基于降质信息估计的盲图像复原算法

针对低质量图像的复原重建问题,提出了一种基于降质信息估计的盲图像复原算法。该算法主要包括噪声估计网络、模糊核估计网络和重建网络3部分。首先分别通过噪声估计网络和模糊核估计网络,对图像噪声水平和模糊核进行估计;其次,将估计所得噪声水平和模糊核作为降质信息,并联合待处理的低质量图像一起输入重建网络,以帮助获得更好的重建效果。实验结果表明,该算法能获得良好的重建结果,无论是在客观评价指标上还是主观视觉效果上都有较好的性能。

降质先验引导的二维条码超分辨率研究

二维条码作为一种能够存储大量信息的图形标识,在工业生产的自动化控制、物流管理、质量追溯以及运输的信息交换等环节起着非常重要的作用。二维条码的高精度识别是实现快速、准确信息交换的基础。但是受拍摄环境和拍摄设备精度的制约,经常由于分辨率低而无法正确识别。针对此问题,提出了一种面向实际降质二维条码的超分辨率重建算法。考虑到实际降质的复杂性,提出了基于降质先验的超分辨率算法。首先,设计了一个降质先验信息编码器,用于提取和编码因拍摄环境和设备限制导致的图像质量降低的相关信息。然后,提出了一个降质先验引导模块,使用编码器提取的信息来引导主体结构的特征重建,包括降质特征图引导与降质先验引导两部分。由于目前缺少相关数据集,所以率先构建了真实退化条件下的二维条码超分辨率数据集(包含4944对低分辨率-高分辨率二维条码图像)。考虑到真实数据对之间有轻微位移,引入位移不敏感的损失函数对网络进行优化。实验表明,所提方法重建结果的峰值信噪比(Peak Signal to Noise Ratio,PSNR)、结构相似性(Structural Similarity,SSIM)以及扫出率这3种指标均优于5种经典的超分辨率重建算法,充分说明了所提方法的优越性。