基于再感知双模型联合训练的散焦模糊检测

针对散焦模糊检测(defocus blur etection, DBD)模型训练时没有对响应错误区域学习优化,且在识别过程中部分图像的模糊同质区域和处理边界过渡等位置仍然具有挑战性等问题,提出了再感知双模型联合训练方法和基于注意力机制多尺度语义融合散焦模糊检测网络。将未正确响应的预测区域映射到全新合成图像中驱动模型学习,实现再感知错误位置的图像特征;利用DBD任务的互补性质构建预测网络,组成对焦预测和模糊预测双模型,将互补网络中多余响应的区域反馈到另一个模型上从而提升训练效果;利用多尺度特征融合模块逐渐整合不同尺度的语义信息;在特征提取时设计了全局通道注意力模块,使模型关注预测结果的有效特征信息,增强网络在不同输入场景下的灵活性。在DUT、CUHK和CTCUG数据集上进行的对比实验表明,提出的方法与对比方法中性能最优者相比,F-Measure指标分别提高了0.082、0.051、0.264,MAE指标分别降低了0.032、0.018、0.144。

基于LBP特征与图像显著性的散焦模糊区域检测

针对当前散焦模糊区域检测算法对于均质清晰区域容易误判,边缘定位不够准确的问题,提出一种基于LBP特征与图像显著性的散焦模糊区域检测算法。首先,利用LBP特征和SLIC算法来获取SLBP模糊图,利用DRFI显著性检测算法来获取DRFI显著图;然后,利用SLBP模糊图和DRFI显著图来构造三元标识图,进而利用KNN抠图算法来获取模糊图;最后,借助于形态学运算和平滑滤波来细化模糊图。在公共模糊数据集上的实验结果表明,该算法能有效地检测出均质清晰区域,保留图像边缘细节,在检测精度和查全率指标上表现较好。

利用拉氏算子鉴别散焦模糊图像点扩散函数

对于散焦模糊图像,通常把其散焦点扩散函数近似为圆柱形函数。若能有效地从模糊图像中鉴别出该圆柱形的半径,则等价于求出了散焦模糊点扩散函数。利用拉氏算子对散焦模糊图像进行无方向性的二阶微分,然后求微分图像的自相关,则三维显示的自相关图像上会出现一个环形槽。环形槽由数值为负的一系列相关峰连成,槽底位置连成鉴别圆。该鉴别圆以零频尖峰为圆心,直径等于作为散焦点扩散函数的圆柱形直径的两倍。通过插值求和,得到一条鉴别曲线,可以直接鉴别出其直径。这一新的鉴别方法计算量小,鉴别精度高,抗噪声能力较强。

基于编码孔径的折反射散焦模糊图像复原

360度折反射成像系统由于其曲面反射的成像特点,获得的全向图像会不可避免地产生散焦模糊问题,使得全向图像的应用受到限制。针对全向图像成像过程中的散焦模糊问题,首先通过分析折反射系统中入射光线和图像模糊的关系,建立全向图像散焦数学模型;然后利用编码孔径技术估计出图像中各个位置的模糊程度;最后通过反卷积算法复原图像。通过该方法,可以很好地消除全向图像的散焦模糊,获得全聚焦的清晰全向图像。获得的全聚焦全向图像在全向智能视频监控、战场环境全向智能感知以及机器人全向视觉等领域具有较大应用价值。

散焦模糊图像点扩散函数参数估计

为了更准确地估计散焦模糊点扩散函数的散焦半径,提出了一种基于阶跃边缘的参数估计方法。首先利用Canny算子对散焦模糊图像进行边缘检测,然后利用Hough变换方法提取边缘图像中存在的边缘直线,最后对沿直线法线方向的各像素,计算其灰度级的二阶导数,导数值中的最大值则对应模糊阶跃边缘的边界,进而计算出点扩散函数的参数。实验表明,该方法能够快速准确地计算出散焦模糊参数。

