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

44 条数据
?? 中文（中国） ▾

  • 利用生成对抗网络增强自混合干涉信号以实现激光计量传感应用

    摘要： 自混合干涉（SMI）激光传感器的测量性能会因噪声存在而受到显著影响。传统信号增强技术由于仅处理频域信号、主要依赖一阶统计量、丢失高频段重要信息及仅能应对有限噪声类型等局限，会导致性能下降。为此，我们提出基于生成对抗网络（主流深度学习方案）的解决方案，用于增强受多种噪声污染的SMI信号。该方法利用深度网络从大量样本中学习任意噪声分布的特性，通过端到端训练深度网络模型，可直接处理原始波形，学习包含285种不同光学反馈耦合系数（C值）和4种线宽增强因子α值构成的1,140种SMI波形在51种噪声条件（包括白噪声和调幅噪声）下的特征。结果表明：该方法平均可将弱、中、强光学反馈状态信号的噪声信噪比分别提升19.49dB、16.29dB和10.34dB；对于调幅SMI信号，在所有光学反馈状态下最大校正误差（基于曲线下面积的定量分析）仅为0.73%。该方案能在不扭曲原始信号的前提下有效降噪，这种统一精确的方法将提升SMI激光传感器在实际噪声环境中的工作性能。

    关键词： 信号噪声去除、用于信号增强的神经网络、干涉测量激光传感器、振动测量激光传感器、波形增强、自混合信号增强、生成对抗网络（GAN）

    更新于2025-09-16 10:30:52

  • [2019年IEEE国际图像处理会议(ICIP) - 中国台北(2019.9.22-2019.9.25)] 2019 IEEE国际图像处理会议(ICIP) - 基于双步配对学习的耦合网络生成图像检测

    摘要： 随着生成对抗网络（GAN）的快速发展，如今只需一个低维随机向量就能轻松生成逼真照片。然而，这些生成图像可能被用于合成若干人物形象，其包含的激进内容可能对社会产生潜在影响。鉴于目前已有多种基于不同GAN技术生成逼真人脸图像的方法，要收集所有可能生成模型的训练图像十分困难；因此基于学习的方法无法有效检测出使用未涵盖生成模型制作的假图像。为克服这一缺陷，我们提出两步配对学习方法，通过不同生成模型产生的训练图像学习共性假特征。首先采用三元组损失模拟假图与真图的关系，用于学习判别特征以判定图像真伪；随后提出新型耦合网络精准捕捉假/真图像的局部与全局特征。实验结果表明，该方法在假人脸图像检测中优于基线监督学习方法。

    关键词： 生成对抗网络、耦合网络、三元组损失、伪造检测、深度学习

    更新于2025-09-12 10:27:22

  • [IEEE 2019年国际俄罗斯自动化会议 - 俄罗斯索契 (2019.9.8-2019.9.14)] 2019年国际俄罗斯自动化会议(RusAutoCon) - 基于强化对抗学习的激光雕刻机控制系统

    摘要： 近年来，深度神经网络在解决图像处理与分析相关问题方面展现出高效性。生成对抗神经网络的最新研究为解决图像风格迁移、跨域适应以及为目标概率分布生成新数据等问题开辟了广阔前景。生成网络实现复杂且弱形式化转换的能力，使得基于生成对抗技术的信息系统能够以类似人类创造性思维的方式解决机器学习问题。本文展示了一项基于生成对抗网络的数控激光雕刻机智能控制系统设计、训练与部署的实验研究成果。由于训练深度模型需要大量数据，因此本实验研究的主要挑战之一是缺乏标注训练数据集。所提出的基于深度生成模型的激光雕刻机控制系统能够缩短制造流程时间。

    关键词： 生成对抗网络、智能控制系统、深度学习、强化学习

    更新于2025-09-11 14:15:04

  • 基于Wasserstein生成对抗网络的高光谱图像无监督特征提取

    摘要： 特征提?。‵E）是高光谱图像（HSI）处理中的关键研究领域。近年来，由于深度学习（DL）在提取空间和光谱特征方面具有强大能力，基于DL的FE方法展现出巨大的应用潜力。然而，大多数基于DL的FE方法属于监督学习，其训练过程严重受限于高光谱图像中标注样本的缺失问题，这制约了监督式DL特征提取方法在高光谱处理中的应用。为解决该问题，本文提出一种改进型生成对抗网络（GAN），用于无监督地训练DL特征提取器。该网络包含生成器和判别器两个组件：生成器专注于数据集真实概率分布的学习，判别器则能有效提取具有优异不变性的空间-光谱特征。为实现自适应学习上采样与下采样策略，生成器采用全反卷积子网络设计，判别器则基于全卷积子网络构建。此外，通过利用生成器与判别器的零和博弈关系，设计了新型极小极大代价函数，实现端到端的无监督GAN训练。该方法还将原始JS散度替换为Wasserstein距离，以缓解GAN框架训练过程中的不稳定性和困难性。三个真实数据集的实验结果验证了所提方法的有效性。

    关键词： 卷积神经网络（CNN）、高光谱图像（HSI）、特征提?。‵E）、生成对抗网络（GAN）

    更新于2025-09-11 14:15:04

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 深度图像到图像转换技术在哨兵-2影像分辨率增强中的应用

