《基于深度学习的彩色以及近红外图像去马赛克》PDF+DOC
作者:谢长江,杨晓敏,严斌宇,芦璐
单位:四川省计算机学会;中国科学院成都分院
出版:《计算机应用》2019年第10期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFJSJY2019100190
DOC编号:DOCJSJY2019100199
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于协同LSTM神经网络的人体行为识别研究》PDF+DOC2018年第12期 朱连章,陈殿明,郭加树,张红霞
《基于特征自动提取的跌倒检测算法》PDF+DOC2018年第12期 胡双杰,秦建邦,郭薇
《CanoScan D646U扫描仪使用印象》PDF+DOC
《基于深度卷积网络的多传感器信号故障诊断方法研究》PDF+DOC2018年第01期 吴魁,王仙勇,孙洁,黄玉龙
《彩色打印机应用与操作宝典:效率更高品质更佳之道(一)》PDF+DOC1998年第06期 俞敬阳,陈蕾
《夜视图像的彩色融合方法综述》PDF+DOC2002年第02期 王岭雪,金伟其,刘广荣,何玉青,张建勇
《红外与可见光图像配准方法分类及现状》PDF+DOC2009年第05期 王鲲鹏,徐一丹,于起峰
《基于CMOS图像传感器的微型无人机遥感系统设计》PDF+DOC2008年第08期 赵鹏,沈庭芝,单宝堂
《基于垂直层叠结构的多光谱彩色传感器研究》PDF+DOC2007年第05期 陈远,徐之海,冯华君
《一种基于分离地面点的障碍物识别方法》PDF+DOC2014年第03期 邹晟
单传感器捕获的彩色-近红外(RGB-NIR)图像存在光谱干扰,从而导致重建出的标准彩色图像(RGB)图像与近红外(NIR)图像存在色彩失真以及细节信息模糊。针对这个问题提出一种基于深度学习的去马赛克方法,通过引入跳远连接与稠密连接解决了梯度消失和梯度弥散问题,使得网络更容易训练,并且提升了网络的拟合能力。首先,用浅层特征提取层提取了马赛克图像的像素相关性以及通道相关性等低级特征;然后,将得到的浅层特征图输入到连续多个的残差稠密块以提取专门针对去马赛克的高级语义特征;其次,为充分利用低级特征与高级特征,将多个残差稠密块提取到的特征进行组合;最后,通过全局跳远连接恢复最终的RGB-NIR图像。在深度学习框架Tensorflow上使用公共的图像与视觉表示组(IVRG)数据集、有植被的户外多光谱图像(OMSIV)数据集和森林(Forest)三个公开数据集进行实验。实验结果表明,所提方法优于基于多级自适应残差插值、基于卷积卷积和神经神经网络以及基于深度残差U型网络的主流的RGB-NIR图像去马赛克方法。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。