基于改进维纳滤波算法的运动模糊二维码图像复原方法

针对二维码在动态工业产品检测中,容易发生运动模糊,导致识别难度加大的问题,设计了一种基于改进维纳滤波的运动模糊二维码图像复原方法。在传统的维纳滤波图像复原过程中,由于正则项K值的影响,导致复原效果存在差异,结合了遗传算法,通过自适应寻优的方法实现了K值的估计,完成了图像的复原。实验结果表明:改进算法比传统算法复原以后的图像峰值信噪比(PSNR)提高了约4 dB左右,该方法可以有效地还原出运动模糊二维码图像,提高了二维码的识别的效率。

基于四方向交叠组合稀疏全变分的图像复原

传统全变分具有保存图像特征(边缘、纹理等)优点,但同时也伴随产生阶梯效应。针对此问题,论文提出一种四方向交叠组合稀疏全变分的新模型。首先将每个像素点在四个方向上的梯度信息加以组合,形成组合梯度,充分挖掘图像上四个方向的梯度信息,进一步抑制阶梯效应,全面消除噪声,提高复原后图像的质量,然后利用交替方向乘子算法(AD-MM)将复杂的优化问题分裂为较容易求解的子问题,并使用二维快速傅里叶变换(FFT)和优化最小化算法(MM)交替迭代求解子问题,提高了图像复原的运算速度。

基于非局部先验红外运动模糊图像复原方法

为了实现红外运动模糊图像复原,采用了基于红外图像的非局部稀疏先验约束建模方法。通过分析红外运动模糊成像特征,在盲反卷积框架下,提出了一种基于运动信息的图像非局部稀疏先验约束建模方法,通过计算图像的运动模糊核,进而复原运动模糊图像。结果表明,所提出的基于运动信息的图像非局部稀疏先验约束方法,针对性强,能有效地复原运动幅值较大的红外运动模糊图像;概率模糊检测、结构相似度和峰值信噪比均有不同程度的提高,尤其是峰值信噪比提高接近8%,且运动幅值越大,复原结果越明显。本研究为红外成像系统的应用打下了基础。

融合对比度拉伸的地铁隧道环境图像复原算法

由于地铁隧道环境图像对比度低且细节模糊,在后续图像处理过程中难以从图像中准确提取关键的环境信息。为了解决该问题,提出一种融合对比度拉伸的模糊图像复原算法。将隧道图像转换到HSV颜色空间,根据V分量的灰度分布特点构建对比度拉伸模型对V分量进行增强,避免了传统低照度增强算法出现的过度增强问题,且能够自适应增强图像对比度。对增强后的V分量进行模糊类型分析,从而确定地铁隧道图像模糊类型,在此基础上将增强后的V分量图像划分为不同的区域,在各个区域分别选择符合条件的刀刃边缘线并对其扩散函数进行估计,同时以点扩散函数作为先验信息,采用非盲去卷积算法对各区域进行去模糊处理。融合H、S、V 3个分量,完成隧道环境低照度图像整体增强与复原。实验结果表明,所提算法能有效提高隧道图像整体及局部对比度,减少由高斯噪声引起的图像模糊,恢复图像中的细节信息。

面向图像复原和增强的轻量级交叉门控Transformer

现有的图像复原和图像增强方法难以同时兼顾在多个子任务上的鲁棒性和维持较小的参数量与计算代价。针对这一问题,提出轻量级交叉门控转换算法(CGT)。一方面,总结了传统全局自注意力机制捕获全局依赖关系的局限性,将全局自注意力机制改进为跨层次交叉门控自注意力机制。同时提出轻量化的前馈神经网络,从而以极小的计算代价学习到跨层次局部依赖关系,在局部邻域内重构清晰特征。另一方面,针对传统方法对编码器和解码器平等地进行加法或拼接的操作易导致信息干扰这一缺陷,提出长距离重置更新模块,分别对无用信息与清晰特征加以抑制和更新。在图像去噪、图像去雨和低亮度图像增强3个不同任务的9个公开数据集上,与最新的25个方法进行的对比实验结果表明,所提出的轻量级交叉门控转换模型以较少的参数量和计算代价,在图像复原和图像增强领域中均取得较高的峰值信噪比和结构相似度,重构出接近真实世界场景的清晰图像,达到了先进的图像复原性能。

基于多模态融合的深度神经网络图像复原方法

针对水下图像成像环境复杂常受偏色等因素干扰而影响后续图像分析的问题,提出一种基于多尺度特征与三重注意力多模态融合的深度卷积神经网络图像复原方法.首先,深度卷积神经网络在抽取图像空间特征的基础上,引入图像多尺度变换特征;其次,通过通道注意力、监督注意力和非局部注意力,挖掘图像特征的尺度间相关性、特征间相关性;最后,通过设计多模态特征融合机制,将上述两类特征有效融合.在公开的水下图像测试集上进行测试并与当前主流方法进行对比的实验结果表明,该方法在峰值信噪比、结构相似性等定量对比以及颜色、细节等定性对比上都优于对比方法.

