二阶广义总变分约束的太阳图像多帧盲解卷积

盲解卷积是常用的自适应光学图像事后重建方法之一。为提高盲解卷积对太阳(自适应光学)图像的重建效果,本文提出了基于二阶广义总变分的空变多帧盲解卷积算法。该算法首先利用交替最小化和半二次分裂方法求解本文提出的二阶广义总变分约束的空不变多帧盲解卷积模型;然后针对非等晕大视场太阳图像特性,利用重叠分块与加权拼接实现空变盲解卷积扩展。在一米新真空太阳望远镜(NVST)观测的真实太阳图像上进行的重建实验与分析表明,本文算法在主观视觉效果和客观指标上均具有较好的图像重建效果。

基于GPU的多帧盲解卷积图像复原技术并行化实现

多帧盲解卷积图像复原技术能够进一步提高自适应光学图像的分辨力,但其算法比较复杂,处理耗时过长,对序列图像复原经常需要几分钟甚至几十分钟的计算时间,对实际应用造成了极大不便。为了提升算法的运行速度,改善其耗时过长的问题,通过研究和分析盲解卷积算法原理和算法结构,采用目前高速发展的中央处理器(CPU)和图形处理器(GPU)异构加速技术,主要对耗时最长的矩阵卷积运算进行优化,通过使用库函数与算法结构微调相结合的方法并行加速,实现多帧盲解卷积的图像复原算法的并行化。使用并行算法对图像进行复原处理,针对16帧以上分辨率为256×256像素的空间目标图像,可以实现17×的加速比,为图像复原的实时/准实时提供一种可行的方案。

湍流降质图像的帧选研究

在多帧图像复原中,一些观测图像质量较差,不能改善复原图像的质量,反而会使复原结果恶化,因此在复原前需要对其进行帧选。在对各种图像质量评价指标进行深入分析的基础上,提出了梯度和信息熵相结合的帧选准则。实验结果表明:帧选后的复原结果明显优于未帧选的复原结果,从而证明了文章所确定的帧选准则的合理性。

端到端增强卷积网络的视频人脸表情识别研究

视频人脸表情识别在无人驾驶、智慧医疗等多领域都有广泛应用。针对视频单帧特征提取存在信息损失的问题,提出单帧增强卷积网络,该网络采用浅层特征与深层特征融合实现特征增强,其中浅层特征为CNN中间层外延卷积模块实现浅层特征提取,深层特征为CNN网络最后一层融合空洞卷积和基于通道间注意力机制,实现特征通道重定位和强弱信息结合。又由于视频相邻帧存在相关性,提出多帧增强卷积网络,其采用帧间注意力机制,根据视频帧之间的相关性给视频帧打分从而得到视频的关键帧,继而实现多帧特征增强。最后对设计的模型在AFEW数据集、CK+数据集、SFEW数据集、FER数据集上进行验证,其中AFEW数据集上对视频表情识别的准确率从40.00%提升到45.19%,F1分数从0.31提升到0.3937。该网络模型不仅能应用于静态图像,而且能应用于动态视频,同时也能提高表情识别准确率,降低误差,从而提升识别效率。

基于SIFT特征配准的多帧迭代盲解卷积算法

在未配准的情况下,多帧图像解卷积算法不能发挥其利用多帧图像信息互补的优势,针对这种情况,本文将基于SIFT特征配准的算法引入多帧图像解卷积算法中,这一做法克服了各帧影像之间相同位置不同细节像素之间的影响,有效地提高了复原图像的质量。实际观测数据的复原结果证明了本文思想的正确性,配准后图像的复原结果更加清晰,且体现出观测目标更多的细节信息。

一种改进的大气模糊图像恢复算法

针对天文图像受大气影响而变模糊的问题,利用多帧盲去卷积方法对变质图像的恢复及点扩展函数的辨识进行了研究,并采用基于受惩极大似然估计的GEM改进算法从模糊图像序列中得到目标以及点扩展函数的迭代解。实验结果表明该算法能有效地恢复出原物体并估计出点扩散函数。

基于旋转阵列的多帧合成孔径图像复原

针对光学合成孔径成像系统的调制传递函数(MTF)在中-低频段的衰减以及造成的合成图像降质问题,以6孔径Y型阵列为例,提出子孔径阵列旋转成像以获取包含互补信息的多帧图像;通过截止频率与中频能量比确定旋转角度,并利用多帧迭代盲解卷积算法进行图像复原。实验表明,与现有的代表性工作相比,本文方法对于Y型阵列的合成孔径图像有较好的复原效果和重建的准确性。