【摘 要】
：
基于深度学习的去噪方法能够获得比传统方法更好的去噪效果，但是现有的深度学习去噪方法往往存在网络过深导致计算复杂度过大的问题.针对这个不足，提出一种用于去除高斯噪声的递进式残差融合密集网络DnRFD.该网络首先采用密集块来学习图像中的噪声分布，在充分提取图像局部特征的同时大幅降低网络参数；然后利用递进策略将浅层卷积特征依次与深层特征短线连接形成残差融合网络， 提取出更多针对噪声的全局特征；最后，将各
论文部分内容阅读
基于深度学习的去噪方法能够获得比传统方法更好的去噪效果，但是现有的深度学习去噪方法往往存在网络过深导致计算复杂度过大的问题.针对这个不足，提出一种用于去除高斯噪声的递进式残差融合密集网络DnRFD.该网络首先采用密集块来学习图像中的噪声分布，在充分提取图像局部特征的同时大幅降低网络参数；然后利用递进策略将浅层卷积特征依次与深层特征短线连接形成残差融合网络， 提取出更多针对噪声的全局特征；最后，将各密集块的输出特征图进行融合后输入给重建输出层，得到最后的输出结果.实验结果表明，在高斯白噪声等级为25和
其他文献
微量元素对作物生长至关重要，长期施用微肥可能影响微量元素在农田土壤中的分布，进而影响作物产量及土壤有机碳结构。以渭北旱塬35年锌（Zn）、锰（Mn）、铜（Cu）微肥处理农田为研究对象，分别测定耕层土壤≥250、250～125、125～63、63～20、≤20μm粒级中Zn、Mn、Cu元素含量，并通过傅立叶变换红外光谱（FTIR）测定各粒级有机官能团类型及含量，以期揭示长期微肥下微量元素积累与有机官
序列图像超分辨率（SuperResolution，SR）算法可以利用多帧低分辨率图像之间的互补信息重建出一张高分辨率结果。传统非局部均值（Non-Local Means，NLM）超分辨率重建方法的迭代次数选取和最佳SR重建结果筛选过程高度依赖使用者经验值和主观评价，这极大的增加了算法复杂度、降低了算法的鲁棒性。为了解决这两个问题，提出一种基于图像质量评价（Image Quality Assessm
在转炉炼钢过程中，终点时刻炉口火焰的颜色和纹理与钢水碳含量之间存在密切的对应关系，提取有效的火焰图像特征是准确预测钢水碳含量的关键。结合火焰纹理多方向多尺度等特点，本文提出一种改进的多趋势二进制编码彩色纹理特征表述方法（Improved multi-trend binary coded color texture feature expression method，IMTBCD）。首先，考虑颜色通
基于视觉感知的表面缺陷检测，具有高效、可防止二次损伤等优点，被广泛应用于各种工业场景中。近年来深度学习技术的快速发展进一步推动了视觉缺陷检测的进步与应用。本文以特征的显式提取与自动提取为思路，对基于视觉感知的缺陷检测方法进行综述和分析。首先，简要描述了视觉缺陷检测系统的基本构成，将缺陷检测中的视觉感知归为分类、目标检测和分割三个层次。然后，本文将现有的视觉检测方法分为基于显式特征提取的(传统方法)
AP2/ERF (APETALA2/ethylene-responsive factor)是植物中广泛存在的一类超大家族转录因子，含有1～2个由58～70个氨基酸组成AP2/ERF结构域，根据AP2/ERF结构域的数量及结合序列可以将其分为5个亚家族：AP2 (APETALA2)、ERF (Ethylene responsive element binding factor)、DREB/CBF (
针对卷积神经网络在高光谱图像特征提取和分类的过程中，存在空谱特征提取不充分以及网络层数太多引起的参数量大、计算复杂的问题，提出快速3D-CNN（3-Dimension convolutional neural networks）结合深度可分离卷积(depthwise separable convolution，DSC)的轻量型卷积模型。该方法首先利用增量主成分分析(incremental Prin
由于云计算框架中的传播延迟无法满足电力物联网对低延迟和可靠性的要求，在移动边缘计算框架的基础上，提出一种基于电力物联网的云-边缘网络结构，并对业务响应时延进行建模。通过约束优化和改进遗传算法相结合求解优化模型，得出最优计算卸载策略。通过仿真进行对比分析，验证提出的移动边缘计算卸载策略的有效性。结果表明，该策略在提高业务处理可靠性的同时，也大幅度降低了故障情况下业务响应时延，与仅重传策略的延迟性能相
针对巨型星座设计及建设过程中的覆盖性分析问题，提出了一种高效覆盖性分析新方法：并行墨卡托投影图叠加法(PMPS)。该算法通过对墨卡托投影图的图像叠加处理，进行覆盖域计算，突破了传统网格法(GPA)中网格数量与星座卫星数量的关联约束，降低了计算消耗对卫星数量增长的敏感度。给定计算精度下，随着卫星数量的增加，GPA与PMPS计算消耗比值逐渐提高，并最终趋于极限值，该极限值和GPA选取网格量呈正相关。仿
针对肝脏CT计算机辅助诊断系统中肋骨和脊椎骨的检测和分割问题，在参考肋骨和脊椎骨解剖学位置特征基础上，设计了高效的基于凸多边形顶点检测的肋骨和脊椎骨检测和分割方法。该方法首先针对肝脏CT灌注图像的基本特点，采用高斯滤波和最大相关准则法进行二值化；然后基于凸多边形检测的方法，对肋骨和脊椎骨二值化区域进行分割。实验结果表明，该算法有效地实现了肝脏CT灌注图像中肋骨和脊椎骨的分割。因计算量较小，并且在耗
利用显著性检测技术可以快速有效地从海面背景中区分出前景船舶，因此基于显著性分析的船舶检测算法受到了广泛的研究关注。然而受到水面无规则背景噪声，如海浪、杂波、船舶尾迹等干扰，很难准确地获得船舶检测结果。针对这一问题，提出了一种基于鲁棒背景估计的船舶显著性检测算法。首先，将原始输入图像中的像素点进行聚类形成一系列超像素，并利用深度卷积网络模型求取每个超像素对应的特征描述。然后，为了有效抑制海面背景噪声