基于深度学习的通用性图像复原方法研究

目的进一步提高图像复原的性能。方法提出一种基于隐式知识迁移(Implicit knowledge transfer)和显式掩码引导(Explicit mask guide)的图像复原通用方法IECNN。将一般的图像复原任务明确拆分为退化区域定位和区域引导复原等2个阶段。首先利用掩码预测网络中固有的退化定位知识,并进行训练,检测严重退化区域,然后提出一种自适应的注意力知识蒸馏方法,将退化区域知识隐式迁移到复原网络中,且无须任何额外的推理计算,随后提出一种掩码引导下的2种模块,在扩充全局感受野的同时重点关注退化区域,以此显式进行图像复原。结果在进行消融实验时,通过可视化特征图与成对关系图直观展现了各个组件的有效性。为了证明文中方法的通用性,在4种空间变化的图像复原任务中,以峰值信噪比(Peak signal to noise ratio)和结构相似性(Structural similarity)2个指标与其他基准方法进行了定量比较,在视觉效果上进行了定性比较。结论证明了隐式知识迁移和显式掩码引导对于图像复原的有效性。

基于IWOA-BP神经网络图像复原

针对传统复原算法在退化图像复原过程中存在明显滞后的问题,建立了一种改进的鲸鱼算法(Improved Whale Optimization Algorithm,IWOA)-BP神经网络图像复原模型。首先,通过Tent混沌增强初始种群的均匀性和多样性;其次,采用非线性权重和改进的收敛因子,平衡算法的全局搜索与局部寻优能力;最后,结合Levy飞行策略更新个体位置,帮助算法跳出局部最优。随后采用经典图像数据,建立IWOA-BP模型。选取PSNR、SSIM和NMSE作为网络模型的评价指标,与BP、GWO-BP、WOA-BP进行对比。实验结果表明IWOA-BP模型图像复原视觉效果更好,提高了图像复原的质量。

融合暗通道与Retinex算法的水下图像复原研究

针对水下图像存在细节模糊和色彩失真等问题,基于水下光学成像模型,提出了一种融合暗通道先验和Retinex的方法。首先为避免场景中亮白区域影响,提出一种基于四叉树分解方法改进对背景光的估计,进一步分通道对透射率进行估计,引入自适应容差补偿机制,根据图像区域的明亮程度自适应修正透射率,并利用改进的导向滤波细化透射率,消除了图像块效应,利用优化的暗通道先验算法对图像进行清晰化处理得到复原图像;其次用Retinex算法提高水下图像对比度以及校正颜色畸变;然后依据复原图像与Retinex算法增强图像的特点进行像素级融合,最终得到复原后的水下图像。为定量评价复原算法,选取了信息熵、平均梯度和UIQM定量化评价因子。实验结果表明,所提算法在主观及客观评价方面均优于对比算法,为后续水下目标探测提供了研究基础。

用于视觉传达效果优化的退化图像复原仿真

大气湍流与外界噪声的干扰,会造成图像出现退化现象,影响图像质量。为此提出考虑视觉传达效果的多帧退化图像复原算法。图像复原前构建出图像退化模型,明确图像退化规律,利用小波变换对多帧退化图像实施去噪处理。计算因大气湍流导致的相位扰动的波前图像,根据相位偏差,生成Zernike波前图像重建模型,多次迭代后完成PDF的波前重建,利用代价函数生成多帧退化图像复原的迭代公式,依据判定条件实现多帧退化图像复原。实验结果表明,所提算法的图像复原效果较好,复原效率高,具有优异的图像去噪效果。

