非局部

摘要： 现有的深度超分辨率重建模型,用堆叠多个相同模块的方式获取具有更高精度的重建结果,但未能充分考虑各层特征间的上下文关联信息.提出一种基于非局部多尺度融合的图像超分辨率重建模型.该模型采用3种模块:非局部模块、多尺度融合模块和宽激活残差模块.其中,非局部模块用于获取图像的全局特征,关注目标的核心区域;多尺度融合模块用于融合通道特征,增强特征在空间的上下文关联;宽激活残差模块替代普通残差模块,通过扩充激活层前的卷积层输出特征来提升模型的重建精度.在5个基准数据集上的实验结果表明,该模型取得了较高的重建精度.在图像分割与目标检测任务上,与几种深度超分辨率模型相比,该模型也取得了较好的分割和检测精度.

摘要： 在传统的非局部操作中,对各个位置点之间长距离依赖性的逐个计算导致了庞大的计算量,使得其并不能成为一种即插即用的有效模块.基于此问题,我们提出一种新型的轻量级非局部(Lightweight Factorized Non-local,LFN)模块.LFN模块利用捕捉全局依赖性的非局部操作来提升神经网络的性能并应用于计算机视觉领域.LFN模块是对传统非局部操作的因子分解,通过对水平和垂直两个方向进行分解,网络不仅可以捕捉到像素点之间的长距离依赖关系,而且分解后的非局部操作计算量大幅度下降.然后,通过结合LFN模块和残差模块,我们设计RLFN(Residual Lightweight Factorized Non-local)单元,并基于该单元设计两种改良网络结构分别应用于图像分类和语义分割.最后,本文算法在CIFAR-10和PASCAL VOC2012两个数据集上进行分类及语义分割任务,实验结果表现该算法取得十分优越的性能.

摘要： 基于深度学习的图像去雾方法获得了比传统方法更优的结果,得到了广泛的应用.本文将图像先验信息融入到卷积神经网络中,提出了基于非局部和先验约束的多尺度图像去雾网络.该网络通过设计非局部、多尺度的重构模块捕获图像自相似性及不同尺度下的重构信息,并且提出暗通道先验、均方差、内容差异相融合的损失函数.同时,提出了分阶段的优化方式,有效地提高了训练效率.与其他去雾方法对比,本文提出的方法能取得更好的去雾效果.

摘要： 针对传统水下局部超表面聚焦效率低的问题,本文提出了一种非局部水声超表面。这种非局部设计依据广义斯奈尔定律,采用增强远程交互作用的方法,同时考虑了流固耦合作用的影响。运用有限元仿真软件COMSOL Multiphysics分别建立了局域和非局域设计的理论模型,并给出了2种设计在不同入射条件下的聚焦情况。对比仿真结果,观测到聚焦效率由35.70%提高至48.73%。此外,非局部设计对入射频率、角度以及焦距的波动化具有更强的鲁棒性。该装置易于实现,可用于水下信号通信和高分辨率超声成像。

摘要： 细粒度图像识别的目标是对细粒度级别的物体子类进行分类,由于不同子类间的差异非常细微,使得细粒度图像识别具有非常大的挑战性.目前细粒度图像识别算法的难度在于如何定位细粒度目标中具有分辨性的部位以及如何更好地提取细粒度级别的细微特征.为此,提出了一种结合非局部和多区域注意力机制的细粒度识别方法.Navigator只利用图像标签便可以较好地定位到一些鉴别性区域,通过融合全局特征以及鉴别性区域特征取得了不错的分类结果.然而,Navigator仍存在缺陷:1)Navigator未考虑不同位置间的联系,因此所提算法通过引入非局部模块与Navigator相结合,来加强模型的全局信息感知能力;2)针对非局部模块未建立特征通道间联系的缺陷,构建基于通道注意力机制的特征提取网络,使得网络关注更加重要的特征通道.最后,所提算法在3个公开的细粒度图像库CUB-200-2011,Stanford Cars和FGVC Aircraft上分别达到了88.1％,94.3％,92.0％的识别精度,并且相比Navigator有明显的精度提升.

摘要： 针对航空机身蒙皮结构疲劳裂纹损伤难以开展完整性评估的问题,研究了一种基于毗域动力学的裂纹演化模型,通过构建材料点对间的力函数,建立机身蒙皮结构疲劳裂纹演化的积分方程,给出二维机身蒙皮结构在载荷作用下的孔边疲劳裂纹扩展的计算格式,并结合层流理论对模型方程进行了修正.仿真结果表明,上述方法可以表征裂纹间的于涉效应,实现机身蒙皮结构疲劳裂纹的自发萌生及扩展过程.与扩展有限元方法相比,该方法避免了裂纹尖端的奇异性,在处理此类非局部问题上具有一定优越性.

