1 中国石油大学（华东）海洋与空间信息学院，山东青岛 266580
2 中国石油大学（华东）计算机科学与技术学院，山东青岛 266580
针对红外与可见光图像融合算法中多尺度特征提取方法损失细节信息，且现有的融合策略无法平衡视觉细节特征和红外目标特征，出了基于空洞卷积与双注意力机制（Dilated Convolution and Dual Attention Mechanism, DCDAM）的融合网络。该网络首先通过多尺度编码器从图像中提取原始特征，其中编码器利用空洞卷积来系统地聚合多尺度上下文信息而不通过下采样算子。其次，在融合策略中引入双注意力机制，将获得的原始特征输入到注意力模块进行特征增强，获得注意力特征；原始特征和注意力特征合成最终融合特征，得在不丢失细节信息的情况下捕获典型信息，同时抑制融合过程中的噪声干扰。最后，解码器采用全尺度跳跃连接和密集网络对融合特征进行解码生成融合图像。通过实验表明，DCDAM比其他同类有代表性的方法在定性和定量指标评价都有提高，体现良好的融合视觉效果。
图像融合 空洞卷积 多尺度结构 密集网络 image fusion, dilated convolution, multiscale stru
1 人工智能学院(未来技术学院)
2 电子与信息工程学院,南京 210000
针对现有的去雨方法无法彻底去除雨纹并且去雨后图像存在细节丢失问题, 提出一种多分辨率融合密集网络的图像去雨方法。网络主体由多个多分辨并行融合模块构成, 始终保持空间精确的高分辨率并从低分辨率中接收大量的上下文信息。使用一种基于选择性卷积核机制SKNet的多尺度特征融合模块, 通过非线性的方法有效聚合来自不同分辨率流的特征。在不同的分辨率流中使用一种改进的残差模块, 采用相邻层次的多种尺度的卷积来获取丰富的雨纹信息。模块间使用密集连接, 加强不同模块之间的特征传播。实验表明, 所提方法在合成及真实雨像数据集上的评价指标与其他去雨方法相比有所提高, 去除雨纹的同时能够保留更多的细节信息。
图像去雨 多分辨率 密集网络 特征融合 image rain removal multi-resolution dense networks SKNet SKNet feature fusion
武汉大学 物理科学与技术学院, 武汉 430072
针对临床上由质子热声信号脉宽和信噪比的不确定性引起的走时提取困难问题, 提出了一种基于密集网络的走时提取算法。该算法使用密集块代替传统卷积块, 融合了具有不同感受野的特征, 并引入了深度监督和网络剪枝机制, 利用标记好的质子束热声信号数据进行学习, 以提取所需的走时信息。实验结果表明, 相比其他算法, 该算法对质子热声信号走时的提取具有较高的准确率和鲁棒性, 同时展现了实时提取的可行性。
质子热声信号 布拉格峰 密集网络 深度监督 网络剪枝 走时 proton thermoacoustic signal Bragg peak dense network deep supervision model pruning travel time
1 内蒙古科技大学 信息工程学院, 包头 014010
2 内蒙古科技大学 内蒙古自治区模式识别与智能图像处理重点实验室, 包头 014010
3 内蒙古工业大学 信息工程学院, 呼和浩特 010051
为了提高遥感图像场景分类中特征有效利用率, 进而提高遥感影像分类精度, 采用基于双通道深度密集特征融合的遥感影像分类方法, 进行了理论分析和实验验证。首先通过构建复合密集网络模型,分别提取图像卷积层特征和全连接层特征; 然后为挖掘、利用图像深层信息, 通过视觉词袋模型将提取的深层卷积层特征进行重组编码, 捕获图像深层局部特征; 最后采用线性加权方式将局部和全局特征融合、分类。结果表明, 选用数据集UC Merced Land-Use和NWPU-RESISC45进行实验, 取得的分类精度分别为93.81%和92.62%。该方法充分利用局部特征和全局特征的互补性, 能实现图像深层信息的充分利用和表达。
图像处理 遥感图像分类 特征融合 密集网络 视觉词袋模型 image processing classification of remote sensing images feature fusion dense convolutional network bag of visual words
1 湘潭大学自动化与电子信息学院, 湖南 湘潭 411105
2 湘潭大学智能计算与信息处理教育部重点实验室, 湖南 湘潭 411105
