双通道四元数卷积网络去噪方法

基于深度学习的彩色图像去噪方法通常是在各个通道进行卷积操作后再进行合并得到最后的卷积结果。这种方式没有充分考虑色彩通道之间的光谱相关性,可能导致去噪结果的失真。四元数卷积将彩色像素当作一个整体来进行处理,可以很好地解决这一问题。但是单一的四元数卷积网络不能较好地还原图像细节信息。针对这一问题,提出一种用于去除彩色随机脉冲噪声的双通道四元数卷积网络(DQNet)。该网络首先基于结构通道和色彩通道融合的策略,采用基于扩张卷积的结构细节还原模块提取结构和边缘特征,采用四元数卷积网络提取色彩特征;然后针对卷积运算会导致部分全局信息丢失的问题,通过长线连接将含有丰富全局特征的输入噪声图像与卷积结果进行融合,设计基于注意力机制的特征增强模块来指导网络提取复杂背景中的潜在噪声特征;最后利用残差学习实现彩色随机脉冲噪声的复原。实验结果表明,所提算法具有较好的去噪性能,在中度噪声污染或高度噪声污染的情况下去噪效果更为突出。

基于平均加权四元数卷积的岩石节理裂隙检测

为了检测彩色岩石节理裂隙边缘,同时抑制由其它色彩引起的噪声。本文将彩色图像像素的R、G、B分量作为彩色空间矢量的三个分量形成纯虚四元数,利用四元数卷积及旋转相关知识,得到彩色图像边缘检测方法并运用于岩石节理裂隙的检测中。同时,本文提出了一种简化的四元卷积方法。为了抑制噪声并对边缘准确定位,本文将不同尺度下的四元数卷积进行平均加权。实验结果表明,本文提出的方法针对岩石节理裂隙检测有较好的效果,具有重大的工程实用价值。

基于双树复数小波四元数卷积网络的Copy-move盲取证算法

随着图像编辑软件的普及与完善,使得人们通过Copy-move操作便可伪造图像,而现有的Copy-move盲取证算法很难提取到彩色图像的一致性特征,且结果依赖于手动调节参数,难以定位到准确的篡改区域.为此,利用四元数卷积网络提取彩色图像空间一致性信息和双树复数小波提取图像局部信息的优势,提出了一种基于双树复数小波四元数卷积网络的Copy-move盲取证算法.首先,将图像表示为四元数并输入到四元数卷积网络中,提取彩色图像的颜色一致性特征,并将双树复数小波变换的高频子带与卷积网络的特征图联合学习图像的局部特征.其次,计算特征向量之间的相似性分数.然后,利用卷积网络提取较高分数的特征,定位相似区域,在一定程度上解决了匹配时手动调节参数的问题;并构建了一个仅定位粘贴区域的辅助分支来区分相似区域.最后,融合了相似和粘贴区域得到能够区分复制和粘贴位置的结果.在CoMoFoD和CASIA CMFD数据集上的主客观实验表明,该算法提升了Copy-move盲取证的定位性能.

彩色图像融合客观评价指标

由于已有的彩色图像融合客观评价指标与人眼视觉感知不符,提出了基于四元数卷积的无参评价指标用于客观评价彩色图像融合。首先,以四元数的形式对彩色图像进行建模,充分考虑彩色图像作为一个整体所具有的颜色信息。然后,利用四元数值边缘模板和彩色图像进行四元数卷积运算,获取彩色图像的细节信息,度量图像的清晰度及所融合得到的有用信息,并以权重的形式给出。最后,经过一系列的量化计算给出融合图像的客观评估结果。实验结果表明:本文所提出的彩色图像融合客观评价方法充分利用了图像中的颜色信息以及人眼较为敏感的细节信息,评价结果优于传统方法,并且具有良好的稳定性。用本文方法所得到的评价结果与人类的视觉感知相符,基本满足彩色图像融合客观评价的要求。