排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
2.
彩色图像灰度化是一种被广泛应用于各个领域的图像压缩方式,但很少有研究关注彩色图像与灰度图像之间的相互转换技术。该文运用深度学习,创新性地提出了一种基于辅助变量增强的可逆彩色图像灰度化方法。该方法使用变量增强技术来保证输出与输入变量通道数相同以满足网络的可逆特性。具体来说,该方法通过可逆神经网络的正向过程实现彩色图像灰度化,逆向过程实现灰度图像的色彩复原。将所提方法在VOC2012, NCD和Wallpaper数据集上进行定性和定量比较。实验结果表明,所提方法在评价指标上均获得了更好的结果。无论是在全局还是局部,生成图像都可以最大程度地保留亮度、颜色对比度和结构相关性等特征。 相似文献
3.
无透镜成像受到同轴全息图中孪生像噪声的影响,一直面临着重建信噪比差和成像分辨率低的问题。针对该问题,本文提出一种基于分数匹配生成模型的无透镜成像方法。在训练阶段,通过连续随机微分方程(Stochastic Differential Equation,SDE)缓慢添加高斯噪声扰动数据分布,然后训练具有去噪分数匹配的连续时间相关的分数函数,用于求解反向SDE生成目标样本数据。在测试阶段,使用单张菲涅尔波带片作为掩膜,在非相干光照明下实现无透镜编码调制,然后使用预测-校正的方法在数值求解器SDE和数据保真项步骤之间轮换更新进行图像重建。在LSUN-bedroom和LSUN-church数据集上的验证结果表明,提出的算法能够有效消除孪生像噪声,峰值信噪比和结构相似性分别可达25.23 dB和0.65。与传统的基于反向传播和基于压缩感知的无透镜成像结果相比,峰值信噪比分别提高17.49 dB、7.16 dB,结构相似度分别提高0.42、0.35,从而实现图像重建质量的有效提升。 相似文献
1