典型文献
基于深度学习的沉浸式投影系统图像反射补偿问题研究
文献摘要：
针对传统补偿网络模型PCN生成图像边缘丢失、精度缺失和补偿效果不佳的问题,提出基于补偿网络模型PCN,分别引入超清机制和感知损失SR层,得到基于卷积神经网络的补偿网络优化模型SRCN.实验结果表明,将SRCN补偿网络模型应用到多投影系统数据集后,SRCN模型的SSIM、PSNR客观指标分别取值为0.93和20.51,相较于基础的PCN图像反射补偿模型,本模型的SSIM、PSNR值高出了 0.25和2.18.且本模型的RMSE值为0.09,比PCN模型低了 0.05.由此可知,本模型在PCN模型的基础上加入超清机制和感知损失后,生成的图像纹理细节更加丰富,图像的人眼感知度更加清晰,无图像边缘模糊问题,说明优化后的模型具备可行性.
文献关键词：
卷积神经网络;FCN;投影系统;图像反射补偿;SRCN
中图分类号：
作者姓名：
马钰
作者机构：
陕西国际商贸学院,西安712046
文献出处：
引用格式：
[1]马钰-.基于深度学习的沉浸式投影系统图像反射补偿问题研究)[J].自动化与仪器仪表,2022(12):20-24,30
A类：
沉浸式投影系统,图像反射补偿,SRCN
B类：
系统图,补偿问题,补偿网络,PCN,成图,图像边缘,边缘丢失,入超,超清,感知损失,网络优化模型,模型应用,系统数据,SSIM,PSNR,客观指标,补偿模型,RMSE,由此可知,图像纹理,人眼,感知度,无图,FCN
AB值：
0.295668
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
