NAF-MEEF:一个非线性无激活网络,基于多尺度边缘增强和铁路货车形象否定的铁路货车融合
Jiawei Chen1, Jianhai Yue1, Hang Zhou2
1School of Mechanical, Electronic and Control Engineering, Beijing Jiaotong University, Beijing 100044, China.
Sensors (Basel, Switzerland)
|May 14, 2025
概括
本研究引入了一种新的图像反光算法,NAF-MEEF,专门设计用于铁路货车图像. 该方法有效地消除噪音,同时保留关键细节和边缘,优于现有技术.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 人工智能的人工智能
背景情况:
- 铁路货车图像由于恶劣环境而受到噪音的影响,使缺陷检测复杂化.
- 现有的图像消光方法在复杂的货车图像中难以保留精细的纹理和边缘细节.
研究的目的:
- 为铁路货车图像开发一个专门的图像消除算法.
- 为了增强噪声抑制,同时保持结构完整性和细节.
主要方法:
- 提出了基于多尺度边缘增强和融合 (NAF-MEEF) 的非线性无激活网络.
- 包含一个多尺度边缘增强初始化层和一个非线性激活无特征提取器.
- 使用多尺度旋转融合注意力机制和融合损失功能来保存细节.
主要成果:
- 与最先进的方法相比,NAF-MEEF证明了优越的噪音抑制和边缘保护.
- 在各种噪音类型的铁路货车图像上实现了显著的性能增长 (PSNR: 1.20-1.45 dB,SSIM: 2.23-2.72%).
- 在公共基准 (Set12,BSD68) 上表现出强的表现,以及在除尘和遥感图像消除任务中的稳定性.
结论:
- 该NAF-MEEF算法有效地解决了复杂的铁路货车图像无色化的挑战.
- 该方法提供了一个强大的解决方案,可以在不利的条件下保持图像质量和结构细节.
- NAF-MEEF在各种图像恢复应用中展示了实际价值和概括能力.