一种鲁棒的散焦模糊图像点扩散函数参数估计方法

提出了一种具有较强抗噪能力的频率域鉴别散焦模糊参数的方法。该方法对模糊图像对数频谱图实施极坐标变换,然后计算距频谱中心不同半径下的多方向幅值累加和函数,进而提取第一过零圆环的半径,完成散焦模糊参数的估计。实验结果表明,该方法能够适应带噪散焦模糊图像退化模型的参数估计问题,且具有较高的鉴别精度。

约束最小二乘滤波实现散焦模糊图像复原

为了解决散焦不准确导致图像中存在不同程度的散焦模糊,引入散焦模糊图像退化模型和散焦点扩展函数,分析了维纳滤波、逆滤波、约束最小二乘滤波的复原方法,通过模拟实验对比三种滤波的复原效果,观察不同散焦半径参数对复原效果的影响,结果发现:在有噪声的情况下,约束最小二乘滤波复原效果优于逆滤波和维纳滤波,从主观视觉和客观PSNR值来看,当估计的散焦半径接近原始散焦半径时,复原图像效果最佳.

皮肤镜图像散焦模糊与光照不均混叠时的无参考质量评价

皮肤镜图像的采集质量直接影响后续的分析诊断结果.针对皮肤镜图像在采集过程中可能出现的散焦模糊和光照不均两种类型的失真,提出了一种有效的无参考图像质量评价算法.通过频率特性分析我们发现,散焦模糊主要影响离散余弦变换(Discrete cosine transform,DCT)后的直流分量,而光照不均则主要影响第一交流分量.针对该特性,论文在频率域设计质量评价模型,首先将散焦模糊与光照不均两种失真成功分离,进而分别计算失真程度,给出评价指标.实验结果表明,本文提出的算法既可以对散焦模糊或光照不均单一失真类型的皮肤镜图像进行质量评价,也可以对两种失真类型同时存在的复杂皮肤图像进行评价,给出的评价结果稳定客观、互相独立,且与主观评价结果相一致.

基于Hough变换的散焦模糊图像复原方法

提出一种基于Hough变换的散焦模糊图像复原方法。首先分析了散焦模糊图像理论模型,并对其空域表现形式与频谱特性进行了分析。根据其特点,提出可利用Hough变换来对散焦模糊图像的模糊半径进行估计,进而确定对应的点扩散函数,结合维纳滤波复原图像。试验结果表明,该算法能较好地复原图像,有一定的抗噪声性能,并且具有计算量小、适合实时处理的优点。

散焦模糊量估计的相机加权标定方法

相机标定在计算机视觉领域中有着至关重要的作用.绝大多数相机标定方法假设相机为针孔模型,且需要良好聚焦的图像来保证相机内外参估计的准确性.然而,这些条件会受到相机景深的影响.在薄透镜相机模型假设下,提出了一种加权相机标定的方法,其权重考虑了控制点的模糊量信息.首先对棋盘格标定物上的每一个角点进行散焦模糊量估计,在标定过程中,将散焦模糊量的大小作为一个权重加入到标定能量函数最小化过程中,使得标定精度得到提高.该方法简单高效,不需要额外的数码设备或者特别定做的标定物.在Intel Core i7处理器的计算机下,使用合成数据以及真实数据上进行的实验结果表明,文中方法能够有效减小重投影误差,提高张正友标定方法的标定精度.

