基于光线重排的印制电路板高速扫描成像迭代去模糊方法研究

自动光学检测(automated optical inspection,AOI)相机运动速度过高,拍摄印制电路板(printed circuit board,PCB)图像会产生严重模糊。如能正确恢复因此而产生的退化,可提高相机的运动速度,进而提高AOI的检测效率。受代数迭代重建算法(algebraic reconstruction technique,ART)启发,提出一种基于光线重排的图像非盲去模糊算法。该方法在模糊核已知的情况下,基于快速迭代收缩阈值算法(fast iterative shrinkage thresholding algorithm,FISTA)迭代重建算法,运用Nestrov加速和光线重排提高了迭代收敛速度,运用数据正则抑制图像的各类加性噪声和伪影,较好地重建出原本的清晰图像。结果表明,该方法对噪声具有较好的抑制能力,对AOI相机运动曝光引起的严重模糊,较常用的传统逆滤波方法具有更好的图像恢复效果。

基于归一化超拉普拉斯先验项的运动模糊图像盲复原

基于变分方法提出了一种运动模糊退化图像的盲复原算法。考虑自然场景的图像梯度符合长拖尾概率分布,提出的方法采用归一化的超拉普拉斯先验项作为变分能量方程中的光滑项,从而有利于图像在去模糊的求解过程中正确解收敛。由于建立的能量方程不是严格凸的函数,故引入了分裂方法进行求解。整个运动模糊退化图像的盲复原过程在多尺度框架下由粗到细尺度渐进执行。最后利用估计出的点扩展函数计算清晰图像。相对于传统的盲复原算法,本文提出的算法不需要预测图像的梯度信息和对梯度进行筛选,直接求解能量方程就能够得到相应的正确解。得到的结果验证了本文算法的有效性。

空间尺度信息的运动模糊核估计方法

运动模糊核的准确估计是实现单幅运动模糊图像盲复原成功的关键.但是,因为不能准确提取出有利的图像边缘以及简单的正则化约束项的设计,导致现有运动模糊核(motion blur kernel,简称MBK)的估计并不十分准确,存在瑕疵.因此,为了能够估计出准确的运动模糊核,提出了一种基于空间尺度信息的运动模糊核估计方法.首先,为了准确地提取有利的图像边缘,移除有害的图像结构,提出了一种基于图像空间尺度信息的图像平滑模型,实现有利图像边缘的准确快速提取;然后,从运动模糊核的内在特性出发,将空间域的L0范数和梯度域的L2范数结合到一起,提出了一种正则化约束模型,很好地保证了运动模糊核的稀疏平滑特性,并结合之前提取出的有利的图像边缘,共同实现运动模糊核的准确估计;最后,采用一种半二次性分裂的交互式最优化策略对提出的模型进行最优化求解.在客观的评价指标和主观的视觉效果上进行了大量实验,其结果证明所提出的方法能够估计出更准确的MBK和复原出更高质量的去模糊图像.

双向时域特征流盲去运动模糊方法

便携式成像设备在日常的生活中已经无处不在,但是因为拍摄时的抖动或者场景中的快速运动物体,所拍摄的图像或视频经常存在模糊现象,造成图像重要细节丢失。为了将模糊的视频图像恢复到清晰的状态,结合近年来的研究热点——生成对抗网络,本文提出了一种新颖的端到端的双向时域特征流盲去运动模糊方法。该方法充分利用时空连续特征信息,在三连帧图像间建立双向的时域特征传输通道。多阶段自编码去模糊网络结构和并行编码-混合解码融合方案能够融合三连帧图像多通道内容信息,并恢复出更加清晰的视频图像。实验结果表明,在不牺牲较大时间代价前提下,本文提出的方法在传统的质量评价指标(峰值信噪比和结构相似性)和视觉质量上均优于现有的去模糊算法。

渐进式深度网络下盲运动图像去模糊方法

针对盲运动图像去模糊任务中渐进式深度神经网络缺少大范围感受野和难以合理交互各阶段图像特征的问题,提出具有扩张卷积和上下文注意力融合模块(contextual attention fusion module,CAFM)的渐进式深度网络(progressive depth network,PDNet)恢复清晰图像。该方法包括局部特征提取、图像特征整合和图像恢复3个阶段。其中局部特征提取阶段和图像特征整合阶段利用多分支扩张卷积模块(multi-branch dilated convolution block,MDCB)增加感受野,适应不同程度的运动模糊;在图像特征整合阶段和图像恢复阶段利用CAFM进行不同阶段图像特征的信息交互,以实现渐进式的图像特征增强。通过3个阶段的渐进式增强策略,提出的方法能充分利用局部和全局图像特征引导图像恢复,从而生成清晰的高质量图像。实验结果表明:与SRN等网络相比,提出的PDNet在GoPro数据集和RealBlur-J数据集上得到更好的效果,且峰值信噪比(peak signal to noise ratio,PSNR)平均提升2.9 dB,结构相似度(structural similarity index measure,SSIM)平均提升0.05。

