基于人脸结构信息引导的人脸图像修复网络

针对人脸图像修复的深度学习网络存在修复后的人脸图像面部语义信息不合理和面部轮廓不协调的问题，提出了一种基于人脸结构信息引导的人脸图像修复网络。首先，采用编码器-解码器网络技术构建人脸结构草图生成网络，并在结构草图生成网络的生成器中加入跳跃连接和引入带膨胀卷积的残差块以生成待修复区域的结构草图。其次，在构建人脸修复网络时，在修复网络生成器中引入注意力机制，让修复网络在修复过程中更多关注待修复区域，并以生成的人脸结构草图为引导从而实现人脸图像面部语义结构和纹理信息的生动修复。最后，在结构草图生成网络的损失函数中引入特征匹配损失进行模型训练，从而约束生成器生成与真实结构草图更相似的结果；在修复网络的损失函数中联合感知损失和风格损失进行模型训练，从而更好地重建待修复区域的人脸图像面部轮廓结构和颜色纹理，使修复后的图像更接近真实图像。对比实验结果表明，在人脸图像数据集中，本文所设计的网络模型的修复性能有较高的提升。     

基于增强型超分辨率生成对抗网络的文物图像色彩重建

针对书画文物的褪色和画面暗旧等问题，提出了一种基于增强型超分辨率生成对抗网络的文物图像色彩重建(Color Reconstruction of Cultural Relic Images Based on Enhanced Super-Resolution Generative Adversarial Network, CR-ESRGAN)模型。该模型针对缺少成对图像的数据集问题，在双3次下采样的基础上提出了利用颜色迁移算法来生成逼真的暗旧、褪色的文物图像。同时改进了ESRGAN网络，在其生成网络中引入自注意力机制，以增强重建图像的纹理细节。在常用图像质量评价指标峰值信噪比(Peak Signal to Noise Ratio, PSNR)/结构相似性(Structural Sililarity Index, SSIM)的基础上引入颜色评价指标CIEDE2000,以更加全面、客观地评价重建图像的质量。与现有几种超分辨率算法以及其文物图像色彩修复方法相比，视觉效果和图像质量有较高的提升。     

基于MD-CBAM的多样性裂缝图像修复方法

大多数现有的桥梁裂缝图像修复方法为单一目标修复,无法根据孔洞周边的有效信息生成多种合理的填充内容且修复结果存在结构扭曲和纹理模糊的问题。本文提出了一种基于掩膜距离卷积块注意力模块(mask distance convolutional block attention module, MD-CBAM)的多样性裂缝图像修复网络,该方法主要由多样性结构生成器与纹理生成器组成。提出区域结构注意力以降低遮挡区域像素与有效像素的差异性,根据掩膜特征对注意力分数进行平均池化处理,提高模型对遮挡区域的推断能力。设计MD-CBAM模块用以在纹理生成阶段合成高质量的特征,该模块利用特征之间的距离信息与语义信息,有效增强了模型填充大孔洞的能力。实验结果表明,本文方法修复的图像具有更为明确的结构和更加合理的纹理,在各掩膜比例下峰值信噪比(peak signal-to-noise ratio,PSNR)和FID(Fréchet inception distance)均达到最优,其中PSNR在掩膜比例为[0.4,0.5)时增加了0.22—2.38 dB且结构相似度(structural similarity,SS...     

基于边缘学习的图像修复算法研究

近几年,深度学习技术在图像修复领域已经取得了许多重大进展,图形修复包括图像去噪、图像补全等方面。本文主要针对图像补全,基于图像中已有的信息还原图像中缺失的部分。但是许多基于深度学习的方法只能修复出大致的结构或者只能做到填充缺口,而难以做到重建有合理意义的结构或者高精度的细节。本文实现了一种基于边缘连接的图像修复算法,能做到在修复图像的同时展现出更好的细节修复能力。该算法是一个基于边缘连接的两阶段的有条件的生成式对抗性模型,该模型包含一个边缘生成器以及一个图像补全网络。我们用CelebA、Places2和Paris StreetView三个数据集对训练后得到的边缘连接模型进行测试并评估,可以看出该算法相比之前算法的优越性。     

