修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

287 条数据
?? 中文（中国） ▾

  • [2018年IEEE智能世界、普适智能与计算、先进可信计算、可扩展计算与通信、云计算与大数据计算、人联网与智慧城市创新会议（SmartWorld/SCALCOM/UIC/ATC/CBDCom/IOP/SCI） - 中国广州（2018年10月8日至12日）] 2018年IEEE智能世界等系列会议 - 基于CNN模型的不完整虹膜图像高效识别方法

    摘要： 人眼虹膜因其独特性、非接触性和生物活性成为生物识别领域的研究热点。采集过程中导致的虹膜不完整性给后续的虹膜区域分割和虹膜编码匹配带来了极大不确定性，从而降低了虹膜识别的效率。本文描述了一种具有自适应不完整虹膜预处理机制的深度卷积神经网络模型?；诤缒ね枷竦墓橐换?，该不完整虹膜预处理机制采用内圆或外圆生成方法，通过线拟合与圆拟合方法对虹膜区域进行分割以提取尽可能多的虹膜特征。随后深度卷积神经网络利用不规则虹膜区域的像素编码完成虹膜模式分类。该模型充分运用了深度学习的特性、局部特征表征和权重共享，并实现了利用大样本补偿局部特征不完整性的问题。实验结果表明，与传统算法相比，该方法具有显著的准确率提升。

    关键词： 虹膜识别、卷积神经网络、虹膜图像归一化、算法

    更新于2025-09-23 15:23:52

  • 一种基于深度卷积神经网络的糖尿病视网膜病变增强检测与分类方法

    摘要： 本研究旨在提出一种替代性的混合解决方案，用于从视网膜眼底图像诊断糖尿病视网膜病变。具体而言，该混合方法结合了图像处理与深度学习技术以提升诊断效果。在医学图像处理领域，从数字眼底图像可靠检测糖尿病视网膜病变仍是一个悬而未决的问题，需要开发替代性解决方案。当前背景下，人工解读视网膜眼底图像需要大量人力、专业知识和过度耗时。因此医生亟需影像与计算机视觉系统的辅助，而下一步发展则与智能诊断系统的应用密切相关。本研究提出的解决方案包含采用直方图均衡化与对比度受限自适应直方图均衡化技术的图像处理流程，继而通过卷积神经网络分类实现诊断。该方法使用MESSIDOR数据库中的400张视网膜眼底图像进行验证，获得各项性能评估参数平均值：准确率97%、灵敏度（召回率）94%、特异度98%、精确率94%、F值94%及几何均值95%。除上述结果外，与既往研究的总体比较也表明，本方法在从视网膜眼底图像诊断糖尿病视网膜病变方面具有充分的有效性与成功性。通过运用相关图像处理技术与深度学习进行糖尿病视网膜病变诊断，本方法及研究成果对相关文献具有重要价值贡献。

    关键词： 图像处理、深度学习、卷积神经网络、糖尿病视网膜病变

    更新于2025-09-23 15:23:52

  • FusionCNN：一种基于深度卷积神经网络的遥感图像融合算法

    摘要： 在遥感图像融合领域，基于人工融合规则的传统算法对源图像具有高度敏感性。本文提出了一种基于卷积神经网络的图像融合算法（FusionCNN）。该融合模型隐式表征了一个融合规则，其输入为一对源图像，输出为具有端到端特性的融合图像。由于遥感领域缺乏可用于训练FusionCNN的数据集，我们从自然图像集中构建了新数据集以模拟多光谱（MS）和全色（Pan）图像。为获得更优的融合质量，在预处理步骤中利用多光谱图像的低频信息增强全色图像。本文提出的方法通过大量训练数据学习自适应性强鲁棒的融合函数，克服了传统融合方法中人工制定融合规则的缺陷。采用Landsat和Quickbird卫星数据验证了所提方法的有效性。实验结果表明，该融合算法在主观与客观评价方面均优于对比算法。

