摘要：在弱光图像增强中,现有的无监督方法仍存在着真实性不足以及对于极暗条件的图像增强效果不明显等问题.为此,提出了一种无监督的弱光图像增强方法,通过设计一种高效循环生成对抗网络,直接从弱光图像中恢复出正常光照图像.首先,为解决大尺寸输入导致的内存不足的问题,设计了全局-局部生成器;其次,判别器设计为自适应二阶段分类器,通过判别全局区域来自适应定位需再次判别的局部区域;最后,采用了焦点频域损失函数,使模型自适应地聚焦于分类难以合成的频率波段,以避免生成图像失真.文中方法在NPE,LIME,MEF,DICM和VV数据集上的感知指标(perceptual index,PI)分别达到了2.81,2.78,2.40,3.15和3.69,在LOL数据集上PSNR和SSIM指标分别达到了19.89 dB和0.7823,具有良好的鲁棒性.

摘要：在资源调度网络中,资源调度的可行性等价于对应网络图中分数因子的存在性.研究特定图结构中分数因子的存在性可以帮助工程师设计和构建有效利用资源的网络.一个图称为全分数(g,f,n′,m)-临界消去图,如果从G中删除任何n′个顶点后,剩余的图仍然是全分数(g,f,m)-消去图.在本文中,我们给出两个使图成为全分数(g,f,n′,m)-临界消去图的联结数条件,并且通过例子说明结果是紧的.

摘要：现存的无监督视频目标分割方法通常使用光流作为运动线索来提升模型性能.然而,光流的估计常存在误差,这将导致双流网络易对噪声过拟合.为此,本文提出一种基于混合变换器的无监督视频目标分割算法,通过引入深度信号引导变换器高效融合不同模态数据,以学习更加鲁棒的特征表达,从而减轻模型对噪声的过拟合.首先,设计一个新颖的混合注意力模块来获得全局感受野并对不同模态的特征进行充分交互,以增强特征的全局语义信息来提升模型的抗干扰能力.接着,为了进一步感知精细化的目标边缘,设计了一个局部-非局部语义增强模块,将局部语义的归纳偏置引入补充学习非局部语义特征,在提升模型抗干扰力的同时突出更精细化的目标区域.最后,增强后的特征输入变换器的解码器,预测得到高质量的分割结果 .与最先进的方法相比,本文所提算法在四个标准数据集上都获得了领先的性能,充分表明了本文所提方法的有效性.

摘要：射线管分裂是SBR方法中的一个关键问题,传统的射线管分裂方法存在与目标模型不匹配,计算精度差等缺点,而近年来出现的自适应射线管分裂技术,利用目标模型的三角面片对射线管进行动态剖分,可以有效解决上述问题。本文研究了该技术中的几个关键步骤,通过将Weiler-Atherton算法的内、外裁剪方法相嵌套,给出了射线管孔径面与物体三角片的裁剪算法,并设计了简单有效的凹多边形的凸划分方法,将生成的射线管孔径面剖分成三角片或四边形以降低后续计算复杂度,提高效率。