学习小波超分辨率系数的人脸超分算法

目前基于卷积神经网络的超分方法虽然在峰值信噪比和结构相似性评价指标上能取得优异的结果,但是得到的超分图像视觉质量较差,会丢失人脸五官区域的细节信息。针对这一现象,设计了一种新的深度神经网络来预测超分小波系数以获得信息丰富的超分辨率人脸图像,首先利用人脸图像的先验知识手动地给予五官区域更多的关注,然后在网络中引入线性低秩卷积运算,最后利用长距离依赖的思想补充超分图像的细节。实验验证该算法可以在获得较高的峰值信噪比和结构相似性的同时,使超分人脸图像五官区域更加清晰、视觉质量更优。     

基于ResNeXt和WGAN网络的单图像超分辨率重建

为解决现有基于生成对抗网络的单图像超分辨率重建模型SRGAN网络训练不稳定、学习速率慢等问题,提出了一种基于ResNeXt和WGAN的单图像超分辨率重建模型Res_SRGAN。该模型参考ResNeXt网络结构构造生成器,降低了生成器的复杂度,仅为SRGAN的1/8;通过WGAN来构造判别器解决了SRGAN模型不稳定的问题;实验结果表明,在四个公开数据集上本文所提模型相较于现有的单图像超分辨率重建模型在主客观评价中均取得了更加优越的性能。     

大学生就业忠诚度培养模式重建探究

面对高等院校毕业生就业过程中日渐凸显的“高就业高流失”现象,以及由此引发的有关大学生就业忠诚度缺失的问题,用人单位将其原因指向高等院校就业指导教育的欠缺以及“先就业后择业”等就业观的不良影响。结合某高校应届毕业生实际情况,围绕完善就业指导体系、抓好诚信教育、重视情感教育等方面,探究高校毕业生就业忠诚度培养模式的重建问题。     

基于Kinect的三维人体重建

提出了一种利用Kinect设备识别和获取三维人体数据,并结合点云库(PCL)进行三维人体模型重建的新方法。为了达到三维人体重建的目的,在调整参考模型体型系数的基础上,同时利用了ICP迭代算法,将参考模型的点云数据同目标模型的点云数据进行配准。实验结果表明此种方法达到了重建的目的,具有实用性和可行性,同时体现了成本低、方便和实时性强的优点。     

车牌识别系统中的超分辨率图像重建技术研究

针对车牌识别系统中图像模糊和分辨率低而影响车牌识别效果的问题,提出利用超分辨率重建来提高车牌图像分辨率的解决方法.建立了凸集投影(POCS)算法的数学模型,研究了凸集投影超分辨率重建的实现过程,并用仿真实验进行了验证.实验结果表明:采用凸集投影算法进行图像重建,可以提高车牌图像分辨率,丰富图像细节信息,能够有效提高车牌识别的准确率,并且迭代次数越多,图像重建效果越好.     

基于鲁棒主成分分析的图像放大算法

给出一种采用鲁棒主成分分析去噪的图像超分辨率算法。对高分辨率训练图像进行Haar小波变换,使用鲁棒主成分分析法得到去噪后的近似子带字典和细节子带字典;将低分辨率测试图像的近似子带作为相应高分辨率测试图像的近似子带,通过细节子带字典恢复出高分辨率测试图像细节子带;通过逆Haar小波变换得到高分辨率测试图像,利用多级增强进一步提高图像的质量。实验结果显示,用所给方法得到的字典对噪声有鲁棒性,且高分辨率重建图像峰值信噪比较高。     

面向大尺度三维重建的多核并行SIFT算法

针对大尺度三维重建中图像数据集较大、其特征提取和匹配时间消耗过长等问题,提出了一种针对有序图像数据集的滑动窗口匹配算法.该算法采用并行计算实现了对SIFT特征提取和匹配算法的加速,并在图形处理器上得以实现,减少了匹配计算量.实验结果表明,算法大大提高了特征提取和匹配的运算速度,保证了特征的稳定性和匹配精度,有效地缩短了大尺度三维重建的运算时间,确保了重建精度.     

基于FOCUSS算法的稀疏阵列综合

以最大稀疏化阵列得到所期望的方向图是稀疏阵列综合理论中的关键问题. 由于阵列天线本身具有稀疏的物理特性, 因此可将稀疏阵列综合归结为稀疏信号的重建过程. 该文提出一种将阵列天线的波束形成问题等效为求解稀疏信号向量的最优化问题的方法, 并利用FOCUSS算法快速准确地得到最大稀疏化的阵列, 以及阵元位置和激励幅度. 理论分析和数值仿真表明了该方法的有效性.     

一种分解型Quasi-Newton电容层析成像图像重建算法

针对电容层析成像系统中的"软场"效应和病态问题,在分析电容层析成像和QuasiNewton算法原理的基础上,基于非线性最小二乘的成像原理,提出了一种新的分解型Quasi-Newton电容层析成像算法,推导出了求解ECT反问题的分解型拟牛顿图像重建算法放的计算步骤,同时利用信赖域公式对目标函数的Hessian矩阵进行校正.仿真实验表明,基于分解型拟牛顿方法具有可行性,对于基本流型该算法与LBP算法相比,具有成像质量高和边界均匀稳定的特点,为ECT图像重建的研究提供了一个新的思路.     

一种多小波电容层析成像图像融合方法

针对电容层析成像系统的"软场"效应和病态问题对重建图像精度的影响,在分析电容层析成像基本原理和成像算法的基础上,基于滤波LBP和神经网络RBF特性,提出了一种基于多小波变换的ECT图像融合方法.该方法首先对待融合图像进行多小波分解,再分别采用最大值法和区域梯度法融合规则对分解后图像低频部分和高频部分进行图像的融合,最后经过多小波重构得到最终融合图像.仿真实验结果表明,融合后成像精确度得到明显提高,减少了误差,图像更接近原型,为ECT图像重建的研究提供了一个新的方法.