基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
受光学系统失真、系统噪声、曝光不足或过量等因素的影响,得到的图片往往信息微弱、无法辨识,需要进行图像预处理.预处理的目的是提供可供深度学习框架训练的二值裂缝图像,在图像处理中至关重要.尤其对于采集到的具有复杂背景的图像来说,预处理的好坏会对算法的评价指标产生直接影响.针对采集到的各类裂缝图像存在各类复杂场景的问题,笔者应用了基于U-net网络的图像预处理技术.实验基于已有的小型复杂场景裂缝数据库,同时为了验证U-net网络在复杂场景下预处理的效果,还与传统预处理方法即灰度变换法进行比较,结果证实使用U-net网络作为复杂场景下的图像预处理方法是高效便捷的.
推荐文章
基于空洞U-Net神经网络的PET图像重建算法
图像重建
空洞卷积
U-Net
感知损失
PET
VGG
基于U-Net卷积神经网络的轮毂缺陷分割
轮毂缺陷分割
自动分割
深度学习
神经网络
基于Group-Depth U-Net的电子显微图像中神经元结构分割
深层卷积神经网络
分组卷积网络
神经元结构分割
电子显微成像
Group-DepthU-Net
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于U-net网络的复杂场景裂缝图像预处理
来源期刊 信息与电脑 学科 地球科学
关键词 U-net网络 裂缝检测 图像预处理
年,卷(期) 2021,(23) 所属期刊栏目 网络与通信技术
研究方向 页码范围 198-201
页数 4页 分类号 P631.44
字数 语种 中文
DOI 10.3969/j.issn.1003-9767.2021.23.062
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
U-net网络
裂缝检测
图像预处理
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息与电脑
半月刊
1003-9767
11-2697/TP
北京市东城区北河沿大街79号
chi
出版文献量(篇)
16624
总下载数(次)
72
论文1v1指导