- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[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) - 感知保持的图像去色方法
摘要： 去色是将彩色图像转换为灰度图像的基本工具，广泛应用于数字印刷、风格化黑白摄影及众多单通道图像处理场景。近期研究聚焦于尽可能保留有意义的视觉特征与色彩对比度。本文探究如何利用深度神经网络实现去色，并提出一种以感知保持为目标的优化方法。该系统基于人类视觉感知，通过深度表征提取内容信息，自动为去色过程选择适配的灰度值。评估实验验证了所提方法的有效性。
关键词： 颜色到灰度的转换、感知保持、深度神经网络
更新于2025-09-23 15:22:29
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - Desnet：用于ScanSAR图像去条带的深度残差网络
摘要： 扇贝效应是ScanSAR图像中的关键问题之一。它不仅影响图像可视化效果，还会对海洋区域海面风场和海浪反演等定量应用造成干扰。现有去扇贝方法需要人工设置参数，在图像域缺乏普适性。本文提出一种基于残差学习的新型深度神经网络用于ScanSAR图像去扇贝处理。该方法能有效消除扇贝条纹图案，具有强自适应能力，可处理非均匀扇贝图案及不同场景。GF-3 ScanSAR图像实验验证了该方法的良好性能。模型代码已在线公开。
关键词： 合成孔径雷达（SAR）、深度神经网络、扇贝效应、扫描式合成孔径雷达（ScanSAR）、残差学习
更新于2025-09-23 15:22:29
-
[IEEE 2018年中国国际合成孔径雷达研讨会（CISS）- 上海（2018.10.10-2018.10.12）] 2018年中国国际合成孔径雷达研讨会（CISS）- 基于深度神经网络从单极化SAR图像重建全极化SAR数据
摘要： 与单通道极化（单极化）合成孔径雷达图像相比，全极化（全极化）数据能传递更丰富的信息，但会以更高的系统复杂度、较低的分辨率或测绘带宽度为代价。为平衡这些因素，本文提出一种基于深度神经网络的方法，从单极化数据重建全极化数据。该方法包含两部分：首先应用特征提取网络获取多尺度分层空间特征，随后通过特征转换网络预测极化特征，进而重建全极化SAR数据。定性与定量结果表明，重建的全极化SAR数据与真实全极化数据高度吻合。该方法无需假设散射介质的先验信息，且框架可轻松扩展至非全极化数据的全极化重建。传统PolSAR应用（如基于模型的分解和无监督分类）现可直接应用于重建的全极化SAR图像，以解析物理散射机制。
关键词： 合成孔径雷达（SAR）、深度神经网络（DNN）、极化重建
更新于2025-09-23 15:22:29
-
基于颜色感知的视觉质量评估门控卷积神经网络
摘要： 视觉质量评估旨在构建一个计算模型，该模型能够根据人类感知来评价图像质量。作为表征图像的重要方面之一，色彩为图像提供了丰富的信息，并深刻影响着视觉感知。因此，色彩和谐（定义为"两种或多种颜色共同作用时形成单一、愉悦的整体印象"[1]）是决定图像视觉/美学质量的关键特征之一。尽管当前色彩和谐模型在美学质量评估方面取得了一定进展，但大多数传统方法仅通过共现颜色的分布来表征色彩和谐，而忽略了相邻颜色之间的空间关系。为克服这一局限，我们提出利用条件随机场（CRF）的固有结构特性来建模图像色彩和谐。在CRF框架中，我们提出一种新方法：使用门控卷积神经网络（CNN）计算图像小块具有高美学质量的概率，并计算它们之间的和谐兼容性（可视为CRF的关联与交互势能）。本研究还引入每幅图像的语义标签来提升所提和谐模型的判别能力，在美学质量评估方面相比现有色彩和谐模型展现出显著改进。
关键词： 美学质量，深度神经网络，条件随机场
更新于2025-09-23 15:22:29
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于深度神经网络的部分极化SAR数据全极化重建
摘要： 我们提出一种基于深度神经网络的方法，用于从单极化（single-pol）合成孔径雷达（SAR）数据中重建全极化（full-pol）信息。该方法包含两部分：特征提取器用于获取单极化灰度图像中目标的多尺度多层特征，特征转换器则将这些几何特征转换至定义的极化特征空间。我们在美国加州圣地亚哥和路易斯安那州新奥尔良的NASA/JPL L波段UAVSAR影像上验证了所提方法。定性与定量结果表明，重建的全极化图像与真实全极化图像高度吻合，且所提网络具有良好的空间鲁棒性。基于模型的目标分解和无监督分类可直接应用于构建的全极化图像。
关键词： 深度神经网络，无监督分类，极化合成孔径雷达（PolSAR），SAR图像着色
更新于2025-09-23 15:22:29
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 一种基于多方向子带与深度神经网络的融合方法
