一种自适应分数阶变分图像复原模型

为了克服分数阶变分图像复原模型在图像的不同区域变分策略恒定以及未有效利用退化函数先验信息的缺点,建立了一种充分利用退化函数先验信息的自适应分数阶图像复原模型。该模型利用退化函数的平滑先验,采用分数阶变分对退化函数加以表示,并通过极小化图像局部梯度信息对分数阶变分项进行约束。模型的优化求解采用极小化Bregman距离与对偶迭代相结合的方法,并通过对比实验证明建立的自适应分数阶图像复原模型可以更好地复原图像的结构与纹理信息,峰值信噪比与结构相似性都有所提高,图像复原性能更优。     

改进YOLOv4的安全帽佩戴检测方法

由于安全帽目标较小、环境复杂等因素的影响,易造成卷积神经网络的漏检与误检。为提高复杂环境中对安全帽的检测能力,提出一种基于YOLOv4的安全帽检测网络SR＿YOLO。采用多尺度池化操作改进空间金字塔池化层,由分层卷积与scSE注意力模块组成特征增强模块,改进网络结构,分别提高对网络感受野信息的获取能力和对Neck网络的特征提取能力。利用Kmeans++算法对安全帽数据进行anchor尺寸优化,提高算法的检测准确率。实验结果表明,SR＿YOLO的mAP为84.05%,较YOLOv4提高1.45%,每秒检测帧率为30 fps,能够实现安全帽佩戴情况的快速准确检测。