一种新的散焦图像深度恢复算法

提出一种基于各向异性热扩散方程的散焦图像深度恢复算法。利用各向异性热扩散建模散焦成像过程,将散焦图像深度恢复转化为带有整体变分正则化项的能量泛函极值问题,通过迭代获得景物的深度信息。该算法不需要恢复聚焦图像,并且未施加额外的约束条件。模拟和真实图像实验结果表明,该算法有效,且深度恢复效果优于最小二乘法。     

一种新的基于散焦图像的深度恢复算法

由散焦图像求深度是计算机视觉中一个非常重要的课题。散焦图像中点的模糊程度随物体的深度而变化,因此可以利用散焦图像估计物体的深度信息,该方法不存在立体视觉和运动视觉中对应点的匹配问题,具有很好的应用前景。研究了一种基于散焦图像空间的深度估计算法：将散焦成像描述成热扩散过程,借助形变函数将两幅散焦图像扩张成一个散焦空间,再估计出形变参数,进而恢复物体的深度信息。最后利用实验验证了算法的有效性。     

图像引导的二阶总广义变分稀疏深度图的稠密重构

利用图像颜色信息进行深度图重构,可以恢复对象边界处的深度不连续性,但无法保证对象内部的深度均匀性。为解决该问题,提出图像引导下总广义变分正则化的深度图重构模型。该模型利用扩散张量将图像提供的边缘信息引入二阶总广义变分正则项,使得重构深度在保持对象边缘的同时逼近分段仿射平面,从而保证恢复深度既保持对象边界处的不连续性,又具有对象内部的均匀性。通过Legendre-Fenchel变换将模型转换成等效的凸凹鞍点问题,从而得到高效的一阶原始对偶求解算法。实验结果表明,该方法能够恢复尖锐的对象边缘,同时保持对象内部的深度均匀性。与现有算法相比,所提方法具有更高的峰值信噪比、归一化互协方差和更低的平均绝对误差。     

基于散焦图像的物体深度信息恢复方法

提出一种使用散焦图像恢复物体深度信息的新方法。该方法使用单个相机,通过改变其光圈大小获得两幅不同散焦程度的图像,结合模糊边缘的边界提取与Hough变换的圆、直线检测技术求取两幅散焦图像对应位置的模糊边缘宽度差值,并利用该差值计算物体深度信息。实验结果证明该方法能在一定精度内较快速地恢复物体深度信息。     

基于循环神经网络的散焦图像去模糊算法

近年来,基于深度学习的运动模糊去除算法得到了广泛关注,然而单幅散焦图像去模糊算法鲜有研究。为针对性地解决单幅图像的散焦模糊问题,提出一种基于循环神经网络的散焦图像去模糊算法。首先级联两个残差网络,分别完成散焦图估计和图像去模糊;随后,为了保证散焦图和清晰图像的深度特征可以更好地跨阶段传播以及阶段内相互作用,在残差网络中引入LSTM（long short-term memory）循环层;最后,整个残差网络进行了多次迭代,迭代过程中网络参数共享。为了训练网络,制作了一个合成散焦图像数据集,每一张散焦图像都包含对应的清晰图像和散焦图。实验结果表明,该算法相较于对比算法在主客观图像质量评价上均有显著优势,在复原结果中具有更锐利的边缘和清晰的细节。对于真实双像素图像散焦模糊数据集DPD,该算法相比DPDNet-Single在峰值信噪比（PSNR）和结构相似性（SSIM）上分别提高了0.77 dB、5.6%,因此所提方法可以有效处理真实场景散焦模糊。     

使用柯西分布点扩散函数模型的单幅散焦图像深度恢复

目的 当前,大多数单幅散焦图像的3维(3D)场景深度恢复方法,通常使用高斯分布描述点扩散函数(PSF)模型,依据图像边缘散焦模糊量与场景深度的对应关系获得稀疏深度图,采用不同的扩展方法得到整个场景图像的全深度图.鉴于现有方法的深度恢复结果还不够精准,对各种噪声干扰还不够健壮,提出一种基于柯西分布的点扩散函数模型计算物体图像边缘散焦模糊量的方法.方法 将输入的单幅散焦图像分别用两个柯西分布重新模糊,利用图像边缘两次重新模糊图像间梯度比值和两个柯西分布的尺度参数,可以计算出图像中边缘处的散焦模糊量.使用matting内插方法将边缘模糊量扩展到整个图像,即可恢复场景的全深度图.结果 将原始Lenna图像旋转并加入高斯噪声以模拟图像噪声和边缘位置误差,用原图与噪声图比较了柯西分布图像梯度比值与高斯分布图像梯度比值的平均误差.使用多种真实场景图像数据,将本文方法与现有的多种单幅散焦图像深度恢复方法进行了比较.柯西分布图像梯度比值的平均误差要小于高斯分布图像梯度比值的平均误差.本文方法能够从非标定单幅散焦图像中较好地恢复场景深度,对图像噪声、不准确边缘位置和邻近边缘具有更好的抗干扰能力.结论 本文方法可以生成优于现有基于高斯模型等方法的场景深度图.同时,也证明了使用非高斯模型建模PSF的可行性和有效性.     

