【摘 要】
：
立体图像质量评价(SIQA)是评估立体成像系统性能的一种有效方法.考虑到深度信息是立体图像的重要特征,提出一种结合卷积神经网络(CNN)与立体图像深度显著性特征的无参考SIQA方法.分别利用改进显著特征检测模型和高斯差分滤波器提取立体图像的显著特征和深度特征,并通过小波变换融合两者得到深度显著性特征.在此基础上,将深度显著性特征、对比度特征和亮度系数归一化特征作为输入特征对CNN进行模型训练,从而预测图像的质量分数.该方法在LIVE 3D IQA PhaseⅠ、PhaseⅡ、NBU 3D IQA图像库上的
【机 构】
：
南京信息工程大学 电子与信息工程学院,南京 210044;南京信息工程大学 电子与信息工程学院,南京 210044;江苏省气象探测与信息处理重点实验室,南京 210044
论文部分内容阅读
立体图像质量评价(SIQA)是评估立体成像系统性能的一种有效方法.考虑到深度信息是立体图像的重要特征,提出一种结合卷积神经网络(CNN)与立体图像深度显著性特征的无参考SIQA方法.分别利用改进显著特征检测模型和高斯差分滤波器提取立体图像的显著特征和深度特征,并通过小波变换融合两者得到深度显著性特征.在此基础上,将深度显著性特征、对比度特征和亮度系数归一化特征作为输入特征对CNN进行模型训练,从而预测图像的质量分数.该方法在LIVE 3D IQA PhaseⅠ、PhaseⅡ、NBU 3D IQA图像库上的皮尔森线性相关系数分别为0.948、0.962、0.943,斯皮尔曼秩相关系数分别为0.937、0.961、0.902,在PhaseⅡ、NBU 3D IQA跨数据库上的斯皮尔曼秩相关系数分别为0.832、0.673.实验结果表明,该方法预测的质量分数符合人类主观感知,且具有较好的适用性和鲁棒性.
其他文献
基于阻变器件的存算一体神经网络加速器需在架构设计初期进行仿真评估,确保神经网络精度符合设计要求,但传统阻变神经网络加速器的软件模拟器运行速度较慢,难以应对大规模网络的架构评估需求.为加快仿真评估速度,设计一种基于现场可编程门阵列(FPGA)模拟的阻变神经网络加速器评估方法,分析现有阻变神经网络加速器的架构通用性,利用FPGA资源的高度并行性和运行时指令驱动的灵活模拟方式,通过硬件资源的分时复用实现多层次存算一体架构和指令集的功能模拟及主流神经网络的快速性能评估.实验结果表明,针对不同规模的忆阻器阵列和深度
在实际软件项目开发过程中,软件缺陷预测能辅助测试人员找到项目中可能存在缺陷的位置,并通过抽象语法树(AST)获取项目模块中隐藏的结构和语义信息,此类信息有助于提高缺陷预测精度.提出基于重子节点抽象语法树的缺陷预测方法,在提取节点信息时保留节点的类型信息和对应代码语义的值信息,并使用特殊字符串代替没有值信息的节点.通过树链剖分思想将AST分割为重子节点和轻子节点,优先选择重子节点作为序列化向量中的节点,同时利用深度学习网络学习节点序列中的源代码结构和语言实现软件缺陷预测.实验结果表明,与DFS方法相比,该方
对抗攻击是指对图像添加微小的扰动使深度神经网络以高置信度输出错误分类.提出一种对抗样本防御模型SE-ResU-Net,基于图像语义分割网络U-Net架构,引入残差模块和挤压激励模块,通过压缩和重建方式进行特征提取和图像还原,破坏对抗样本中的扰动结构.实验结果表明,SE-ResU-Net模型能对MI-FGSM、PGD、DeepFool、C&W攻击的对抗样本实施有效防御,在CIFAR10和Fashion-MNIST数据集上的防御成功率最高达到87.0％和93.2％,且具有较好的泛化性能.