基于分裂Bregman算法的单帧运动图像盲去模糊

提出一种基于分裂Bregman算法的单帧运动图像盲去模糊方法,该算法分为模糊核估计和图像复原两个阶段。在估计模糊核时,首先利用双边滤波器去除图像中的噪声,再采用改进的冲激滤波器对图像进行边缘增强,选取有用的边缘信息估计模糊核,并对估计出的模糊核进行修正,从而得到高质量的模糊核。图像复原阶段,利用分裂Bregman算法交替迭代得到去模糊后的图像。该算法具有降噪和边缘增强的功能,并能保持图像总变分不变,使图像复原效果更好且计算时间有大幅降低。

基于有理数多项式先验模型的图像盲去模糊

图像盲去模糊问题是当今图像处理领域的热点问题之一。基于混合高斯先验模型的变分贝叶斯去模糊算法可以有效地复原模糊图像,成为一种重要的图像去模糊算法。虽然混合高斯先验模型可以很好地逼近自然图像的梯度分布,但是该模型在图像梯度值较大处往往会产生过拟合导致去模糊后的图像产生振铃效应,严重影响了图像可读性。利用有理数多项式先验模型代替混合高斯模型逼近自然图像的梯度分布,克服算法的上述缺点。有理数多项式函数的分母多项式强制函数在梯度值较大值时平滑,所以有效地避免了过拟合现象的发生,从而使得模糊核估计得更准确,减少振铃效应。实验结果表明了算法的可行性和有效性。

强边缘提取网络用于非均匀运动模糊图像盲复原

基于深度学习的非均匀运动图像去模糊方法已经获得了较好的效果.然而,现有的方法通常存在对边缘恢复不清晰的问题.因此,本文提出一种强边缘提取网络(Strong-edge extraction network,SEEN),用于提取非均匀运动模糊图像的强边缘以提高图像边缘复原质量.设计的强边缘提取网络由两个子网络SEEN-1和SEEN-2组成,SEEN-1实现双边滤波器的功能,用于提取滤除了细节信息后的图像边缘.SEEN-2实现L0平滑滤波器的功能,用于提取模糊图像的强边缘.本文还将对应网络层提取的强边缘特征图与模糊特征图叠加,进一步利用强边缘特征.最后,本文在GoPro数据集上进行了验证实验,结果表明:本文提出的网络可以较好地提取非均匀运动模糊图像的强边缘,复原图像在客观和主观上都可以达到较好的效果.

单图像盲去模糊方法概述

图像去模糊长期以来一直是计算机视觉和图像处理中的研究热点。由相机抖动、物体运动或失焦引起的运动模糊或焦点模糊图像会严重影响图像的使用和后续处理。传统的盲去模糊方法利用图像运动模糊产生的不同原因,可将运动模糊分为全局运动模糊和局部运动模糊。概述了近年来图像盲去模糊的方法和研究现状。在深度学习图像去模糊方法的基础上,总结了图像去模糊的方法及研究现状。同时,对传统的盲去模糊方法和深度学习的盲去模糊方法进行了分类总结,归纳了图像去模糊前所需数据集的三种构成方式和图像去模糊后的质量评价标准,然后在公共去模糊数据集上对部分传统去模糊和深度学习去模糊的方法进行了定量和定性的分析比较。最后,分析了当前图像去模糊方法面临的问题,展望了图像去模糊方法的研究趋势,并且对目前单图像盲去模糊存在的主要问题进行了拓展分析,逐一细化地说明了可用的解决方法或解决思路,为后续的研究提供了一定的理论依据。

图像运动模糊还原技术综述

图像作为人类信息交流的载体,包含大量信息元素,图像在获取过程中,会因相机抖动、物体位移等原因产生运动模糊,导致图像无法正确传递信息。图像运动模糊还原技术可将此类退化图像修复还原,是当前计算机视觉及图像处理领域的热点。通过模糊核是否已知将图像运动模糊还原方法分为两类,详细阐述了图像运动模糊还原的概念,归纳梳理了近年来图像运动模糊还原技术的方法及研究现状,总结了各方法的优缺点并对经典方法实验结果进行了对比,对模糊核估计及模糊数据集等关键问题进行了分析并对其发展方向给出了建议,最后对图像运动模糊还原技术发展趋势进行了展望。