半二次图像复原中结构化方程组的预处理方法研究

半二次正则化最小二乘是实现高质量图像复原的重要模型之一。在利用牛顿迭代方法等优化方法求解该模型的过程中,每一步都涉及结构化方程组的求解。预处理共轭梯度法(PCG)是求解此类方程组的有效方法,而其收敛速度取决于预处理后矩阵的特征值性质。构造合适的预处理矩阵对于提高图像复原的性能具有重要的意义。近年来,结合半二次图像复原中方程组的结构化特点,学者们基于矩阵的Schur补近似等策略构造出了一系列的预处理矩阵,并给出了相应的特征值分析。数值结果表明,这些预处理方法有效地降低了图像复原的计算成本。针对半二次图像复原中的结构化方程组,本文整理了近几年出现的预处理方法,并从不同侧面进行对比分析,旨在为进一步的预处理方法改进和研究提供思路参考。

结合色彩补偿与双背景光融合的水下图像复原

针对复杂成像环境下,水下图像存在颜色失真、细节模糊以及对比度低的问题,提出结合色彩补偿与双背景光融合的水下图像复原方法。通过分析光在水中的吸收衰减特性,提出改进的水下成像模型,基于Retinex理论与白平衡算法引入色彩补偿分量,降低水体背景颜色影响;根据背景光强度和颜色分布特性,提出双候选背景光融合方法,准确估计全局背景光;不依赖任何水体环境参数,根据背景颜色与散射系数的内在关系,采用引导-高通滤波,优化并增强各通道透射率;最后,逆求解成像模型复原水下图像。实验结果表明,在4个不同的水下数据集上与经典及新颖方法对比,所提方法恢复的图像颜色更自然,纹理细节更丰富清晰;色差值改善幅度达5.4%,UCIQE及FDUM指标提升幅度分别达8.3%和4.5%。所提方法在定性和定量实验中更具优势,能够显著提高水下图像质量。

基于生成逆推的大气湍流退化图像复原方法

大气湍流是影响远距离成像质量的重要因素。虽然已有的深度学习模型能够较好地抑制大气湍流引起的图像像素几何位移与空间模糊,但是这些模型需要大量的参数和计算量。为了解决该问题,提出了一种轻量化的基于生成逆推的大气湍流退化图像复原模型,该模型包含了去模糊、去偏移和湍流再生成三个核心模块。其中,去模糊模块通过高维特征映射块、细节特征抽取块和特征补充块,抑制湍流引起的图像模糊;去偏移模块通过两层卷积,补偿湍流引起的像素位移;湍流再生成模块通过卷积等操作再次生成湍流退化图像。在去模糊模块中,设计了基于注意力的特征补充模块,该模块融合了通道注意力机制与空间混合注意力机制,能在训练过程中关注图像中的重要细节信息。在公开的Heat Chamber与自建的Helen两个数据集上,所提模型分别取得了19.94 dB、23.51 dB的峰值信噪比和0.688 2、0.752 1的结构相似性。在达到当前最佳SOTA方法性能的同时,参数量与计算量有所减少。实验结果表明,该方法对大气湍流退化图像复原有良好的效果。

基于特征解耦表征学习的无监督混合失真图像复原方法

针对真实场景下多种混合失真组合的多任务图像复原,结合生成对抗网络与编码器提出了一种基于无监督对偶学习的图像复原方法.该方法引入特征解耦模块,通过修正基于增益控制的归一化,将不同退化机制的特征表示分配到不同的特征通道中,使得不同退化特征表达相互独立,实现了通道上的特征解耦.同时,为了进一步过滤掉退化机制的特征表示并保持原图像内容信息的细节,利用通道注意力机制实现特征解耦后自适应地选择有用的特征表示,使其适用于真实场景下混合失真组合的图像复原任务.实验结果表明,所提算法在单一退化类型GoPro数据集上对比基于尺度循环网络的算法(scale-recurrent network,SRN),峰值信噪比和结构相似性2项指标值分别提高了0.499 dB和0.044;在混合退化类型DIV2K数据集上对比基于操作选择注意力网络的算法(operation-wise attention network,OWAN),峰值信噪比和结构相似性2项指标值分别提高了0.163 dB和0.015,在实现复原图像的同时,保留了图像的纹理和细节信息.

