基于方向感知与注意力的文档图像阴影消除

文档图像易受光照影响产生的阴影区域,会严重影响用户的识别和阅读。针对现有阴影消除开放数据集少,纠正图像阴影消除质量较差的问题,提出了一种改进的生成对抗网络的文档图像阴影消除方法。该网络在原有双GAN网络结构基础上,引入阴影感知方向上下文模块以及掩码注意力结构,并在掩码注意力模块后加入自适应注意力模块,通过并行结构自适应调整卷积核大小,融合不同尺度特征以获得更多特征信息。同时采用一种逐像素叠加的数据增强方法,解决文档阴影消除数据集缺乏的问题。实验结果表明在本文自建数据集上与DCGAN、ST-CGAN和DSC方法相比,评价指标PSNR与SSIM均有一定提升,本文实验方法优于现有文档去阴影先进方法。

一种用于多视角雷达图像配准的改进RIFT算法

由于复杂的成像机制,对于存在丰富地表附属物的城镇、村庄等区域,从不同角度获取的雷达图像间存在明显的非线性辐射畸变和阴影特征差异,使得现有的图像配准方法不再适用。为了解决这一问题,本文在辐射不变特征变换(Radiation-Variation Insensitive Feature Transform,RIFT)的框架下分别从特征计算和特征向量生成两个方面进行改进,提出了一种基于多特征描述和阴影感知的多视角雷达图像配准方法。在特征计算阶段,算法利用log-Gabor滤波器实部和虚部的空间域性质对雷达图像中两种不同特征进行提取,使单一的特征变化不再影响特征描述,增强算法对非线性辐射畸变的鲁棒性。在特征向量生成阶段,利用log-Gabor滤波器对阴影区域响应低的性质,实现对图像阴影区域的检测,并为受阴影影响严重的子邻域所生成的特征向量施加掩膜,有效消除了阴影特征差异对图像配准的影响。实验结果表明,针对多视角雷达图像配准问题,本文方法在均方根误差、成功匹配概率和正确匹配点数上优于现有算法,能够实现多视角下雷达图像的精确配准。