检索结果

Select

1. 融合事件数据和图像帧的车辆目标检测

郑宇亮, 陈云华, 白伟杰, 陈平华

《计算机应用》唯一官方网站 2024, 44 (3): 931-937. DOI: 10.11772/j.issn.1001-9081.2023040420

摘要（166）

HTML （6）

PDF （2274KB）（130）

将事件相机与传统相机结合进行车辆目标检测，既能解决传统相机在高动态范围下的过度曝光与曝光不足、运动模糊等问题，又能解决事件相机由于纹理信息缺失导致的检测精度不高的问题。现有融合算法往往存在计算复杂度高、特征信息丢失以及融合效果不佳等问题。为此，提出一种有效融合事件相机和传统相机的车辆目标检测算法。首先，提出一种基于事件计数（EF）和时间面（TS）的时空事件表示，将事件数据编码成事件帧；然后，提出一种基于通道和空间注意力机制的特征级融合模块（FCSA），对图像帧和事件帧进行特征级融合；最后，利用差分进化搜索算法优化先验框，以进一步提高车辆检测性能。此外，由于包含图像帧和事件数据的公开数据集较为缺乏，建立了一个车辆检测数据集MVSEC-CAR。实验结果表明，在公开数据集PKU-DDD17-CAR上，所提算法的平均精度均值（mAP）比次优的ADF（Attention fusion Detection Framework）提高了2.6个百分点，且获得了较高的帧率，有效提升了车辆目标检测的准确性和对光照的鲁棒性，验证了所提出的事件表示、特征融合和先验框优化算法的有效性。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于结构自相似性和形变块特征的单幅图像超分辨率算法

向文, 张灵, 陈云华, 姬秋敏

计算机应用 2019, 39 (1): 275-280. DOI: 10.11772/j.issn.1001-9081.2018061230

摘要（349）

PDF （1016KB）（281）

针对单幅图像超分辨率（SR）复原样本资源不足和抗噪性差的问题，提出一种基于结构自相似和形变块特征的单幅图像超分辨率算法。首先，该方法通过构建尺度模型，尽可能地扩展搜索空间，克服单幅图像超分辨率训练样本不足的缺陷；接着，通过样例块的几何形变提升了局限性的内部字典大小；最后，为了提升重建图片的抗噪性，利用组稀疏学习字典来重建图像。实验结果表明：与Bicubic、稀疏字典学习（ScSR）算法和基于卷积神经网络的超分辨率（SRCNN）等优秀字典学习算法相比，所提算法可以得到主观视觉效果更为清晰和客观评价更高的超分辨率图像，峰值信噪比（PSNR）平均约提升了0.35 dB。另外所提算法通过几何形变的方式扩展了字典规模和搜索的准确性，在算法时间消耗上平均约减少了80 s。

参考文献 | 相关文章 | 多维度评价

Select

3. 结合结构自相似性和卷积网络的单幅图像超分辨率

向文, 张灵, 陈云华, 姬秋敏

计算机应用 2018, 38 (3): 854-858. DOI: 10.11772/j.issn.1001-9081.2017081920

摘要（390）

PDF （879KB）（514）

针对单幅图像超分辨率（SR）复原病态逆问题，在重建过程边缘细节丢失导致的模糊，提出一种结合结构自相似和卷积网络的单幅图像超分辨率算法。首先，通过将尺度分解获得待重构图片样本的自身结构相似性，结合外部数据库样本结合作为训练样本，可以解决样本过于分散的问题；其次，将样本输入卷积神经网络（CNN）进行训练学习，得到单幅图像超分辨率的先验知识；然后，利用非局部约束项自适应选择最优字典重建图像；最后，利用迭代反投影算法对图像超分辨率效果进一步提升。实验结果表明，与双三次插值（Bicubic）方法、 K-SVD算法和基于卷积神经网络的图像超分辨率（SRCNN）方法等优秀算法相比，所提算法可以得到边缘更为清晰的超分辨率重建效果。

参考文献 | 相关文章 | 多维度评价