检索结果

Select

1. 基于形状自适应非局部回归和非局部梯度正则的深度图像超分辨

张莹莹, 任超, 朱策

《计算机应用》唯一官方网站 2022, 42 (6): 1941-1949. DOI: 10.11772/j.issn.1001-9081.2021040594

摘要（248）

HTML （15）

PDF （3318KB）（75）

针对深度图像分辨率低、深度不连续性模糊问题，提出一种基于形状自适应非局部回归和非局部梯度正则的深度图像超分辨方法。为了探究深度图像非局部相似块之间的相关性，提出了形状自适应的非局部回归。该方法对每个像素点提取其形状自适应块，并根据形状自适应块构建目标像素的相似像素组；然后针对相似像素组中的每个像素，结合同场景的高分辨率彩色图像获得非局部权重，从而构建非局部回归先验。为了保持深度图像的边缘信息，对图像梯度的非局部性进行探究。不同于总变分（TV）正则化对所有像素点梯度的零均值拉普拉斯分布假设，该方法利用深度图像梯度的非局部相似性，用非局部块估计特定像素点的梯度均值，并用学习到的均值来拟合各像素点的梯度分布。实验结果表明，相较于基于边缘不一致性评价模型（EIEM），所提方法在Middlebury数据集上的2倍和4倍上采样率的平均绝对值差（MAD）分别下降了41.1%和40.8%。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 同一场景下超大尺度差异物体的识别和定位方法

王一婷, 张柯, 李捷, 郝宗波, 段昶, 朱策

计算机应用 2020, 40 (12): 3520-3525. DOI: 10.11772/j.issn.1001-9081.2020040466

摘要（357）

PDF （1355KB）（429）

近年来，深度学习在物体检测方面取得了非常好的效果和突飞猛进的发展，但在某些特殊场景下，如要求同时检测尺度相差极大的目标物体（相差大于100倍）时，现有的物体识别方法的性能急剧下降。针对同一场景下超大尺度差异物体识别与定位问题，对YOLOv3框架进行了改进，结合图像金字塔技术来提取图像的多尺度特征；并在训练过程中，针对不同尺度的目标提出采用动态交并比（IoU）的策略，此策略可以更好地解决样本不均衡的问题。实验结果表明，该模型对同一场景下超大超小物体的识别能力有了明显的提升。将之应用于机场环境，取得了较好的应用效果。

参考文献 | 相关文章 | 多维度评价

Select

3. 一种新的图像恢复遗传算法

朱策

计算机应用

摘要（1719）

PDF （663KB）（1026）

针对简单遗传算法在进行图像恢复时，存在“过早收敛”现象，及计算量过大的问题，设计了一种新的二维染色体编码方法，并将传统遗传算法与模拟退火算法相结合。实验结果表明，该方法能较好克服“过早收敛”，降低计算复杂度，改善退化图像恢复质量。