运动模糊图像复原技术研究进展与展望

成像过程由于相对运动,镜头离焦等原因会造成图像退化,获取准确信息需要进行复原。介绍主流运动模糊图像复原技术研究进展,包括直线和复杂运动核估算技术、能量泛函和深度学习逆卷积建模技术等,阐述各技术主要数学方法、机理、性能特点,最后指出当前运动模糊图像复原技术的不足,并对未来研究进行展望。

机器视觉检测图像拼接配准技术研究进展

机器视觉检测任务通常需通过图像拼接获取高质量、宽视野的被检对象,图像拼接配准是实现机器视觉图像拼接的关键步骤,系统评述常见机器视觉检测图像拼接配准技术,包括基于空域的图像拼接配准技术、基于频域的图像拼接配准技术以及基于深度学习的图像拼接配准技术等,阐述各技术方法的主要数学模型、工作机理以及性能特点,以及总结当前图像拼接配准技术先进方法与图像拼接配准技术值得关注方向。

基于零次学习SelfDeblur机器视觉动态检测图像去模糊方法

机器视觉动态检测容易生成模糊图像,研究图像去模糊方法是提高机器视觉检测性能重要手段。端到端图像去模糊方法受庞大数据集以及成对输入要求的制约,SelfDeblur则通过零次学习降低数据集要求,可用于机器视觉动态检测。根据机器视觉动态检测特定应用场景,将SeDeblur应用于非盲去模糊,并改进其损失函数、网络结构以及训练优化方法,实现数据集低要求的端到端图像去模糊。试验表明所述方法图像去模糊质量优于现有方法,无参考指标平均提高34.45%。