高安全性的通信协议互连,因而协议的安全性分析尤为重要。协议安全分析的前提是已知协议格式,然而IIoT设备厂商出于优化通信性能或提供个性化功能等因素考虑,导致IIoT中存在大量的未知、私有协议。现有的对未知协议解析方法
随着我国互联网和移动通信设施的快速建设,使得以互联网技术和移动通信技术为基础的移动互联网的迅速普及,并带来了在移动互联网上运营的社交媒体应用的繁荣。繁荣的社交媒体应用促进了进入互联网应用的门槛的降低,更多的人成为互联网信息的创作中心,丰富了互联网的内容。但是,互联网上丰富多彩的内容对在快速的生产生活节奏下的人们高效获取信息造成了障碍。通过高质量的文本摘要可以提升人们在选择和获取信息时的效率。随着计
中文文本的自动校对技术是自然语言处理的重要应用技术之一。当前使用深度学习的方法进行中文文本校对或者使用深度学习和传统方法结合已经成为主流。然而使用深度学习方法最重要的挑战之一是没有足够多的标记数据用于模型的训练。为解决校对数据不足的问题,本文提出自动生成中文文本校对语料库的方法。鉴于当前中文校对数据分为两类,即中文文本拼写校对和中文文本语法校对,因此本文的主要工作有两点:一是自动生成中文拼写校对语
随着软件安全性的重要性日益增长,在设计阶段发现问题以规避后续修复问题的成本变得越来越重要,使用模型驱动的方法进行软件开发也因此越来越受到重视,这同样也对嵌入式系统的软件安全性分析提出了更高的要求,在这种趋势下危害演化链应运而生,危害演化链具有演绎性分析、集成多方面信息、分析结果更全面更系统等优势。此外,对于软件系统尤其是嵌入式软件系统,安全性问题发现的阶段越早,后续修改的成本越低。而相比于对静态模