基于渐进式特征推理的裂缝图像修复方法研究北大核心CSCD

图像修复是计算机图形学与计算机视觉中的研究热点之一。针对传统裂缝图像修复采用一次性补全修复方法并没有语义理解能力,当语义场景较为复杂且图像缺陷较大时修复效果不佳的问题,提出了一种基于渐进式特征推理的裂缝图像修复方法。该方法从孔洞边缘逐步修复图像,加强对孔洞中心的约束。首先通过计算掩膜占比确定修复比例,使用部分卷积更新掩膜,然后利用VGG-16网络进行特征提取,再使用语义注意力机制,生成高质量的图像特征,并采用跳跃连接方法,增强遥远距离的梯度相关性,为后续图像修复提供多尺度多层次的特征信息。最后,将递归生成的特征图进行融合解码生成修复图像。实验结果表明,与传统图像修复方法相比,本方法修复的裂缝图像峰值信噪比提升了0.5 dB—1.2 dB,产生语义明确的修复结果。     

基于边缘保持和注意力生成对抗网络的红外与可见光图像融合

由于红外与可见光图像特征差异大,并且不存在理想的融合图像监督网络学习源图像与融合图像之间的映射关系,深度学习在图像融合领域的应用受到了限制。针对此问题,提出了一个基于注意力机制和边缘损失函数的生成对抗网络框架,应用于红外与可见光图像融合。通过引入对抗训练和注意力机制的思想,将融合问题视为源图像和融合图像对抗的关系,并结合了通道注意力和空间注意力机制学习特征通道域和空间域的非线性关系,增强了显著性目标特征表达。同时提出了一种边缘损失函数,将源图像与融合图像像素之间的映射关系转化为边缘之间的映射关系。多个数据集的测试结果表明,该方法能有效融合红外目标和可见光纹理信息,锐化图像边缘,显著提高图像清晰度和对比度。     

基于改进深度卷积生成对抗网络的刺绣图像修复

目前中华传统刺绣工艺传承保护问题中的修复任务主要以人工为主，修复过程需要大量的人力、物力。随着深度学习的高速发展，不同类型的刺绣文物损伤可以利用生成对抗网络进行修复。针对上述问题，提出一种基于改进深度卷积生成对抗网络（DCGAN）的刺绣图像修复方法。首先，在生成器部分引入空洞卷积层扩大感受野，并添加卷积注意力机制模块，在通道与空间2个维度增强重要特征的指导作用；在判别器部分增加全连接层数提升网络解决非线性问题的能力；在损失函数部分联合均方误差损失与对抗损失通过网络训练相互博弈的过程实现刺绣图像修复。实验结果表明：引入空洞卷积层与注意力机制提升了网络性能与修复效果，最终得到修复图像的结构相似性高达0.955，能够得到较为自然的刺绣图像修复效果，可以为专家提供纹理、色彩等信息作为参考辅助后续的修复。     

一种生成对抗网络用于图像修复的方法

近年来基于深度学习的图像修复方法相比于传统方法,表现出明显优势,前者能更好的生成视觉上合理的图像结构和纹理.但现有的标准卷积神经网络方法,通常会造成颜色差异过大和图像纹理缺失与失真的问题.本文提出了一种新型图像修复深度网络模型,该模型由两个相互独立的生成对抗式网络模块组成.其中,图像修复网络模块旨在解决图像缺失区域的修复问题,其生成器基于部分卷积网络;图像优化网络模块旨在解决修复后图像存在局部色差的问题,其生成器基于深度残差网络.通过两个网络模块的协同作用,图像的视觉效果与图像质量得到提高.与其他先进方法进行定性和定量比较的实验结果表明,本文提出的方法在图像修复质量上表现更好.     

基于GAN的肺部CT影像超分辨率重建研究

基于提高CT图像分辨率、丰富放大后图像纹理细节的目的,提出了RUAGAN模型。通过在生成器部分使用RRDB作为基本块,并加入局部注意力(Local aware Attention,LA)的方法提取影像中的高频信息;为提供更加真实的梯度反馈,使用U-Net网络作为鉴别器。经过实验仿真表明,改进后的模型在肺部CT图像数据集上训练,在4x放大因子上重建出的图像纹理更加丰富,有清晰真实的边缘,其峰值信噪比与结构相似性分别达到31.980和0.974,高于其他分辨率重建模型。     