基于双阶段多尺度生成对抗网络的图像复原方法

针对人脸图像复原任务中对图像尺度信息利用不足和眼镜结构复原错误的问题,提出一种基于双阶段多尺度生成对抗网络复原模型。该模型第1阶段引入改进损失的U-Net粗重构网络,利用跳连接减少原始图像信息的丢失,融合3种不同的损失函数提高生成器的重构能力,采用双判别器考虑全局信息和局部信息,并提出一种混合域注意力机制用于关注图像的空间和通道信息。第2阶段的精修复网络构建了全新的特征增强模块,增强网络对细节信息的提取能力和对结构的表达能力,引入相对判别器,用于关注生成样本与真实样本之间的相对真实性,提高了生成质量和训练稳定性。实验结果表明,该方法能够复原各类图像缺失的情况,并能够有效复原佩戴眼镜的人脸图像,与其他方法相比,该方法的峰值信噪比、结构相似性和感知相似度评估等指标分别提升了3.81%、2.65%和0.45%。

基于CycleGAN的透射文本图像复原

为了解决文本透射图像复原方法中实际成对图像数据集缺乏而导致的去透射效果欠佳的问题,本文提出了一种基于CycleGAN的透射文本图像复原方法。利用CycleGAN的约束转移学习能力完成非成对图像的复原任务;考虑到实际透射文本图像的复杂性,结合人类视觉特征,在CycleGAN中融入注意力机制,非均匀地处理不同文本特征。实验结果表明,所提方法在公共图像数据集以及真实图像数据上都取得了较好的透射图像恢复结果。

基于维纳滤波的体育运动视频模糊图像复原方法

为解决由噪声、拍摄目标与摄像机间相对运动导致的视频成像质量下降的问题,提出一种基于维纳滤波的体育运动视频模糊图像复原方法。图像复原过程即为图像退化的逆过程,在复原前通过噪声及模糊图像构建退化模型。使用拉格朗日乘数法构建退化模型复原约束条件,计算维纳滤波函数中运动图像的模糊角度和模糊尺度,完成图像复原全过程。实验表明在不同的相对运动速度下,所提方法能够有效地去除模糊图像梯度效应,使图像中没有较明显的模糊点,能够基本满足体育运动对视频图像清晰度的要求。

改进的运动模糊矿石图像复原方法

针对矿石粒度检测过程中相机与目标矿石之间相对运动造成的图像模糊问题,提出一种模糊矿石图像清晰化的方法。采用维纳滤波进行图像复原是常用方法,因此,采集模糊矿石图像,建立图像复原模型。首先通过傅里叶变换构造频谱图,几何分析法估计模糊角度和微分自相关法估计模糊长度;采用无参考图像清晰度算法校准并确定模糊角度及长度,构造出最为近似的点扩散函数(PSF)参数;再以快速K值估计法获得最佳噪信比值,最后用维纳滤波处理所求,实现运动模糊图像的复原。实验结果表明:该方法能估计并矫正模糊矿石图像的模糊长度和角度,其复原效果比传统方法更优,准确度高、稳定性强,具有一定的实际工程意义。

基于天空区域分离和自适应中值滤波的偏振图像复原方法

针对传统偏振图像去雾方法参数计算不便、出现噪声和色彩失真等问题,提出了一种基于天空分离技术的偏振图像复原方法.该方法首先对两幅0°和90°的偏振图像进行融合处理;然后通过天空分离技术分离偏振雾霾图像景物和天空部分后计算大气光强,利用自适应中值滤波方法优化大气散射光并计算图像传输率;最后利用偏振图像去雾模型去除图像雾霾.对使用单反相机和KENKO CPL67MM偏振滤镜采集到的图像进行测试,采用本文方法复原的图像能够在信息熵和平均梯度比图像评价指标中取得较大改善,并较好地保留了图像中丰富的边缘细节信息,克服了天空区域中出现的噪声问题,解决了人工计算参数中的不便,有效改善雾霾图像质量.

基于深度学习的楚国墓葬纺织品图像复原

中国楚国时期纺织品由于其墓葬所属年份较为久远,故其纺织品文物在结构和纹样方面存在残缺、破损、污渍等问题。纺织品文物在修复时只能依赖纺织品修复者的经验和审美,且在修复过程中可能会因为修复人员的主观审美及经验出现修复结果不理想或二次损毁等情况。本文通过收集纺织品文物的图像数据建立纺织品图像数据库,采用深度学习方法中的生成对抗网络模型(GAN),针对残缺的纺织品文物,在图像层面进行补全修复,避免了对纺织品文物的接触,减少在修复过程中对文物的二次损毁。通过数字化方法复原纺织品文物的图像,使其结构完整,纹样连贯,从主观评价方面具有较好的复原效果。复原后的纺织品文物图像可以用于指导实物复原、展览展出等,对楚国墓葬纺织品的研究具有一定的借鉴意义。