    关键词： 卷积神经网络，深度学习，遥感图像融合，图像增强

    更新于2025-09-23 15:23:52

  • 用于视网膜SD-OCT扫描中视网膜层和液体病理自动提取与表征的深层结构张量图搜索框架

    摘要： 黄斑病变是一组影响黄斑区的视网膜疾病，若不及时治疗会导致严重视力损害。过去已有多种计算机辅助诊断方法被提出用于自动检测黄斑疾病。但据我们所知，目前尚无文献提供针对健康与病变黄斑病理的端到端分析解决方案。本文提出一种与设备无关的深度卷积神经网络结合结构张量图搜索的分割框架（CNN-STGS），用于视网膜层与液体病理的提取表征及三维视网膜分析。该框架首先从光学相干断层扫描（OCT）图像中提取九个视网膜层，随后结合深度CNN模型自动分割囊样与浆液性病理区域，最后实现自主三维视网膜分析。我们在公开数据集（包含439名受试者总计42,281次扫描的杜克大学数据集，以及51名受试者4,260次OCT扫描的武装部队眼科研究所数据集——这些数据通过不同OCT设备采集）上验证了CNN-STGS框架。通过标记注释验证表明，该框架在多项指标上显著优于现有方案：对视网膜液体的分割平均Dice系数达0.906，在病变视网膜OCT扫描中识别囊样与浆液性液体的准确率达98.75%。

    关键词： 卷积神经网络（CNN）、光学相干断层扫描（OCT）、黄斑病变、眼科学、图搜索

    更新于2025-09-23 15:23:52

  • [IEEE 2018年第25届国际图像处理大会(ICIP) - 希腊雅典 (2018.10.7-2018.10.10)] 2018年第25届IEEE国际图像处理大会(ICIP) - 基于多损失卷积神经网络的光场相机高质量虚拟视图合成

    摘要： 尽管光场相机能够同时记录空间和角度信息，但在采集光场数据时其角度与空间分辨率均存在局限。因此需要合成虚拟视点。本文提出基于多损失卷积神经网络（CNN）的高质量虚拟视点合成方法。我们采用像素空间与特征空间的多损失函数来提升光场数据的角度分辨率，将特征损失、边缘损失和均方误差（MSE）损失三种损失函数整合为多损失函数?；谌慵虻NN学习视点合成函数。实验结果表明，该方法能成功从光场数据生成虚拟视点，且在峰值信噪比（PSNR）和结构相似性（SSIM）指标上优于现有最优技术。

    关键词： 卷积神经网络、损失函数、虚拟视图合成、多损失、光场

    更新于2025-09-23 15:23:52

  • 基于卷积神经网络和合成目标的星载红外图像舰船检测

    摘要： 基于卷积神经网络（CNN）的红外舰船自动检测方法仅需合成目标训练数据。该方法针对星载红外图像中舰船目标检测需求提出，其全天气探测能力对军事和民用领域均具有重要意义。虽然深度学习方法已在诸多图像处理领域取得显著成效，但其训练过程仍依赖大量标注数据，这种局限可能影响红外图像目标检测任务的应用性能。为解决红外训练数据匮乏问题，我们设计了迁移网络（T-Net），能从谷歌地球图像生成大量具有红外特征的合成舰船目标。实验采用Landsat-8卫星近红外波段（0.845μm-0.885μm）、短波红外波段（1.560μm-1.66μm）和长波红外波段（2.1μm-2.3μm）图像进行验证。结果表明：T-Net具备优异的目标生成功能，仅使用合成训练样本时，本检测方法的精度超越其他经典舰船检测算法。

