基于稀疏表示和梯度先验的图像盲去模糊

针对目前基于稀疏表示的图像盲卷积算法细节恢复有限等问题,提出一种基于稀疏表示和梯度先验的图像盲卷积算法。虽然每个图像块可以通过字典稀疏表示,但是图像块重构出的图像常常出现“伪像”,本文将梯度先验知识和超拉普拉斯先验知识融入稀疏表示盲卷积模型中,采用迭代方法交替估计中间清晰图像和模糊核,一旦获得模糊核,采用超拉普拉斯非盲去卷积算法恢复出最终的清晰图像。实验结果表明,与其他去模糊算法相比,本文算法在抑制振铃方面效果显著。     

基于梯度方向直方图与高斯金字塔的车牌模糊汉字识别方法

针对现有车牌识别方法中对模糊车牌识别率不高的问题,提出一种结合高斯金字塔与梯度方向直方图(HOG)特征的车牌识别算法。利用金字塔模型多尺度表达的方法,首先对车牌模糊汉字图像建立两层高斯金字塔模型,第一层描述了模糊汉字的细节特征,通过对第一层作平滑处理并向下采样得到第二层,在描述模糊图像细节特征的基础上突出主体特征;然后对两层高斯金字塔模型提取HOG特征,拓展图像的特征维数,提高特征对模糊汉字的识别能力;最后采用BP神经网络分类器进行模糊且互为形近字间的汉字分类识别。仿真结果显示,在相同的样本空间下,与HOG特征法、K-L变换法相比,所提算法在识别率方面均有提高,能提高视频监控中对模糊汉字的有效识别率。     

仿射运动模型下的图像盲超分辨率重建算法

研究利用帧间存在仿射运动的低分辨率图像序列重建出更高光学分辨率图像的盲超分辨率(BSR)问题。首先给出一种基于特征向量的模糊核零空间矩阵构造方法。将模糊的零子空间约束作为一项规整化泛函,提出一种非参数化模糊辨识、运动估计和图像重建三重耦合问题的联合迭代算法。该算法采用一个二层优化策略:先将三重耦合的BSR问题分解为关于模糊的二次型和关于运动参数与图像的非线性最小二乘(NLS)问题,再采用Gauss-Newton方法求解该NLS问题。仿真实验结果表明,文中提出的仿射变换下的BSR算法能对图像空间移变退化过程进行更为精确的建模,比纯平移BSR算法有更强的局部纹理恢复能力。最后通过真实车牌图像序列展示该算法的适用性。     

结合GAN的轻量级模糊车牌识别算法

目的 模糊车牌识别是车牌识别领域的难题,针对模糊车牌图像收集困难、车牌识别算法模型太大、不适用于移动或嵌入式设备等不足,本文提出了一种轻量级的模糊车牌识别方法,使用深度卷积生成对抗网络生成模糊车牌图像,用于解决现实场景中模糊车牌难以收集的问题,在提升算法识别准确性的同时提升了部署泛化能力。方法 该算法主要包含两部分,即基于优化卷积生成对抗网络的模糊车牌图像生成和基于深度可分离卷积网络与双向长短时记忆（long short-term memory,LSTM）的轻量级车牌识别。首先,使用Wasserstein距离优化卷积生成对抗网络的损失函数,提高生成车牌图像的多样性和稳定性;其次,在卷积循环神经网络的基础上,结合深度可分离卷积设计了一个轻量级的车牌识别模型,深度可分离卷积网络在减少识别算法计算量的同时,能对训练样本进行有效的特征学习,将特征图转换为特征序列后输入到双向LSTM网络中,进行序列学习与标注。结果 实验表明,增加生成对抗网络生成的车牌图像,能有效提高本文算法、传统车牌识别和基于深度学习的车牌识别方法的识别率,为进一步提高各类算法的识别率提供了一种可行方案。结合深度可分离卷积的轻量级车牌识别模型,识别率与基于标准循环卷积神经网络（convolutional recurrent neural network,CRNN）的车牌识别方法经本文生成图像提高后的识别率相当,但在模型的大小和识别速度上都优于标准的CRNN模型,本文算法的模型大小为45 MB,识别速度为12.5帧/s,标准CRNN模型大小是82 MB,识别速度只有7帧/s。结论 使用生成对抗网络生成图像,可有效解决模糊车牌图像样本不足的问题;结合深度可分离卷积的轻量级车牌识别模型,具有良好的识别准确性和较好的部署泛化能力。     