一种基于生成对抗网络与注意力机制的可见光和红外图像融合方法

针对低照度可见光图像中目标难以识别的问题,提出了一种新的基于生成对抗网络的可见光和红外图像的融合方法,该方法可直接用于RGB三通道的可见光图像和单通道红外图像的融合。在生成对抗网络中,生成器采用具有编码层和解码层的U-Net结构,判别器采用马尔科夫判别器,并引入注意力机制模块,使得融合图像可以更关注红外图像上的高强度信息。实验结果表明,该方法在维持可见光图像细节纹理信息的同时,引入红外图像的主要目标信息,生成视觉效果良好、目标辨识度高的融合图像,并在信息熵、结构相似性等多项客观指标上表现良好。     

论三网融合

讨论了电话网、计算机网、有线电视网三种网络的优势与不足,并提出实现宽带多媒体综合服务网的最佳途径：将有线电视网由单向广播式改造为双向交互式网络,进一步从技术和国家政策上讨论这个途径的可行性以及其社会意义。     

天地一体化信息网络统一编址与路由研究

天地一体化信息网络将是支持地面互联网、无线移动网络和空间网络相互连通、深度融合的一体化网络,采用统一的网络层设计是实现高效融合与互联互通的关键所在。针对空间链路和空间网络在稳定性、可靠性等方面的特点,提出了天地一体化信息网络的统一编址与路由的方案,基于IPv6和层次路由的方式实现网络层的高效融合,具有良好的可扩展性、可用性、稳定性、可管控性。     

下一代IP网的研究

下一代IP网将是一个可控制、可管理的全业务网。文章从8个方面探讨了下一代IP网的技术特点,并提出一些相关的研究方向。     

Linux软件网络的结构属性及静态稳健性

通过对 Linux 软件源码分析,分别构建基于函数调用的有向软件网络模型、软件系统的弱耦合网络模型、强耦合网络模型以及强连通子图模型,并对 4 种网络模型的结构属性及静态稳健性进行研究。研究结果表明,4种网络都是“小世界”网络;Linux网络中6个功能模块的出度分布遵循指数分布,入度分布遵循幂律分布;选取不同的网络稳健性评价指标,其最佳的攻击策略存在差异;对于弱连通稳健性指标,高入度攻击策略对弱耦合软件网络的破坏最大。     

基于开源软件的开发者和项目网络分析

文章讨论了复杂的网络概念以及利用开源软件(OSS)数据构建的社会网络,对Berlios,GNU和SourceForge这3种不同开放源码软件的社会网络进行了初探。很多研究者已经在此类网络快照或合并视图上进行了大量研究,尤其是SourceForge,归结于其社区规模的庞大。SourceForge网络因具有在不同时间点的度分布、连通性、中心性和无标度等特性,被进行过大量的研究。然而,很少有人研究网络生长,即如何建立网络,尤其是指标是如何随时间演变的。     

通信组网技术的快速进展

简单回顾通信业务发展过程,着重阐述骨干网组网技术的主要倾向是使电话为重心的传统网进化至数据为重心的宽带分组网,并详细解释光纤和对绞铜线在宽带接入网高速数据传输中的应用。     

混合网络研究

自组织网和蜂窝网是移动通信系统的重要组成部分,融合两者的混合网络将可能成为未来移动通信系统的重要组成形式之一.文章介绍了混合网络的研究现状,分析了各网络模型的特性,并对混合网络中的关键技术问题,如框架结构、通信模式选择、信道分配、路由、计费、负载均衡,进行了探讨.文章认为混合网络通过其灵活的网络组建能力,不仅提高了对传统业务的支持,同时也为引入新服务创造了条件.自组织网络和蜂窝网络的融合将为构造下一代移动通信系统奠定基础.     

农村有线电视网络双向改造方法研究

通过分析农村有线电视网络和有线电视网络双向改造的技术现状,对有线电视双向网络的结构进行了剖析,对有线电视网络双向网改造的方式进行了比较和分析,最终提出了适用于广大农村现状的有线电视网络双向网改造方式。     

AT＆T的网路体制与组网模式

本文介绍了美国ＡＴ＆Ｔ的网路体制与组网模式，它们包括：ＡＴ＆Ｔ的基本业务网，Ｎｏ．７信令网，智能网，基础网及业务网运行维护支撑系统，并概要介绍了网路的路由组织及路由方法。     

通信网可编程性的原理及研究现状

可编程网络的目的是打破封闭式的网络模型。通过特定的对外接口、控制机制和内部处理模块实现网络设备的功能可编程。本文对通信网可编程性的原理给出了较详细的阐述并简要介绍了其应用、挑战和研究现状。