【摘 要】
：
高动态范围（High Dynamic Range,HDR）图像具有较强的场景动态范围表现能力,在航空遥感和医疗成像等领域得到了广泛应用。但由于采集、传输和显示等设备的限制导致接收端的HDR图像质量退化,因此建立有效的HDR图像质量评价方法具有重要意义。目前,可采用支持向量机或者k-means等传统机器学习方法对HDR图像进行图像质量评价,但由于传统机器学习技术仅利用浅层架构,无法高度模仿人类视觉感
论文部分内容阅读
高动态范围（High Dynamic Range,HDR）图像具有较强的场景动态范围表现能力,在航空遥感和医疗成像等领域得到了广泛应用。但由于采集、传输和显示等设备的限制导致接收端的HDR图像质量退化,因此建立有效的HDR图像质量评价方法具有重要意义。目前,可采用支持向量机或者k-means等传统机器学习方法对HDR图像进行图像质量评价,但由于传统机器学习技术仅利用浅层架构,无法高度模仿人类视觉感知对图像质量的判别机制,在图像质量评价中受到限制。卷积神经网络（Convolutional Neural Networks,CNN）由于可以更好地捕获图像的基本属性特征,在HDR图像质量评价中得到了广泛应用。本文在对HDR图像质量评价和卷积神经网络进行深入研究的基础上,运用卷积神经网络对HDR图像质量进行评价,主要研究内容包括:（1）对现有基于CNN网络的HDR图像质量评价方法进行了改进。利用图像迁移和分块方法扩充HDR训练集,使用CNN网络提取HDR图像块特征向量,并对融合后的特征向量使用支持向量回归来预测图像分数。实验结果表明该改进算法有效提高了HDR图像质量评价效果。（2）为了降低模型对HDR图像数据集数据量的需求并提高CNN网络对HDR图像特征的提取效率,提出了一种基于迁移学习和双边滤波的HDR图像质量评价方法。该方法首先在SDR训练集上对双通道CNN网络进行预训练来增加训练数据量;在图像预处理时利用双边滤波技术提取HDR图像的高亮度显著特征;最后结合双通道网络,使用滤波后的压缩图像和亮度显著特征图像进行网络训练并完成对HDR图像质量的评价。实验结果证明该方法具有较高的准确率。
其他文献
DB（Design-Build）总承包模式逐渐在我国工程建设领域得到广泛应用,联合体组成的承包商承接DB项目的情况也越来越多,承包商根据DB模式的特点,可以对项目的设计和施工进行一体化的整合优化,从而实现项目利润率的增大。联合体承包商在DB项目实践过程中会面对很多风险,工程设计为项目建设过程中的龙头,联合体承包商设计方的风险管理不当,会直接影响项目的成本、质量与效益,目前专门针对DB模式联合体设计
基于分布式光纤传感的周界安防系统能够灵敏地监测环境振动,通过光纤传感信号判断入侵事件。在实际应用环境中,光纤传感信号模式复杂且存在噪声干扰,需要设计模式识别算法对光纤扰动信号进行分类,发出入侵预警。如何设计区分度更强、更易于学习的信号特征提取方法,以及选择合适简便的算法设计分类器模型,达到更准确的识别精度是近年来的研究热点和难题。本文针对光纤传感信号模式识别的特征提取方法、分类器设计等方面进行研究
超大流量的分布式拒绝服务（DDoS）攻击已经成为了网络安全的重要威胁。已有的DDoS防御手段集中于末端防御,由于流量已经汇集,这给防御方带来了隐私泄露和服务延迟的隐患。同时,混合DDoS攻击也给中间网络防御方法带来了挑战。针对传统的云服务器DDoS过滤方法的缺陷,本文提出一种将DDoS防御策略分配至边缘服务器,并使用强化学习优化防御策略分配的方法,并且设计了一种基于联邦学习的边缘服务器DDoS流量
随着现代建筑科技的发展,居民在室内活动和工作的时间也越来越长,人们对建筑物内空气质量提出了更高的要求。新风系统可以对进入室内的空气进行过滤、消毒、杀菌、增氧、预冷、预热等处理,为室内补充新鲜有氧的清新空气。在物联网技术的带动下,越来越多的家居电器实现了与互联网的互通互联,但目前多数应用仅限于家庭局域网。由于我国新风系统发展较晚,与互联网有机结合较少,多数新风系统还未实现云端远程控制和数据集中统一管
红外和可见光成像技术在军事、医疗、安防、交通、电力等领域都有着广泛的应用。图像融合旨在综合多模态图像表征的关键互补信息,创建信息更加全面和完整的融合图像。因此,红外和可见光图像融合既有助于丰富人类视觉理解和提升模式识别效果,又能够推动红外和可见光成像技术的进一步应用发展,具有重要的研究意义和应用价值。为满足实际应用要求,本文利用深度学习技术深入挖掘了多模态图像的语义信息,开展了基于深度学习的红外和
现有很多基于WiFi的室内定位技术能够在实验室环境下达到较高精度。但是由于室内场景日趋规模化,室内定位算法从实验室环境迁移到大型复杂环境需要解决新的技术问题,即高成本的指纹库构建。目前已有研究半监督条件自编码器SCVAE（SCVAE,Semi-supervised Conditional Variational Auto-Encoder）致力于构建低成本、高密度的虚拟指纹库解决这一问题,但由虚拟指
现如今,随着工业化和信息化的逐渐融合,科学技术与产业技术呈现出越来越明显的交融态势,以机器人系统为代表的智能化产业不断繁荣起来,在应对高度危险的辐射环境、应急救援以及新冠肺炎疫情防控中都有着重要的作用。利用机械臂进行抓捕操作,是机器人系统的重要应用手段之一。由于机械臂的抓捕范围有限,抓捕实验的第一步是利用视觉导航功能,使机器人运动到离目标物体较近的距离。在机械臂抓捕范围之内,还需要利用位姿估算法识
近年以来,我国对海洋领域的开发和管理一直在快速发展,对海洋信息的利用正不断成为我国发展的战略核心。数据作为海洋信息研究的核心和关键,其质量和精度往往会影响对海洋信息的分析,我国对海洋数据的采集主要依赖海测舰船上的多种传感器设备,但目前仍缺乏一种有效的方法对舰船多传感器采集的海洋数据进行实时融合以提升传感器采集精度。海测传感器在进行数据采集过程中往往要面对采集环境复杂,设备故障等多种问题,导致采集数
近年来,我国在海洋信息领域的研究和开发正处于快速发展阶段,海洋数据的高效处理和应用是促进海洋科技进一步发展和获取国际竞争优势的关键。目前海洋数据呈现出时空关联性强,格式种类多样的特点,带来了异源数据分析难度大、处理效率低等问题,同时现有的舰载海洋数据处理系统仍处于起步阶段,机器学习理论在海洋数据处理和分析的研究较少,因此通过机器学习理论提高海洋数据处理系统实时处理和分析的效率,对我国海洋强国的建设
医学图像分割是医学图像处理与分析领域一个复杂而关键的步骤,其目的是将医学图像中具有特殊含义的部分分割出来,并提取相关特征,为临床诊疗和病理学研究提供可靠的依据,辅助医生做出更为准确的诊断。近年来,由于深度学习算法在医学图像分割中的应用,医学图像分割技术取得了显著的进展,本文在此基础上进行了深入研究,致力于提高胸腔X射线图像的诊断精度,主要提出了两种方法:多支柱卷积神经网络和病灶专注网络。由于人体的