一种运动模糊车辆牌照识别方法的研究

车辆快速运动情况下对其所拍摄的车牌图像通常比较模糊,在对其进行识别时效果不理想。针对此问题,提出一种基于Z变换的模糊车牌信息识别的新方法。该方法通过建立基于Z变换的图像退化模型和恢复模型,先对运动模糊图像进行复原处理,再对处理后的图像进行车牌信息识别。实验结果表明,该方法对模糊车牌信息识别的效果良好,具有一定的实用性。     

一种混合的单图像去运动模糊方法

图像的盲恢复一直是数字图像处理领域的难点,对运动模糊图像的复原进行研究,提出了一种混合的单图像去运动模糊方法。首先估计PSF,然后利用PSF和原始模糊图像评估潜像,并对边缘恢复、模糊核估计和反卷积进行多次迭代,采用自适应非盲反卷积方法得到高质量的去模糊图像。最后,与维纳滤波、露西-理查德森这两种经典算法的实验效果进行比较。实验结果表明,本算法保持细节的能力强,去模糊效果更好。     

基于稀疏表示的单帧运动图像盲复原

提出一种基于稀疏表示的单帧运动盲复原方法,它充分利用自然图像中存在的各种先验知识进行求解。该方法分为模糊核估计和图像修复两个阶段。在估计模糊核时,它运用shock滤波器从模糊图像中预测出清晰边缘,以此指导全局图像的复原,并运用多尺度策略来解决大模糊核问题。在图像修复阶段,运用稀疏表示理论对复原图像进行降噪和重建,最终提高图像复原质量。实验结果表明,在不同噪声和模糊核条件下,该算法能有效消除运动模糊。     

基于边缘先验模型的运动去模糊

从单幅运动模糊图像复原出清晰的图像,一直是数字图像处理领域中富有挑战的问题.基于边缘先验模型和小波分析提出了一种运动模糊退化图像的复原算法.在去模糊之前,对图像进行预处理,将噪声去除,用冲击滤波器增强边缘,并采用canny边缘检测获取清晰边缘作为先验模型,以此估计模糊核;然后在紧小波框架系统下,将清晰图像的稀疏性最大化,采用改进的分裂Bregman方法求解最优化问题,最终得到清晰的图像.实验结果表明,相对于传统的盲复原算法,提出的方法可以有效地去除运动模糊.     

基于稀疏表示和结构自相似性的单幅图像盲解卷积算法

图像盲解卷积研究当模糊核未知时,如何从模糊图像复原出原始清晰图像.由于盲解卷积是一个欠定问题,现有的盲解卷积算法都直接或间接地利用各种先验知识.本文提出了一种结合稀疏表示与结构自相似性的单幅图像盲解卷积算法,该算法将图像的稀疏性先验和结构自相似性先验作为正则化约束加入到图像盲解卷积的目标函数中,并利用图像不同尺度间的结构自相似性,将观测模糊图像的降采样图像作为稀疏表示字典的训练样本,保证清晰图像在该字典下的稀疏性.最后利用交替求解的方式估计模糊核和清晰图像.模拟和真实数据上的实验表明本文算法能够准确估计模糊核,复原清晰的图像边缘,并具有很好的鲁棒性.     

