作者单位
摘要
兰州交通大学 电子与信息工程学院,兰州 730070
针对卷积神经网络类图像去雾方法存在的细节丢失、颜色失真、去雾不彻底等问题,提出一种基于阶梯网络与注意力交叉融合的端到端图像去雾算法。整体网络模型包含特征提取、特征融合、图像重建三个模块,其中特征提取包括有雾图像细节和轮廓特征的提取,由阶梯网络的不同阶梯层提取实现;特征融合模块以注意力机制的交叉融合实现,并结合自适应残差处理获得最终的融合特征;最后在图像重建模块,通过非线性映射的方式获得去雾图像。实验结果表明,所提方法去雾彻底,去雾图像细节丰富,有效地解决了颜色失真和细节丢失问题,同时阶梯网络在很大程度上克服了深度网络的训练耗时问题。
图像去雾 阶梯网络 特征融合 注意力机制 细节恢复 Image dehazing Ladder network Feature fusion Attention mechanism Detail restoration 
光子学报
2022, 51(2): 0210004
作者单位
摘要
1 空军航空大学, 吉林 长春 130022
2 东北师范大学地理科学学院, 吉林 长春 130024
3 中国人民解放军95910部队, 甘肃 酒泉 735000
4 中国人民解放军95795部队, 广西 桂林 541000
针对现有基于阶梯网络(LN)的高光谱图像分类算法无法充分提取图像的空谱特征而导致分类精度降低的问题,提出一种基于改进阶梯网络的高光谱半监督分类算法。首先将三维卷积神经网络(3D-CNN)与长短时记忆(LSTM)网络结合,提出一种新的空谱特征提取(3D-CNN-LSTM)网络,使用该网络分步提取局部空间特征与光谱特征。然后使用3D-CNN-LSTM网络对阶梯网络的编码器与解码器进行改进,提出一种3D-CNN-LSTM-LN半监督分类算法,增强阶梯网络的特征提取能力。最后在Pavia University和Indian Pines两个数据集上对不同算法进行实验。实验结果表明,在小样本条件下,所提算法取得了最佳的分类效果,验证了所提算法具有优越性。
遥感 高光谱图像 半监督分类 阶梯网络 空谱特征提取 
激光与光电子学进展
2021, 58(24): 2428008
作者单位
摘要
北方工业大学 信息工程学院,北京 100144
基于电路的设计方法,把N阶串联耦合微环谐振滤波器等价成为一个基带LC阶梯网络,通过求解LC阶梯网络的元件参量,求出微环滤波器的耦合系数.在此基础上设计出具有切比雪夫响应的微环滤波器,并与传统耦合模式理论方法和理想的切比雪夫响应进行比较,证明了这种方法的可靠性,最后讨论了耦合系数和环数对切比雪夫微环滤波器输出特性的影响.数值模拟表明,耦合系数的偏差率越大,通带的平坦性越差;耦合系数的值增大,通带的带宽加宽;当环数增加时,过渡带衰减速度变快,通带形状更接近方形.
集成光学 微环滤波器 切比雪夫滤波器 LC阶梯网络 耦合系数 Integrated optics Microring filters Chebyshev filters LC ladder network Coupling coefficient 
光子学报
2014, 43(3): 0313003

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!