绝缘子为配网架空输电线路的重要组成部分,对无人机航拍的绝缘子图像进行精准识别是实现其缺陷检测和故障诊断的重要前提。针对图像中绝缘子目标小、背景复杂的问题,提出了一种基于多尺度密集网络的配网架空输电线路绝缘子识别算法。首先,利用K-means算法对数据集的目标框进行分析,获取合适的锚框;然后,将基础网络中的残差模块替换为密集连接模块,以增强网络特征信息的复用与融合,同时添加空间金字塔池化模块、优化多尺度特征融合,以对绝缘子进行预测;最后,用融合交叉熵函数和Focal损失函数的损失函数替换原始损失函数,构建航拍巡检图像数据集并进行实验。实验结果表明,相比原始算法,本算法的准确率提高了约12个百分点,且鲁棒性更强,基本满足电网巡检对绝缘子识别的要求。
图像处理 多尺度 密集网络 空间金字塔池化 损失函数 激光与光电子学进展
2021, 58(8): 0815003
1 沈阳工业大学电气工程学院, 辽宁 沈阳 110870
2 中国科学院沈阳自动化研究所光电信息处理重点实验室, 辽宁 沈阳 110016
3 沈阳工程学院信息学院, 辽宁 沈阳 110136
高光谱图像包含着丰富的光谱信息,单幅RGB重建高光谱图像在**目标识别和医学诊断领域具有重要价值。传统算法无法对未知相机光谱响应的RGB图像进行重建,针对此问题,本文提出了一种基于改进残差密集网络的重建算法。首先,将改进的残差密集块作为残差密集网络的基本模块,使用自适应权重模块对特征通道进行特征重标定,使高光谱重建精度得到了提高。其次,用特征变换层替代原来网络的空间变换层,将解决图像超分辨率问题转换成解决高光谱重建问题,实现网络从空间维度到光谱维度的转变。实验结果表明:本文所提算法无论是在主观效果上还是在客观评估指标上均优于主流的传统方法和深度学习方法,与稀疏字典方法相比,本文算法的平均相对绝对误差(MRAE)和均方根误差(RMSE)分别下降了46.7%和44.8%。
光谱学 高光谱成像 残差密集网络 通道自适应 特征重标定 RGB图像
南京邮电大学 通信与信息工程学院, 南京 210003
针对超密集网络(UDN)下传统切换流程的信令交互过多造成切换总时延的增加, 导致用户体验质量下降的问题, 文章提出了基于软件定义网络(SDN)和网络功能虚拟化(NFV)融合的超密集网络移动性管理算法, 该算法给出了将 SDN与NFV相结合的适应超密集网络的网络架构模型, 在此基础上提出了优化的切换信令流程, 并建立数学模型, 进行性能分析。仿真结果表明, 相较于传统算法, 该算法可以减少切换总时延。
超密集网络 切换时延 信令 软件定义网络 网络功能虚拟化 移动性管理 UDN handover delay signaling SDN NFV mobility management
信息工程大学信息系统工程学院, 河南 郑州 450000
针对室内超密集可见光通信网络多小区资源分配算法中存在的吞吐性能与算法复杂度之间的矛盾,提出一种吞吐性能近似最优且复杂度低的资源分配算法。通过建立各小区资源分配问题的最优化模型,得出该问题是凸优化问题的结论;在合理近似处理后,推导了终端资源分配归一化比例因子的解析式,在此基础上提出一种资源分配算法;算法复杂度分析表明本文算法具有多项式复杂度,低于经典最优化内点法。仿真表明,相比于请求速率占比分配法,本文算法的吞吐量性能提升了57%,服务质量满意度性能提升了67%。
光通信 可见光通信 超密集网络 资源分配 系统吞吐量 服务质量保证
卷积神经网络模型能够提取图像不同层次的分层特征,提取图像包含有大量的细节信息,然而,现有方法没有充分利用网络模型提取的所有分层特征。为了充分利用所有分层特征,增强特征重利用和信息连续传递,设计了适用于高光谱图像分类的残差密集网络模型。残差密集网络结合了残差网络和密集网络,包括浅层特征提取、残差密集单元和密集特征融合三部分。利用卷积操作提取原始图像的浅层特征,将浅层特征作为残差密集单元的输入,残差密集单元的输出与下一个单元中每个卷积层的输出建立短连接,实现了信息连续传递;将两个单元提取的密集特征与浅层特征相加形成全局残差学习,实现了所有分层特征的融合,最终的融合特征用于高光谱图像分类。实验表明,本文方法用于Indian Pines数据、University of Pavia数据及Salinas数据能够分别取得98.71%、99.31%及97.91%的分类精度,有效提高了高光谱图像的分类精度,增强了分类方法的稳定性。
图像处理 高光谱图像 残差学习 密集网络 残差密集网络 激光与光电子学进展
2019, 56(15): 151006