一种基于改进的暗通道先验的运动模糊核估计方法

传统的暗通道先验已成功地运用于单一图像去模糊问题,但是,当模糊图像具有显著噪声时,暗通道先验无法对模糊核估计起到作用.因此,得益于分数阶计算能够有效地抑制信号的噪声并对信号的低频部分进行增强,将分数阶计算理论与模糊图像的暗通道先验相结合,提出一种基于改进的暗通道先验的运动模糊核估计方法.首先,结合最大后验估计算法与分数阶暗通道先验,构建出运动模糊图像的核估计模型;其次,利用半二次方分裂法解决模型的非凸问题;最后,根据粗糙-精细的策略,利用多尺度迭代框架估计出准确图像的模糊核,进而利用非盲去模糊的方法求解清晰图像.实验结果表明:在有无显著噪声的模糊图像中,所提出的算法虽然所需计算时间较长,但是能够获得较为准确的模糊核,并且能够减少图像噪声以及振铃伪影,提高清晰图像估计的质量;此外,对于不同类型的模糊图像,所提出的算法也同样适用.     

一种用于车牌识别的图像超分辨率重建技术

获取的车牌图像因分辨率过低、过量模糊和噪声等原因会导致其图像质量较低,影响了车牌识别的准确率。为了提高车牌识别的准确率,采用基于学习的超分辨率重建算法增强低质车牌图像。引入在线字典学习方法训练超完备字典,并制作适合于车牌超分的训练图集,根据低质车牌图像重建高分辨率车牌,按照既定的模板匹配方法进行车牌识别。实验表明,超分方法的PSNR和SSIM比经典的SCSR(Sparse Coding Super-Resolution)法都有明显提升,车牌识别率也比SCSR提高了5.0%。可见,所提出的算法较好地增强了低质车牌的图像质量,有效地提高了识别率。     

基于正则化方法的图像盲去模糊

针对标准化稀疏先验的正则化方法估计复杂模糊核时的不准确性, 引入图像的预处理, 提出了一种图像盲去模糊的新方法。该方法将图像盲去模糊分为三个步骤：利用双边滤波器和冲击滤波器对图像进行预处理, 使得图像的噪声降低、边缘突出, 有利于模糊核的估计; 对预处理后的图像, 利用基于标准化稀疏先验的正则化方法估计模糊核; 根据估计出的模糊核利用TV正则化方法对图像进行非盲去卷积。采用快速迭代收缩阈值算法和快速总变分图像复原算法分别求解模糊核估计模型和图像非盲去卷积模型。实验结果表明, 针对单幅模糊图像, 该方法可以估计出准确的模糊核, 对噪声具有鲁棒性, 并且提高了图像复原速度, 具有较好的图像恢复效果。     

相机阵列多视角图像盲去模糊方法

提出了一种基于正则化方法的多视角盲去模糊方法,对相机阵列拍摄的一系列初始模糊图像进行图像恢复处理.该方法分为3个步骤:首先,基于光流算法对多个镜头获取的同一场景图像进行配准;然后,将配准图像运用多图盲去模糊算法估计出各自的模糊核;最后,根据估计出的模糊核采用非盲去模糊算法准确估计出各自的清晰图像.实验结果表明:相比对每一视角图像单独使用单图盲去模糊算法进行处理,多视角盲去模糊方法对噪声具有良好的鲁棒性;应用于自己构建的相机阵列系统拍摄的多视角图像,该方法在2种无参考图像指标NIQE和SSEQ下分别提高了4.20%和55.60%.     

基于纹理合成算法在恢复污损牌照中的应用

车牌识别系统是现在智能交通系统中信息采集的一种手段,但是由于图像模糊、字符污损、粘连等实际问题导致识别的瓶颈。文中提出了一种基于纹理合成的图像修补算法——二维表面纹理填洞算法。该算法是根据区域生长得到车牌字符污损部分的边界,即算法中的“洞”,再基于纹理片合成与Quilting算法相结合提出了一种二维表面纹理填洞算法,针对“洞”进行图像纹理修补。实验结果表明,该算法对恢复字符的完整性和修复纹理具有很强的自适应能力,极大地提高了后续的车牌字符分割和识别率。     