摘要： Ablowitz引入了一个新的可积非局部非线性薛定谔方程。非局部方程与经典可积方程有相同的谱方程,均为可积的,因而经典的研究方法可推广应用在非局部方程。本文以非局部非等谱NLS方程和非局部Gerdjikov-Ivanov(GI)方程为例,分别从ZS-AKNS谱问题和广义KN谱问题出发,探讨非局部方程的可积性质。

摘要： 针对仿射非局部均值(ANLM)算法对图像去噪过程中出现用时过长的问题,提出了一种快速仿射非局部均值去噪(F-ANLM)算法.通过对算法的研究和用时分析得知,仿射变换和关于仿射不变相似性度量的计算这2个模块占时最多,因此从这2个部分入手提出优化策略.算法首先使用仿射协变结构张量其特征向量的夹角代替尺寸不变特征变换(SIFT)算子的主方向,简化了仿射变换过程;然后将ANLM方法中的仿射不变相似性度量改写为离散卷积的形式,使用快速傅里叶变换减少卷积的运算量,加速仿射协变特征区域之间相似性度量的计算.实验证明,F-ANLM方法简化了仿射变换和仿射不变相似性度量的计算,与原来ANLM算法相比,速度得到很大的提升.

摘要： 本发明公开了一种结合局部熵的局部能量泛函与非凸正则项的图像分割方法，包括以下步骤：(1)读入图像I(x，y)；(2)初始化基于局部熵的局部能量泛函与非凸正则项的图像分割模型中的各个参数；(3)计算图像I(x，y)的局部熵hx；(4)在步骤(2)初始化参数的基础上对图像I(x，y)进行分割，采用基于局部熵的局部能量泛函与非凸正则项的图像分割模型对所述图像I(x，y)进行分割，并在分割的过程中进行水平集函数Φ的更新；(5)根据方程对水平集函数Φ进行演化，判断水平集函数Φ是否收敛，如果收敛，则水平集函数Φ停止演化，并输出分割图像；反之，则返回步骤(4)继续。本发明可以高效，准确地分割灰度不均匀图像。

摘要： 本发明公开了一种基于局部和稀疏非局部正则的人脸图像超分辨率方法，包括以下步骤：步骤一：获取测试图像和训练样本图像各个像素位置的图像块；步骤二：使用局部PCA字典学习方法，对训练样本图像块使用K均值聚类算法将图像块划分聚类，每个聚类学习一个局部PCA字典；步骤三：对低质量图像块，运用基于局部约束和稀疏非局部双核范数正则算法求解最佳表示系数向量；步骤四：使用最佳表示系数向量在高分辨率字典上合成高分辨率图像块，更新非局部编码系数，将更新后的系数和高分辨率图像块放入步骤三中进行下一次迭代；经过多次迭代更新得到高分辨率图像块；步骤五：输出高分辨率图像。本发明具有提高图像质量的优点。

摘要： 本发明涉及一种基于局部与非局部约束的压缩感知视频重建方法，在压缩感知重建视频模型中引入局部与非局部约束，利用基于图像帧最小全变差(Total Variation,TV)约束和基于序列时空相似块矩阵的低秩约束，引导优化模型的解趋向三维视频序列的固有特征。优化问题求解过程中首先采用传统方法进行对视频中每帧图像压缩感知图像进行重建，得到的图像帧的一个初始估计，然后引入辅助变量并将问题分解为一个TV优化子问题和一个低秩优化子问题，交替求解，并在内循环中进一步地将TV子问题和低秩优化子问题分解为可微的和求解的部分分别求解。由于发明的方法充分考虑了图像帧的时空局部与非局部特征，因而提高了图像的重建质量。

摘要： 本发明公开了一种融合图像局部和非局部信息的像素隶属度估计新方法。在模糊聚类分割方法中，距离测度和像素隶属度估计的准确性决定了图像分割的质量。本发明将图像局部和非局部信息同时融入到距离测度中，并且能够自适应地计算出局部和非局部项的权重，因此对距离测度和像素隶属度可以实现更加准确的估计，使图像边缘和细节具有更好的模糊聚类分割效果。与现有技术相比，本发明的有益效果是：本发明综合利用了图像局部、非局部的空间和灰度信息，对距离测度和像素隶属度可以实现更加准确的估计，可有效提高图像边缘和细节的模糊聚类分割质量；可以自动、自适应地计算出局部和非局部项的权重，减少了人为设置权重带来的麻烦和不便。