摘要： 本文提出一种基于多方向子带与深度神经网络的全色锐化方法。首先利用非下采样Contourlet变换（NSCT）的多尺度多方向特性，将全色（PAN）图像分解为不同分辨率的低频子带和不同方向的高频子带。全色锐化方法旨在融合PAN图像的高频子带系数与多光谱（MS）图像的低频子带系数。其次，为更好提取PAN图像不同方向高频子带的特征，使用PAN图像高频子带的图像块训练深度神经网络（DNN）。第三，在融合阶段对重采样低分辨率（LR）MS图像的主成分进行NSCT变换，通过训练好的DNN前向传播（输入为LR MS图像的高频子带）获取输出高分辨率（HR）MS图像的高频子带。最后将重建的高频子带与LR MS图像原始低频子带融合形成新子带集，对该子带集执行NSCT逆变换与自适应PCA（A-PCA）处理生成HR MS图像。实验结果表明，该方法在客观指标与视觉评价方面均优于其他知名方法。
关键词： 自适应主成分分析（A-PCA）、深度神经网络（DNN）、全色锐化、非下采样Contourlet变换（NSCT）
更新于2025-09-23 15:22:29
-
[IEEE 2018年第25届国际图像处理会议(ICIP) - 希腊雅典 (2018.10.7-2018.10.10)] 2018年第25届IEEE国际图像处理会议(ICIP) - Sketchpointnet：一种用于鲁棒素描识别的紧凑网络
摘要： 草图识别是一项具有挑战性的图像处理任务。本文提出了一种名为SketchPointNet的新型基于点的紧凑网络架构，用于实现鲁棒的草图识别。该网络通过自底向上方式对二维点进行连续采样和分组，利用三个miniPointNet分层学习草图特征。SketchPointNet在点采样和分组过程中同时利用笔画的时间与空间上下文信息。通过直接处理稀疏点数据，该网络结构极为紧凑高效。与现有技术相比，SketchPointNet在具有挑战性的TU-Berlin数据集上取得了相当的性能表现，同时显著减小了网络规模。
关键词： 点集、笔划模式、素描识别、深度神经网络
更新于2025-09-23 15:22:29
-
[IEEE 2018 OCEANS - MTS/IEEE神户海洋技术展(OTO) - 日本神户 (2018.5.28-2018.5.31)] 2018 OCEANS - MTS/IEEE神户海洋技术展(OTO) - 基于水下水平圆形阵列的声源定位深度神经网络
摘要： 本文采用深度神经网络（DNN）结合水下水平圆形阵列实现浅?；肪持械纳炊ㄎ弧８梅椒芮秩占渲械纳次恢?，采用特征提取与DNN分析的两阶段方案：在特征提取阶段，通过接收多通道信号的协方差矩阵进行特征值分解（EVD），提取能表征声源传播模态的模态信号空间对应特征向量作为DNN输入特征；在DNN分析阶段，采用时延神经网络（TDNN）构建特征向量与声源位置的映射关系以利用声源信号的时序信息，网络输出为声源位置估计值。通过多项实验验证了该方法的有效性。
关键词： 浅水环境、模态信号空间、深度神经网络、水平圆形阵列、声源定位
更新于2025-09-23 15:22:29
-
[2019年德国慕尼黑国际激光与光电会议暨欧洲量子电子学会议(CLEO/Europe-EQEC)（2019.6.23-2019.6.27）] 2019年欧洲激光与光电会议暨欧洲量子电子学会议(CLEO/Europe-EQEC)——量子纠缠特性的多副本表征方法
摘要： 自动语音识别（ASR）系统被全球数百万用户日常用于口述消息、控制设备、发起搜索或在小设备上辅助数据输入。这些场景中的用户体验取决于语音转录的质量和系统的响应速度。对于多语言用户而言，许多ASR系统采用单一预设语言的单语特性，这成为自然交互的进一步障碍。本研究展示了谷歌开发并部署的端到端多语言ASR架构，允许用户任意组合选择语音语言。我们利用语言识别的最新进展和实时语言选择的创新方法，在保持与单语系统相近的识别准确率和几乎相同的延迟特性的同时实现多语言识别。
关键词： 自动语音识别（ASR）、多语言、深度神经网络（DNN）、语言识别（LID）
更新于2025-09-23 15:21:01
-
[计算机科学讲义] 模式识别与计算机视觉 第11256卷（首届中国会议，PRCV 2018，中国广州，2018年11月23-26日，会议录，第一部分）|| 视网膜图像杯盘比的自动测量
摘要： 青光眼是一种会导致不可逆视力丧失的慢性眼病，而视杯与视盘比率（CDR）是诊断青光眼的重要临床指标，这意味着精确的视盘（OD）和视杯（OC）分割成为一项关键任务。本文提出一种自动CDR测量方法，包含三个阶段：视盘定位与感兴趣区域提取、视盘与视杯同步分割以及CDR计算。第一阶段通过结合形态学运算与滑动窗口来定位视盘并提取感兴趣区域；第二阶段采用改进的深度神经网络U-Net+CP+FL（该网络由U型卷积架构、新型连接路径及多标签融合损失函数构成）同步分割视盘与视杯；基于分割结果，最终阶段可计算CDR值。公共数据库视网膜图像的实验结果表明，该方法性能与眼科专家相当，且优于其他现有方法。因此，本方法可作为青光眼自动化分析的适用工具。
关键词： 视盘与视杯分割、青光眼诊断、深度神经网络、视盘定位、杯盘比（CDR）
更新于2025-09-23 15:21:01