    摘要： 单图像超分辨率（SISR）旨在从单张低分辨率图像中恢复缺失的高分辨率信息，从而将表观空间分辨率提升两倍或更高。近年来，卷积神经网络已成功应用于单图像空间分辨率提升问题。随着Sentinel-2等10米级低分辨率光学传感器的出现，探索利用深度学习技术提升图像分辨率的可能性颇具意义。本文旨在研究最新深度学习超分辨率技术的潜在性能，所探讨的技术不仅包括高频内容增强方法，还涵盖基于生成对抗神经网络（GAN）的图像转换技术。初步结果表明，GAN具备恢复复杂纹理信息的能力。

    关键词： 生成对抗网络、深度学习、光学图像、超分辨率

    更新于2025-09-10 09:29:36

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于生成对抗网络的城市化模式建模

    摘要： 在本研究中，我们提出了一种利用全球城市土地利用清单训练的生成对抗网络来模拟超现实城市形态的新方法。我们生成了一个合成城市"宇宙"，该模型不仅能定性复现全球城市形态中观察到的复杂空间组织结构，还能定量还原某些关键的高层级城市空间指标。

    关键词： 生成对抗网络、城市建模、全球城市化

    更新于2025-09-10 09:29:36

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于多判别器生成对抗网络的高分辨率灰度卫星图像着色技术

    摘要： 对灰度卫星图像进行自动着色有助于消除多光谱捕获之间的光照差异，并为地表类型分类和目标检测提供强有力的先验信息。本文提出了一种新型多判别器生成对抗网络，用于生成具有伪自然外观的灰度卫星图像着色结果。尽管深度生成模型通常形式强大，但采用单一判别器时可能在局部纹理区域（尤其是高纹理区域）实现空间一致性方面表现不稳定。针对这一问题，我们提出的结构中生成器会从网络不同尺度层级的特征图中生成一组彩色输出，每个输出都由独立判别器监督以匹配原始彩色训练输入在离散Lab色彩空间中的表现。最终彩色输出是通过求和方式对这些前置副产品进行级联集成，从而通过几何级数形式降低拟合误差。实验中对高分辨率卫星图像进行了与单判别器版本的定量和定性对比，结果显示预测误差显著降低。

    关键词： 灰度卫星图像、生成对抗网络、伪自然彩色化、多判别器

    更新于2025-09-10 09:29:36

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于生成对抗网络的SAR与光学影像互译

    摘要： 本文提出一种利用条件生成对抗网络（cGANs）实现合成孔径雷达（SAR）图像到光学图像转换的方法。卫星影像已被广泛应用于多种领域，如自然环境监测（污染、森林或河流）、交通改善以及灾害应急响应。然而使用光学相机时，云层造成的遮蔽会导致地面情况监测不稳定。为此引入长波段成像以减轻云层影响，其中SAR图像因几乎不受云层干扰而常被用于稳定观测地面状况。但SAR图像的空间分辨率和清晰度均低于光学图像。因此我们提出一种能从SAR图像生成光学图像的深度神经网络，最终通过在包含光学图像与对应SAR图像的数据集上验证了该网络的可行性。

    关键词： 合成孔径雷达、深度学习、生成对抗网络、卫星影像

    更新于2025-09-10 09:29:36

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - Cloud-Gan：基于循环一致性生成对抗网络的Sentinel-2影像云层去除方法

    摘要： 云层覆盖是遥感影像地表分析中的一个严重障碍，厚云会导致信息完全丢失（完全遮挡），而薄云（半透明）则会产生模糊效应。厚云需要完全替换像素值，但薄云去除颇具挑战性，因为其中大气信息与地表覆盖信息相互交织。本文针对该问题提出Cloud-GAN网络，学习含云影像与无云影像之间的映射关系。该方法中的对抗损失约束生成图像的分布足够接近无云影像的基础分布，同时采用循环一致性损失进一步约束生成器仅预测与含云影像反映相同场景的无云影像。我们的方法既无需任何配对（含云/无云）训练数据集，也避免了使用合成孔径雷达等昂贵且能穿透云层的额外光谱信息源。最后，我们通过在包含真实云层的最新公开Sentinel-2影像数据集上训练，验证了该技术的有效性，并通过合成影像去云后PSNR值的显著提升，证实了本方法的优越性能。

    关键词： 深度学习、云层去除、哨兵二号影像、生成对抗网络

    更新于2025-09-10 09:29:36

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于生成对抗网络的遥感图像半监督目标检测

    摘要： 目标检测是计算机视觉中的一项具有挑战性的任务。目前许多检测网络在应用大规模训练数据集时能取得良好的检测效果，但标注足量训练数据往往耗时较长。针对这一问题，本文提出了一种基于半监督学习的方法。半监督学习利用少量标注数据和大量未标注数据来训练检测网络。本方法采用生成对抗网络从无标注数据中提取数据分布特征，并将这些信息用于提升检测网络性能。实验表明，相比仅使用少量标注数据的监督学习方法，本文方案能显著提升检测性能。结果表明，当训练数据集中仅标注少量目标对象时，仍可获得可接受的检测效果。

    关键词： 生成对抗网络（GAN）、卷积神经网络（CNN）、半监督学习、目标检测

    更新于2025-09-10 09:29:36