CN114926349B 基于空间信息融合多注意力网络的夜间灯光图像优化方法 （河北科技大学）_第1页
CN114926349B 基于空间信息融合多注意力网络的夜间灯光图像优化方法 （河北科技大学）_第2页
CN114926349B 基于空间信息融合多注意力网络的夜间灯光图像优化方法 （河北科技大学）_第3页
CN114926349B 基于空间信息融合多注意力网络的夜间灯光图像优化方法 （河北科技大学）_第4页
CN114926349B 基于空间信息融合多注意力网络的夜间灯光图像优化方法 （河北科技大学）_第5页
已阅读5页，还剩10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

基于空间信息融合多注意力网络的夜间灯一种基于空间信息融合多注意力网络的夜使用训练后的图像伪白天生成模型处理夜间灯影像信息利用自注意力非局部神经网络来引导21.一种基于空间信息融合多注意力网络的夜间灯光图像优化方法，其特征是步骤包成模型；最后使用训练后的图像伪白天生成模型对拍摄的夜间灯光视频和图像进行处理，设计图像伪白天生成模型的步骤包括：1)先构建基于空间信息融合多所述步骤1)中，采用生成对抗网络的整体框架，构建空间注将被光线干扰的模糊的夜间灯光输入到生成在生成器网络中，利用空间注意力递归网络对图像进行去强光干在判别器网络中，将空间注意力递归网络重建的优化影像进行生成器网络损失函数是在对抗性损失函数的基础上，结合L将含有夜间模糊数据和干净白天数据先经过二值化处理，得到只有强伪清晰的影像；再通过判别器网络的自注意力层机制进行全局图像结构的复杂几何约束，2.2)通过混合损失函数指导下一次迭代中生成2.根据权利要求1所述的基于空间信息融合多注意力网络的夜间灯光图像优化方法，3.根据权利要求1所述的基于空间信息融合多注意力网络的夜间灯光图像优化方法，其特征是空间注意递归网络使用图像空间中的水平/垂直邻域信息来建模缺失信息，它是34.根据权利要求1所述的基于空间信息融合多注意力网络的夜间灯光图像优化方法，其特征是判别器网络是由残差卷积网络和自注意力网络组成；首先，由归一化层和5.根据权利要求1所述的基于空间信息融合多注意力网络的夜间灯光图像优化方法，6.根据权利要求1所述的基于空间信息融合多注意力网络的夜间灯光图像优化方法，重建的清晰图像判断为参考图像的概率；G(x)是生成器网络去除干扰和噪声的预测结果；经过多轮迭代训练，生成器网络生成的真实数据x和虚假数据G(x)的分布是相似的，记为矩阵GAtt是空间注意力模型生成的二维注意力特征，矩阵M是强光4传统图像处理从观测统计中获得的先验知识缺乏对夜[0007]本方法利用空间注意力(SPA)机制和自注意力机制识别和聚焦亮度高的特征区[0008]根据日间影像信息利用自注意力非局部神经网络来引导图像全局细节信息的生5[0023]最终训练得到可以完全增强优化夜间灯光图像信息的空间信息融合多注意力网[0024]空间注意使用SPANet模型；利用空间中的水平/垂直邻明利用最后一层的自注意力网络中，经过softmax转换的相关系数作为强光干扰和阴暗蒙6图2所示，该步骤先将输入影像通过三块由卷积神经网络构成的残差模块进行特征值的提7出自注意力图和判断结果。利用自注意力层使得判别器网络对生成器网络的判断更为严别器将重建的清晰图像判断为参考图像的概率。G(x)是发生器去除干扰和噪声的预测

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