现有基于人工智能的路由方案泛化能力较差,难以适应动态的网络拓扑变化.提出基于深度强化学习的智能路由机制SmartRoute.通过实时感知网络中流量分布状态,动态调整路由策略,并结合图神经网络的拓扑信息感知能力和深度强化学习的自我训练能力,提升网络路由策略的智能性.实验结果表明,与DRL-TE、TIDE等方案相比,SmartRoute最多节省9.6％的端到端时延,且具有更好的鲁棒性.
为提高软件无线电(SDR)系统波形应用部署的灵活性和FPGA资源利用率,基于SDR系统的软件通信体系架构(SCA),设计一种支持FPGA的动态部分可重构(DPR)软件架构.针对DPR FPGA与CPU组成的异构计算平台,提出一种蚁群优化调度算法,以提高波形应用部署效率.实验结果表明,与MILP算法和ILP算法相比,所提算法的求解性能平均提升了约30％,且随着任务规模的增大,优势更加明显.
断层是控制油气田形成和分布的主要因素,断层检测和识别对于油气勘探具有重要作用.基于Attention-UNet神经网络模型,构建一种面向地震断层图像识别的SPD-UNet模型.引入空洞卷积,在保证卷积核感受野大小且不损失原始图像分辨率的情况下,增强SPD-UNet模型的断层图像特征提取能力.将金字塔结构的空洞卷积组合成SPD模块,解决空洞卷积的局部信息丢失问题,提高断层信息关联性及图像识别精度.实验结果表明,SPD-UNet模型对于地震断层图像的识别精度优于SegNet与ResUNet模型,并且识别结果与
现有网络嵌入算法大多只保留网络的微观结构信息,忽略了网络中普遍存在的社区结构信息.为提高网络表示质量,提出一种保留社区结构信息的网络嵌入算法PCNE.通过最大化节点之间的一阶和二阶相似性,对网络的微观结构进行建模,同时通过分解可反映网络社区结构信息的社区结构嵌入矩阵,对网络的社区结构信息进行建模.将构建的2个模型融合到统一的联合非负矩阵分解框架中,结合相似度矩阵和社区隶属度矩阵得到融合社区结构信息的节点表示向量.在5个真实公开数据集上进行节点分类实验,结果表明,与DeepWalk、Node2vec、LIN
为在交通标志检测过程中同时满足精度和速度的需求,建立一种改进的基于区域全卷积网络(R-FCN)的交通标志检测模型.通过K-means聚类算法对数据集进行分析,选择合适的锚点框.对特征提取网络ResNet101进行结构简化,只使用前25层来提取特征,以缩短检测时间.在模型中引入可变形卷积和可变形位置敏感RoI池化层,以提高模型对交通标志的感应能力.模型训练过程中使用在线困难样本挖掘策略从而减少简单样本数量.在交通标志检测数据集GTSDB上的实验结果表明,该模型对交通标志位置信息较敏感,AP50和AP75指标
手部分割技术受手部形态、分割背景等因素的影响,分割效率难以提高.在CornerNet-Saccade模型基础上构造一种基于扫视机制的分割模型.通过模拟人眼观察物体时先扫视再仔细观察的行为特征,降低待处理图像的像素数量并在初步判断手部位置后将掩码分支添加到不同尺度特征图中,完成精细分割任务.在此基础上,引入线性瓶颈结构完成模型轻量化操作以降低模型复杂度.实验结果表明,该模型在Egohands数据集上平均交并比高达88.4％,优于RefinNet、U-Net等主流模型,轻量化处理后其平均交并比虽降低了2.2个
基于迭代的图像风格转换在图像重组时未考虑内容图像的结构,导致生成的图像存在线条扭曲.为约束图像重组时的信息,提出一种基于边缘检测的图像风格转换算法.通过Sobel滤波器在内容图像和生成图像相同的卷积层上提取边缘信息,同时以均方误差作为损失函数.在此基础上,将边缘损失、内容损失和风格损失的加权代数和作为神经网络的总损失.实验结果表明,该算法能够有效抑制图像的线条扭曲,减少图像噪声,生成更高质量的图像.