摘要： 本发明公开了一种基于局部‑非局部不确定性分析的高光谱图像分类方法，其实现步骤为：首先通过变量分离和增广拉格朗日(LORSAL)算法来学习最大后验概率参数ω，用逻辑回归将ω建模为一个随机向量，ω表示像素属于某一类是有一定概率的。又利用多项式逻辑回归(MLR)模型来推断后验概率P(yi|xi)，即P(yi|xi)＝P(yi|xi，ω)，接着由得到对应于像素xi的空间先验概率。又基于非局部区域的后验概率(CBS)P(yi|xi，vi)不仅与特征xi本身有关，还与特征xi的非局部区域向量vi相关，所以可以将空间先验信息和类后验概率分布相结合，即为基于非局部区域的后验概率，主要解决基于空谱联合的高光谱图像分类方法中只考虑有限范围空间结构造成的分类精度下降和小样本训练数据集分类精度低的问题。

摘要： 本发明公开了一种基于深度学习局部与非局部信息的超分辨率重建方法。主要包括以下步骤：搭建基于深度学习局部与非局部信息的超分辨率卷积神经网络模型，包括局部网络和非局部增强网络两大模块；利用前一步骤搭建的卷积神经网络，分别训练不同放大因子的超分辨率模型；以训练好的超分辨率重建模型为基础，将低分辨率图像作为输入，得到最终的超分辨率重建图像。本发明所述的方法能够利用非局部增强网络挖掘到图像更广泛区域的有效信息，因此可以有效地对低分辨率图像进行超分辨率重建，能获得很好的主客观效果，是一种有效的低分辨率图像复原方法。

摘要： 本发明公开了一种基于非局部网络和局部网络的短视频推荐方法。该方法根据用户对短视频的多行为交互序列，得到用户兴趣表征，进而预测用户对目标短视频的点击率。原始的序列推荐方法都是针对单行为序列，无法适用于多行为交互序列表征。而用户的短视频交互序列中既包括“点击”行为又包括“肯定”行为。因此，本方法提出一种非局部网络和局部网络相结合的方法。主要由三个部分组成：第一部分是采用注意力机制方法，得到用户的短视频交互序列中“肯定”行为对每个“点击”行为的影响；第二部分是采用基于非局部注意力机制的循环神经网络生成用户兴趣表征；第三部分是根据用户兴趣表征，预测用户对目标短视频的点击率。

摘要： 本发明中提出的一种基于非局部神经网络的非局部建模方法，其主要内容包括：非局部神经网络，非局部块，其过程为，在非局部均值操作之后，在深度神经网络中定义一个通用的非局部操作，非局部操作基于不同位置之间的关系计算响应，它能支持可变大小的输入，并在输出中保持相应的大小，可以与卷积或递归层一起使用，也可以被添加到深层神经网络的早期部分，通过非局部操作能够结合非局部和局部信息，建立一个更加丰富的层次结构。本发明中非局部运算直接通过计算任意两个位置之间的交互来获取长时记忆，无需其间的距离，非局部运算效率很高，能够维持可变输入的大小，并且能很方便地与其他运算相组合。

摘要： 本发明公开了联合局部非局部流形和截断算子的高光谱融合方法及装置，将输入高分辨率多光谱图像划分为不同子块并重构为矩阵形式，所有子块分布于多个低维流形附近；对每一个子块，使用最近邻搜索算法寻找非局部相似图像块，构建非局部相似关系，同时构建每个图像块与周围四个相邻块的相似关系，将局部与非局部相似关系整合获得流形映射矩阵L；对L进行特征分解获得特征基并构建截断算子，将L和截断算子并入高分辨率HSI融合模型，获得最终模型。使用交替方向乘子法ADMM算法优化上述模型，并进行解耦操作，最终使用共轭梯度算法PCG逐波段求解。

摘要： 本发明公开了一种基于局部‑非局部不确定性分析的高光谱图像分类方法，其实现步骤为：首先通过变量分离和增广拉格朗日(LORSAL)算法来学习最大后验概率参数ω，用逻辑回归将ω建模为一个随机向量，ω表示像素属于某一类是有一定概率的。又利用多项式逻辑回归(MLR)模型来推断后验概率P(yi|xi)，即P(yi|xi)＝P(yi|xi，ω)，接着由得到对应于像素xi的空间先验概率。又基于非局部区域的后验概率(CBS)P(yi|xi，vi)不仅与特征xi本身有关，还与特征xi的非局部区域向量vi相关，所以可以将空间先验信息和类后验概率分布相结合，即为基于非局部区域的后验概率，主要解决基于空谱联合的高光谱图像分类方法中只考虑有限范围空间结构造成的分类精度下降和小样本训练数据集分类精度低的问题。