基于双向互补学习网络的散焦模糊检测

散焦模糊检测存在轮廓细节丢失、错分均质清晰区域以及难以处理低对照度渐变区域等诸多问题,针对上述问题,提出一种基于双向互补学习的散焦模糊检测网络,双向学习、逐层融合、互补信息以生成高质量检测结果。双向互补学习网络由特征提取残差模块、双向互补解码子网和融合校正解码子网构成。残差模块提取原始图像的分层级特征;双向互补解码子网同时学习模糊区域和清晰区域的信息,形成互补学习、互补不足;融合校正解码子网则逐层融合成对互补特征图,校正预测误差;此外,所有解码子网均采用分层监督的方式引导网络高效学习。提出的方法在三个公开数据集上F分数分别提升了1.1%、0.1%、1.8%,检测速度达到26.618 fps,超越了现存方法。双向互补学习网络可以有效地挖掘分层级特征和互补标签的信息,快速地生成检测结果。

一种改进的单幅图像散焦模糊去反射算法

单幅图像去反射是计算机视觉领域中一个非常有意义的课题。针对单幅图像散焦模糊去反射算法不能有效地去除某些局部区域内不满足梯度相对平滑假设的反射光问题,本文提出一种改进的基于单幅图像散焦模糊去反射算法,通过引入一种修正机制,从而克服原算法在处理这些区域所产生的色彩失真。通过对自然场景下和人工合成带有反射光图像进行测试,实验结果表明,与单幅图像散焦模糊去反射算法相比,改进后的算法去反射效果更好,增强了原去反射算法的鲁棒性。

一种低分辨率散焦模糊图像的超分辨率重建复原方法

超分辨率图像重建方法,是提高低分辨率图像的细节表现度的有效方法,然而,对于因多种降晰原因导致的低分辨率模糊图像,在超分辨率重建之后,往往仍旧达不到清晰化的效果,为此,本文针对低分辨率的散焦模糊图像,在基于最大后验概率法进行超分辨率重建的过程中,加入了散焦模糊恢复,实验结果表明,本文所提出的方法能够获得较好的重建清晰化效果。

基于几何代数的散焦模糊高维图像恢复

几何代数易于对高维空间几何进行计算和分析,应用几何代数的这一特性,将彩色图像表示为高维几何空间中的点元素,利用几何代数描述图像的变换关系,将图像的散焦变换看作是高维空间中点元素的平移运动。通过分析模糊图像以及其衍生出的相关模糊图像对应在高维几何空间中点之间的分布关系的研究,计算出空间中复原图像的点分布位置。实验结果验证了该方法的有效性。

维纳滤波算法在散焦模糊图像复原中的应用研究

针对图像处理中因外界干扰、运动模糊、散焦模糊等因素使得图像产生不同程度退化的问题。提出了一种维纳滤波对散焦模糊图像复原的算法。先对图像做指定方向上的线积,再求出圆盘模型的模糊半径R,最后做了散焦半径分别为5、10、15、20的维纳滤波复原图像的实验。实验结果表明,在噪声的干扰下,维纳滤波复原的图像的效果较好,验证了其复原图像的可行性,但也存在维纳滤波的复原效果随散焦模糊图像的散焦模糊半径增大而减弱的不足。

基于全向总变分最小化的折反射散焦模糊图像复原方法

针对折反射全向成像特点,提出了基于全向总变分最小化的折反射散焦模糊图像复原方法。随着高分辨率图像传感器器件和大光圈镜头的采用,光圈和反射面曲率造成的折反射全向成像散焦模糊问题越发突出。由于在折反射全向图像上,具有相邻位置关系的两个点,在真实世界中并不具有相同的依赖关系,因此传统的图像梯度计算方法并不适合折反射全向图像处理。提出结合全向图像成像特点的全向梯度计算方法,将全向总变分最小化作为正则化条件,对散焦模糊全向图像进行复原,得到全局清晰的全向图像。

去散焦模糊的折反射全向成像系统设计

随着高分辨率传感器和大光圈的采用,光圈和反射面曲率造成的折反射全向成像散焦模糊问题越发突出。提出了一种有效去除散焦模糊的折反射全向成像系统设计。理论分析折反射成像散焦模糊的原因,建立全向图点扩展函数与实景空间物点及成像系统虚像位置的关系;在一次曝光成像时间内匀速旋转镜头对焦环,通过累积曝光使全向图散焦模糊核具有期望的空间不变性;利用反卷积算法对散焦模糊全向图进行复原,得到全局清晰的全向图像。该方法较好地解决了折反射全向成像散焦模糊问题,对提高折反射全向成像质量,促进其在相关领域的广泛应用具有重要意义。

