G-RRDB:一个有效的THz图像剥离模型,用于的小麦

科学领域:

• 农业科学 农业科学
• 图像处理 图像处理
• 计算机视觉 计算机视觉

背景情况:

• 小麦的特拉赫兹 (THz) 成像易受噪声的影响,并且由于光源波动而导致特征退化.
• 有效的消毒对于准确的特征提取和随后的分析至关重要,例如疾病识别.

研究的目的:

• 为小麦提出一个新的THz图像破坏模型,G-RRDB.
• 为了增强全球感官场和特征注意力能力的无声网络.
• 为了提高模糊小麦分类的准确性,使用无色化THz图像.

主要方法:

• 开发Ghost-LKA模块,将大型内核卷积注意力与Ghost卷积相结合,用于全球感觉场.
• 将空间和道注意力集成到DAB模块中,以增强功能焦点.
• 通过将Ghost-LKA和DAB模块与密集的残余基线集成,构建G-RRDB模型.
• 使用峰值信号与噪声比率 (PSNR) 和结构相似性指数测量 (SSIM) 的评估.

主要成果:

• 与传统的无线网络相比,G-RRDB模型证明了PSNR和SSIM的改进.
• 使用VGG16的成小麦的分类准确度达到92.8%,G-RRDB的图像被删除.
• 这代表着相对于基线和DAB增强基线模型的1.7%和0.2%的改善.

结论:

• 拟议的G-RRDB模型对小麦的THz图像表现出色的无色化性能.
• 幽灵LKA和DAB模块的集成有效地解决了噪声问题,并增强了特征表示.
• G-RRDB有助于更准确地分类成的小麦,展示其实际用途.