CN119399030A 一种基于注意力机制的分焦面偏振图像超分辨重建方法 （长春理工大学）_第1页
CN119399030A 一种基于注意力机制的分焦面偏振图像超分辨重建方法 （长春理工大学）_第2页
CN119399030A 一种基于注意力机制的分焦面偏振图像超分辨重建方法 （长春理工大学）_第3页
CN119399030A 一种基于注意力机制的分焦面偏振图像超分辨重建方法 （长春理工大学）_第4页
CN119399030A 一种基于注意力机制的分焦面偏振图像超分辨重建方法 （长春理工大学）_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于注意力机制的分焦面偏振图像超一种基于注意力机制的分焦面偏振图像超过通道自适应亚像素卷积模块实现对任意通道振方向的特征信息占比对通道权重进行自适应2S2、构建超分辨率神经网络模型，所述超分2.根据权利要求1所述的基于注意力机制的分焦面偏振图像超分辨重建方法，其特征3.根据权利要求2所述的基于注意力机制的分焦面偏振图像超分辨重建方法，其特征将分焦面偏振图像作为输入，利用卷积层对浅层特征进行提取，利4.根据权利要求3所述的基于注意力机制的分焦面偏振图像超分辨重建方法，其特征5.根据权利要求4所述的基于注意力机制的分焦面偏振图像超分辨重建方法，其特征整流单元ReLU激活函数构成，残差连接由1x1卷积层实现；残差块之间使用1x1卷积层和6.根据权利要求5所述的基于注意力机制的分焦面偏振图像超分辨重建方法，其特征道特征图，将这两个单通道特征图结合得到双通道7.根据权利要求6所述的基于注意力机制的分焦面偏振图像超分辨重建方法，其特征在于，所述通道自适应亚像素卷积模块对上一层获得的特征图进行最大池化和平均池化，38.根据权利要求7所述的基于注意力机制的分焦面偏振图像超分辨重建方法，其特征经网络模型获得的超分辨率重建图像的像素值与图像数据集中高分辨率图像的像素值，θ为0o、45o、90o和135o四个偏振方向，四个不同偏振方向线偏振图像的损失函数权重为所述处理器执行所述计算机程序时实现权利要求1_8任一项所述方处理器执行时实现权利要求1_8任一项所述方4的探测技术，通过获取目标的偏振信息能够显著提升低对比度和低能见度环境的探测能需要同时采集多幅偏振图像并借助斯托克斯矢量对偏振度、偏振角等偏振特征进行解算。[0004]目前的分焦面偏振成像系统主要的局限性在于微线偏振片的交错排列导致成像[0005]本发明为了解决以往的分焦面偏振成像超分辨率重建方法无法一次重构四个不5对双通道特征图进行卷积运算并使用Sigmoid激活函数进行激活，得到由权重系数组成的6取的特征图与偏振方向相关，仅进行简单的像素重组没有充分利用不同偏振方向的特征，影响偏振图像的超分效果，同时亚像素卷积需要将特征图的通道数压缩至放大倍数的平[0016]图1为本发明实施例中基于注意力机制的分焦面偏振图像超分辨重建方法流程7下采样后图像分辨率为100×75。将下采样后的四幅图像重组成低分辨率的分焦面偏振图的注意力图并进行加权融合；利用通道自适应亚像素卷积模块对提取的特征图进行上采型重构高分辨率图像与输出数据集中的高分辨率图像双通道特征图，利用5×5的卷积核对双通道特征图进行卷积运算并使用Sigmoid激活函数8指标验证本方法的效果。峰值信噪比（Peaks其中ISR(i,j)和分别表示图像在位置(i,)的像素值。然后利用MSE计算9

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论