基于纹理合成算法在恢复污损牌照中的应用

车牌识别系统是现在智能交通系统中信息采集的一种手段,但是由于图像模糊、字符污损、粘连等实际问题导致识别的瓶颈.文中提出了一种基于纹理合成的图像修补算法--二维表面纹理填洞算法.该算法是根据区域生长得到车牌字符污损部分的边界,即算法中的"洞",再基于纹理片合成与Quilting算法相结合提出了一种二维表面纹理填洞算法,针对"洞"进行图像纹理修补.实验结果表明,该算法对恢复字符的完整性和修复纹理具有很强的自适应能力.极大地提高了后续的车牌字符分割和识别率.     

车辆运动模糊图像的快速恢复

论文针对运动造成的模糊图像,根据运动造成的图像模糊的特点,建立了原始图像与模糊图像间的关系,在此基础上提出了一种运动模糊图像的快速恢复算法,并用于车辆运动模糊车牌图像恢复中。实验结果验证了该方法的有效性。     

基于多尺度残差生成对抗网络的单图像盲去运动模糊方法

图像盲去运动模糊一直是计算机视觉领域的一个经典问题,它的目的是在模糊核未知的情况下恢复清晰图像。考虑到更大的感受野以及多尺度信息对恢复清晰图像中的全局信息以及局部细节信息具有重要作用,因此提出的方法对DeblurGAN方法进行改进,提出一种基于条件生成对抗网络的GR-DeblurGAN(granular resi-dual DeblurGAN)的单图像盲去运动模糊方法,采用细粒度残差模块(granular residual block)作为骨干网络,以此在不增加参数量的情况下,扩大感受野,获得多尺度信息。最后在两个广泛使用的数据集:GoPro数据集以及Kohler数据集上进行算法性能评估,并与代表性算法进行对比。从实验结果可以看出,提出的方法改进效果明显,并且在计算开销上面优于其他算法。     

车牌图像色彩迁移与正则化约束去雾算法

针对雾天车牌图像模糊、车牌识别率低的问题,给出了车牌图像色彩迁移与正则化约束去雾算法。算法主要包含色彩迁移去雾和文本修复两个模块。采用MKL（Monge-Kantorovitch Linear Colour Mapping）色彩迁移算法,恢复雾天车牌颜色信息实现去雾;利用车牌的文本像素的强度和梯度特征对车牌图像进行正则化约束,实现车牌中文本的修复。实验结果表明,无论针对合成车牌雾图还是自然车牌雾图,去雾效果良好,且在薄雾、中等雾及浓雾三种不同雾度环境下都能够有效提高车牌识别率。     

基于LMS自适应算法的图像去模糊研究

传统单幅图像去模糊方法需要稀疏先验约束,导致计算量较大。为此,在自适应最小均方误差(LMS)算法的基础上,提出一种点扩散函数(PSF)估计方法。利用模糊图像得到有效突出边缘,作为自适应滤波器的输入信号,并将模糊图像作为滤波器的期望信号,用以估计PSF。在非盲去卷积过程中,采用各项异性正规化方法对清晰图像进行约束,以减少恢复图像的振铃效应。实验结果表明,该方法不需要先验约束,对运动和非运动模糊图像均可适用,在保留图像细节的同时能抑制平滑区域的噪声。     

基于广义规范化稀疏模型的图像盲去模糊算法

针对基于规范化稀疏先验的图像盲去模糊方法估计精度低、计算速度慢、参数选择敏感等问题,提出一种Tikhonov正则增强的广义规范化稀疏模型,且将其作为中间清晰图像和运动模糊核的共同先验约束。随后,利用算子分裂、交替方向乘子法以及快速傅立叶变换,最小化关于中间清晰图像与运动模糊核的目标函数,导出一种快速图像盲去模糊算法。在标准测试集以及实际彩色模糊图像上的实验结果验证了提出方法的有效性和鲁棒性。此外,在同等条件下与近期文献中的盲去模糊方法进行比较,显示了本文方法在估计精度和估计效率上的双重优势。