    关键词： 卷积神经网络，星载红外图像，合成目标，舰船检测

    更新于2025-09-23 15:23:52

  • 基于深度卷积网络的遥感图像超分辨率重建

    摘要： 遥感图像数据已广泛应用于农业、军事和土地利用等诸多领域。由于图像采集设备的限制及能量守恒定律的制约，同时获取高空间分辨率与高光谱分辨率的遥感图像存在困难。超分辨率(SR)技术能将低分辨率(LR)图像提升至高分辨率(HR)。本文提出一种新型深度卷积网络(DCN)超分辨率方法(SRDCN)，该网络基于分层架构学习端到端的映射函数，实现从低分辨率图像重建高分辨率图像；进一步研究了基于残差学习和多尺度版本的SRDCN扩展方法（即改进型SRDCN[DSRDCN]和扩展型SRDCN[ESRDCN]）。使用不同类型遥感数据（如多光谱与高光谱）的实验结果表明，所提方法优于传统基于稀疏表示的方法。

    关键词： 卷积神经网络，遥感影像，超分辨率

    更新于2025-09-23 15:23:52

  • 利用基于CNN的优越虹膜分割技术以提高识别精度

    摘要： 基于卷积神经网络的虹膜分割方法在分割误差指标上已被证明优于传统虹膜分割技术。若要在传统生物识别系统中合理应用这些方法，需要根据生成的分割结果对虹膜进行参数化处理，以获取通常用于特征提取的标准化虹膜纹理。这仍是一个尚未解决的问题。我们将提出一种针对CNN分割结果的参数化方法，从而弥合基于CNN的分割与橡胶板变换之间的差距。该参数化方案使CNN分割能作为完整分割步骤应用于常规虹膜生物识别系统，或者也可将分割结果用作其他分割方法的噪声掩模。这两种方案都将进行评估。

    关键词： 虹膜分割、卷积神经网络、虹膜掩模参数化、虹膜生物识别

    更新于2025-09-23 15:23:52

  • 来自沿海海水和淡水的溶解性有机质对2,4-二羟基二苯甲酮光降解的差异性影响

    摘要： 随着深度学习技术的快速发展，其在不同领域挑战性问题中的应用引发了广泛关注。鉴于卷积神经网络（CNN）在音频分析各项任务中的近期成功表现，本文研究了几种最先进CNN架构在大规模鲸类叫声分类任务上的性能对比。基于深度神经网络模型，提取鲸鱼亚群的独特特征以获得更高层次的抽象表征，从而实现更精准的分类——这种方法显著优于基于专家知识使用人工特征的的传统分类方法。特别地，本研究采用由不同海域鲸鱼携带的音频传感器记录的大型开源声学数据集进行性能比较。实验发现，主流CNN架构的进步显著提升了鲸类叫声分类任务的准确率，且准确率与计算效率随CNN架构变化而异。在四种CNN架构中，Xception表现最佳，而CNN模型集成则能取得更优结果。

    关键词： 深度学习、鲸鱼叫声分类、卷积神经网络

    更新于2025-09-23 15:23:52

  • DeepSpectra：一种用于定量光谱分析的端到端深度学习方法

    摘要： 从光谱中学习模式对于开发光谱数据的化学计量分析至关重要。传统两阶段校准方法包括数据预处理和建模分析。预处理的不当使用可能引入伪影或移除有用模式，导致模型性能变差。本文提出一种名为DeepSpectra的端到端深度学习方法（整合了Inception?？椋?，用于直接从原始数据中学习模式以提升模型性能。通过在四个公开可获取的可见/近红外光谱数据集（玉米、药片、小麦和土壤）上测试，将DeepSpectra模型与三种CNN模型在原始数据上进行比较，并包含16种预处理方法来评估预处理影响。DeepSpectra模型在四个数据集上均优于其他三种卷积神经网络模型，且在大多数场景下原始数据的处理效果优于预处理数据。该模型还与线性偏最小二乘法(PLS)、非线性人工神经网络(ANN)和支持向量机(SVR)在原始及预处理数据上进行了对比。结果表明，在大多数场景中DeepSpectra方法比传统线性和非线性校准方法表现更优。增加训练样本量能提升模型的重复性与准确性。

    关键词： 模型准确度、Inception（初始网络）、卷积神经网络、化学计量学、重复性

    更新于2025-09-23 15:23:52