期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
内窥镜视频关键帧获取及三维重建方法研究
1
作者 薛怀琦 王双园 +1 位作者 张玉荣 姚志远 《重庆工商大学学报(自然科学版)》 2026年第1期55-63,共9页
目的鉴于内窥镜在获取人体内部图像时所面临的数量和质量限制,提出一种新的高清晰度内窥镜视频帧抽取策略三维重建方法。方法首先,采用基于结构相似性指数(SSIM)和Laplace算子复合方法筛选和提取具有高清晰度和低噪声的关键帧;然后,利... 目的鉴于内窥镜在获取人体内部图像时所面临的数量和质量限制,提出一种新的高清晰度内窥镜视频帧抽取策略三维重建方法。方法首先,采用基于结构相似性指数(SSIM)和Laplace算子复合方法筛选和提取具有高清晰度和低噪声的关键帧;然后,利用基于Neighbor2Neighbor深度学习方法对初步的关键帧队列进行处理,减少图像中的噪声并增强其质量,并利用COLMAP增量式SFM技术将优质关键帧转化为稀疏点云数据;最后,运用OpenMVS深度图融合技术进行稠密重建和曲面拟合,从而获得高精度的三维模型。结果实验结果表明:所提方法不仅显著增强了图像特征匹配度,而且大大提升了三维重建的准确性和精度。结论该方法不仅显著提高了图像特征匹配的精确度,而且提升了三维重建的准确性和精确度,预计将为临床医生提供更直观的诊断依据。 展开更多
关键词 内窥镜图像 neighbor2neighbor 增量式SFM 深度图融合算法
在线阅读 下载PDF
基于Next-MetaFormer的低信噪比多径衰落LPI雷达信号识别方法
2
作者 李鹏程 李广森 +2 位作者 陈慧龙 姚理想 乔娅婷 《现代雷达》 北大核心 2025年第7期56-64,共9页
随着人工智能技术的发展,低信噪比低截获概率(LPI)雷达信号识别领域研究成果丰硕,然而针对低信噪比多径衰落的信号识别研究相对较少。文中对低信噪比多径衰落LPI雷达信号识别方法进行研究,提出一种基于Next-MetaFormer(Next-MF)的低信... 随着人工智能技术的发展,低信噪比低截获概率(LPI)雷达信号识别领域研究成果丰硕,然而针对低信噪比多径衰落的信号识别研究相对较少。文中对低信噪比多径衰落LPI雷达信号识别方法进行研究,提出一种基于Next-MetaFormer(Next-MF)的低信噪比多径衰落LPI雷达信号识别方法。利用Choi-William分布(CWD)变换得到雷达信号二维时频图,通过Neighbor2Neighbor自监督图像降噪方法去除时频图像背景噪声,获得较好的去噪效果。利用Next-ViT通用架构Next-MF网络模型提取信号时频特征,完成分类识别任务。仿真结果显示,该方法在低信噪比和瑞利多径衰落干扰情况下,对13种LPI雷达信号总体准确率达到82.5%,研究成果可为雷达信号识别系统理论研究与工程实现提供参考。 展开更多
关键词 低截获概率雷达 neighbor2neighbor方法 Choi-Williams分布 瑞利衰落 信号识别
原文传递
基于残差学习网络的自监督图像去噪
3
作者 谢中华 钟家宝 +2 位作者 李禹莹 罗宜元 刘玲君 《惠州学院学报》 2024年第3期1-9,共9页
基于深度学习的图像去噪算法,通过使用大量数据进行网络训练取得了更为广泛的发展,但在实际场景中难以获得没有噪声的干净图像,因此,出现了自监督深度学习技术。如何提高自监督学习的去噪性能,以及自监督学习方法如何对各种网络进行自适... 基于深度学习的图像去噪算法,通过使用大量数据进行网络训练取得了更为广泛的发展,但在实际场景中难以获得没有噪声的干净图像,因此,出现了自监督深度学习技术。如何提高自监督学习的去噪性能,以及自监督学习方法如何对各种网络进行自适应,基于这2个问题提出一种自监督图像去噪方案:对有噪声的图像进行2次子采样来生成图像训练对,结合UNet和ResNet形成1个有效的去噪网络,在这个过程中通过建立更深层次的卷积网络,提高最新的自监督去噪Neighbor2Neighbor算法的性能,同时精心调整训练参数来避免梯度爆炸。实验结果表明,与原算法相比,PSNR值平均提高了0.3 dB,SSIM值平均提高了0.004,并且验证了Neighbor2Neighbor算法的训练策略对不同网络结构的鲁棒性。 展开更多
关键词 图像去噪 自监督学习 深度神经网络 neighbor2neighbor
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部