一种基于深度学习的图像盲去运动模糊算法

数字图像一直在信息的传递中扮演着重要的角色,但同时也存在着大量模糊图像的问题。无论是目标检测、自动驾驶还是人脸识别等计算机视觉任务都需要依托大量清晰的图像,因此将模糊图像重新变得清晰是一个急切且广泛的需求。针对因运动导致的图像模糊,本文工作设计一种新颖的基于深度学习的端到端的图像盲去运动模糊算法。算法通过结合监督式学习的思路,将对抗式生成网络模型进行结构改造,并通过针对性加入人脸先验信息设计的损失函数来引导网络学习图像对之间的差别,在恢复运动模糊图像方面取得显著的成果。

基于边缘信息的运动模糊图像的鲁棒盲复原

为获得适用于不同模糊图像且简捷的图像盲复原方法,提出了一种稳健的从单幅模糊图像中求取模糊核并对图像去模糊的图像盲复原方法。根据模糊图像与非模糊图之间的边缘关系求模糊核,并在多尺度框架下针对各个子算法设定自适应参数,从而构建一个稳健的图像盲复原方法。对复原结果用4种无参考的图像质量评价方法的评价结果显示,本文方法在噪声和波纹抑制的基础上有更强的去模糊能力,参数调节简单,算法稳健,而且运算速度提高了3倍。

密集连接卷积网络图像去模糊

目的 非均匀盲去运动模糊是图像处理和计算机视觉中的基础课题之一.传统去模糊算法有处理模糊种类单一、耗费时间两大缺点,且一直未能有效解决.随着神经网络在图像生成领域的出色表现,本文把去运动模糊视为图像生成的一种特殊问题,提出一种基于神经网络的快速去模糊方法.方法 首先,将图像分类方向表现优异的密集连接卷积网络(dense connected convolutional network,DenseNets)应用到去模糊领域,该网络能充分利用中间层的有用信息.在损失函数方面,采用更符合去模糊目的的感知损失(perceptual loss),保证生成图像和清晰图像在内容上的一致性.采用生成对抗网络(generative adversarial network,GAN),使生成的图像在感官上与清晰图像更加接近.结果 通过测试生成图像相对于清晰图像的峰值信噪比(peak signal to noise ratio,PSNR),结构相似性(structural similarity,SSIM)和复原时间来评价算法性能的优劣.相比DeblurGAN (blind motion deblurring usingconditional adversarial networks),本文算法在GOPRO测试集上的平均PSNR提高了0.91,复原时间缩短了0.32 s,能成功恢复出因运动模糊而丢失的细节信息.在Kohler数据集上的性能也优于当前主流算法,能够处理不同的模糊核,鲁棒性强.结论 本文算法网络结构简单,复原效果好,生成图像的速度也明显快于其他方法.同时,该算法鲁棒性强,适合处理各种因运动模糊而导致的图像退化问题.

基于各向异性总变分的运动模糊盲复原方法

针对目前运动模糊图像盲复原算法对图像边缘中拐角结构复原不佳这一问题,提出了一种以各向异性总变分为图像和模糊核正则项的遥感图像盲复原方法。为便于进行数值计算,采用交叉算法和分裂布雷格曼迭代导出了本文提出的盲复原方法的迭代公式。实验结果表明,与基于同向异性总变分的盲复原方法以及基于小波框架的盲复原方法相比,本文方法不仅能估算出较精确的点扩散函数(PSF,point spread function),有效地去除图像的模糊效应,而且对图像边缘结构特别是拐角边缘结构的增强有着独特的优势。

基于局部最大和最小强度先验的遥感图像盲去模糊

针对遥感图像的运动模糊问题,提出一种基于局部最大和最小强度先验的遥感图像盲去模糊方法。该方法利用遥感图像局部像素强度的稀疏性作为先验条件,使用简单的迭代阈值收缩方法求解潜像和模糊核,再由非盲反卷积算法得到去模糊图像。实验结果表明,所提方法能提高计算效率,对于可见、红外遥感图像,均能有效恢复图像的纹理细节,抑制伪影,提升了复原图像的主观效果与客观评价指标。

基于多通道非线性扩散项的运动模糊图像盲复原

图像的模糊会给图像内容的识别和分析带来极大的不便。为了克服这个难题,提出一种高效的去模糊算法。为了提高其效率,采用基于变分方法的盲复原模型为彩色图像去模糊,其使用非线性扩散方程作为变分能量方程中的规则项,此外,在处理图像的过程中将单通道扩展成多通道,在最后的图像复原阶段还引入了分裂Bregman方法。基于非线性扩散项算法的去模糊效果相比于其他算法有更好的平滑滤波和保留图像边缘信息的能力、更快的计算速度和更高的复原图像质量,并通过实验验证了该方法的有效性。本文算法提高了图像复原的效率,获得了更好的视觉评价和客观评价结果。