基于编码孔径的折反射全向成像去散焦模糊技术

折反射全向成像系统中,反射镜曲率和镜头光圈是导致散焦模糊的主要因素,随着高分辨率图像传感器器件和大光圈镜头的采用,散焦模糊造成的图像清晰度问题显得越发突出。提出了一种基于编码孔径的折反射全向成像去散焦模糊技术。理论分析折反射全向成像散焦模糊原因,提出了一种确定最佳聚焦平面的方法,通过采取有效的全向图像环带分割和拼接策略,利用基于图像稀疏先验的反卷积算法对散焦模糊全向图进行复原,得到全局清晰的全向图像。该方法较好地解决了折反射全向成像散焦模糊问题,对提高折反射全向成像质量,促进其在相关领域的广泛应用具有重要意义。

基于边缘模糊频谱特征的散焦参数估计方法

退化图像复原的关键在于点扩散函数(PSF)的准确估计,针对散焦模糊图像点扩散函数参数未知的情况,提出一种基于图像边缘模糊频谱特征的参数估计方法。首先分析基本边缘经模糊退化后的频谱特征,进而构建了自然图像的边缘模型作为参考图像,通过在连续的散焦值范围内计算与待测模糊图像频谱的最大相似性,以获取散焦参数估计值。实验结果表明,所提方法能够适用于大尺度模糊图像的参数估计问题,且具有较强的抗噪性能。

由粗到精的多尺度散焦模糊检测

目的散焦模糊检测致力于区分图像中的清晰与模糊像素,广泛应用于诸多领域,是计算机视觉中的重要研究方向。待检测图像含复杂场景时,现有的散焦模糊检测方法存在精度不够高、检测结果边界不完整等问题。本文提出一种由粗到精的多尺度散焦模糊检测网络,通过融合不同尺度下图像的多层卷积特征提高散焦模糊的检测精度。方法将图像缩放至不同尺度,使用卷积神经网络从每个尺度下的图像中提取多层卷积特征,并使用卷积层融合不同尺度图像对应层的特征;使用卷积长短时记忆(convolutional long-short term memory,Conv-LSTM)层自顶向下地整合不同尺度的模糊特征,同时生成对应尺度的模糊检测图,以这种方式将深层的语义信息逐步传递至浅层网络;在此过程中,将深浅层特征联合,利用浅层特征细化深一层的模糊检测结果;使用卷积层将多尺度检测结果融合得到最终结果。本文在网络训练过程中使用了多层监督策略确保每个Conv-LSTM层都能达到最优。结果在DUT(Dalian University of Technology)和CUHK(The Chinese University of Hong Kong)两个公共的模糊检测数据集上进行训练和测试,对比了包括当前最好的模糊检测算法BTBCRL(bottom-top-bottom network with cascaded defocus blur detection map residual learning),De Fusion Net(defocus blur detection network via recurrently fusing and refining multi-scale deep features)和DHDE(multi-scale deep and hand-crafted features for defocus estimation)等10种算法。实验结果表明:在DUT数据集上,本文模型相比于De Fusion Net模型,MAE(mean absolute error)值降低了38.8%,F0.3值提高了5.4%;在CUHK数据集上,相比于LBP(local binary pattern)算法,MAE值降低了36.7%,F0.3值提高了9.7%。通过实验对比,充分验证了本文提出的散焦模糊检测模型的有效性。结论本文提出的由粗到精的多尺度散焦模糊检测方法,通过融合不同尺度图像的特征,以及使用卷积长短时记忆层自顶向下地整合深层的语义信息和浅层的细节信息,使得模型在不同的图像场景中能得到更加准确的散焦模糊检测结果。