基于迁移学习的气体泄漏红外图像去噪方法OA
非制冷型红外相机由于其成本低、寿命长、性能稳定等优势在气体泄漏检测领域有着广泛应用,而良好的图像去噪算法可以有效提升其检测灵敏度与准确性。结合深度学习和迁移学习技术,提出了一种基于深度迁移学习的气体泄漏红外图像去噪方法。首先使用静止场景数据集对卷积神经网络模型进行训练,然后固定部分模型参数,并通过仿真气体数据集对模型再次训练,最终获得适用于气体泄漏红外图像去噪的模型。实验结果表明,该方法可以对非制冷型红外相机拍摄的气体红外图像进行去噪,去噪后的图…查看全部>>
撒昱;张石磊;谭嵋;张迎虎;杨云鹏;马翔云;李奇峰
天津大学精密仪器与光电子工程学院,天津300072 天津市生物医学检测技术与仪器重点实验室,天津300072天津大学精密仪器与光电子工程学院,天津300072 天津市生物医学检测技术与仪器重点实验室,天津300072天津大学精密仪器与光电子工程学院,天津300072 天津市生物医学检测技术与仪器重点实验室,天津300072天津大学精密仪器与光电子工程学院,天津300072 天津市生物医学检测技术与仪器重点实验室,天津300072天津大学精密仪器与光电子工程学院,天津300072 天津市生物医学检测技术与仪器重点实验室,天津300072天津大学精密仪器与光电子工程学院,天津300072 天津市生物医学检测技术与仪器重点实验室,天津300072天津大学精密仪器与光电子工程学院,天津300072 天津市生物医学检测技术与仪器重点实验室,天津300072
计算机与自动化
图像处理红外图像去噪深度迁移学习卷积神经网络气体泄漏检测
《大气与环境光学学报》 2024 (5)
P.543-554,12
国家基金面上项目(22174098)天津市科技重大专项与工程(21ZXGWSY00050)。
评论