基于频域特征的图像深度信息提取方法

图像深度提取是机器视觉的重要课题。本文研究了一种基于图像频域特征的深度恢复方法,对散焦图像以点扩散函数建立模糊程度与距离间的关系,以二维散焦图像频域局部特征为依据,通过取样窗口的恰当选择,提取深度信息。对采集图像的实验结果表明,该方法行之有效。     

马尔可夫随机场在显微图像散焦深度信息估计中的应用

针对显微视觉图像深度信息估计问题,提出了一种基于马尔可夫随机场的散焦特征参数模型;该模 型将散焦特征深度信息的估计转化为能量函数的优化问题．应用迭代条件模式（Iterated Conditional Mode,ICM） 算法进行优化,在ICM 算法中应用最小二乘估计（LSE）算法对初始点参数进行估计,从而改进了ICM 算法的性 能,防止了其进入局部最优解．实验与仿真证实了该模型和算法的有效性和可行性．     

利用不均匀散焦模型获取景物深度信息

景物三维重建的关键之一是从景物图像中获得景物目标到摄像机的距离。研究了一种基于散焦图像的计算景物距离的算法。该方法基于不均匀散焦模型,并且只需两幅改变光圈指数得到的散焦程度不同的图像,因此可以避免图像的大小匹配问题。根据图像的点扩散函数的形式,可以通过优化的方法求得深度。模拟和真实实验表明了算法的有效性。     

一种基于倒谱相关特性的散焦模糊图像复原方法

由于设备环境、人为因素等诸多原因造成的散焦退化图像,在天文、交通、医疗等众多领域的实际应用效果受到较大程度的影响.针对散焦模糊图像的盲复原技术进行研究,以探索一种较好的散焦模糊图像盲复原方法.在退化图像的复原过程中,点扩展函数(Point spread Function)的参数估计最为关键.因此,文中提出的散焦模糊图像复原方法,基于频域倒谱及其相关特性.进行散焦模糊图像的PSF估计.通过仿真实验表明,该算法可以较为准确地估计出散焦模糊图像的模糊半径,实验证明了估计结果的准确性以及对模糊图像恢复的有效性.可以得出结论:利用倒谱相关性对散焦模糊图像进行肓复原,是一条切实可行的研究路线.     

Minimum Speed Seeking Control for Nonhovering Autonomous Underwater Vehicles

Most autonomous underwater vehicles (AUVs) are propelled by a single thruster, use elevators and rudders as control surfaces, and are torpedo‐shaped. Furthermore, they are positively buoyant to facilitate recovery during an emergency. For this class of nonhovering AUVs, there is a minimum speed at which the AUV must travel for stable depth control. Otherwise, the extra buoyancy will bring the AUV up to the surface when the fin loses its effectiveness at low speeds. Hence, we develop a novel algorithm such that the AUV is automatically controlled to travel at its minimum speed while maintaining a constant depth. This capability is important in a number of practical scenarios, including underwater loitering with minimum energy consumption, underwater docking with minimum impact, and high‐resolution sensing at minimum speed. First, we construct a depth dynamic model to explain the mechanism of the minimum speed, and we show its relationship with the buoyancy, the righting moment, and the fin's effectiveness of the AUV. Next, we discuss the minimum speed seeking problem under the framework of extremum seeking. We extend the framework by introducing a new definition of steady‐state mapping that imposes new structure on the seeking algorithm. The proposed algorithm employs a fuzzy inference system, which is driven by the real‐time measurements of pitch error and elevator deflection. The effectiveness of the algorithm in seeking the minimum speed is validated in both simulations and field experiments.     

Image Restoration with Discrete Constrained Total Variation Part I: Fast and Exact Optimization

This paper deals with the total variation minimization problem in image restoration for convex data fidelity functionals. We propose a new and fast algorithm which computes an exact solution in the discrete framework. Our method relies on the decomposition of an image into its level sets. It maps the original problems into independent binary Markov Random Field optimization problems at each level. Exact solutions of these binary problems are found thanks to minimum cost cut techniques in graphs. These binary solutions are proved to be monotone increasing with levels and yield thus an exact solution of the discrete original problem. Furthermore we show that minimization of total variation under L ¹ data fidelity term yields a self-dual contrast invariant filter. Finally we present some results.     

On a simple deadlock recovery problem

In this note a polynomial time algorithm is given for the minimum cost recovery from a deadlock situation resulting from a new request by a single task in a deadlock free system of tasks. We obtain the algorithm by reducing this deadlock recovery problem to a particular network flow problem.     

物流网络中节点带权的Steiner最小树的参数算法

通过优化物流的运输网络,可以有效地降低物流成本。集中配送的物流网络优化问题可以转换成求解节点带权的Steiner最小树问题,这是一个NP-hard问题。运用参数理论,提出一种新的启发式解决算法P-NSMT。算法的思想是：首先尽可能只利用终端节点构造一棵连通的最小生成树,然后逐步向树中添加能减少生成树总权值的Steiner节点,最终生成一棵节点总数不超过参数k的Steiner最小树。实验表明,与同类型其他算法相比,P-NSMT算法具有更好的准确性和时间效率,特别适应于网络规模大、终端配送节点数目较少的物流网络。     

面向无线内容分发网络的树形拓扑生成算法

在无线内容分发网络中,为减轻骨干网络的传输压力,可将网络拓扑结构构建为以基站和Wi Fi接入点为根的若干棵最小生成树,并对生成树的深度和每个节点的度数进行约束。这种深度和度数约束的最小生成树问题是一个NP完全问题。针对该问题,首先提出能够生成优质近似解的启发式算法,该算法在不违反深度以及度数约束的情况下构建生成树,算法思想为在服务性节点相连的边中选择与当前生成树相连且权值最小的边加入生成树。然后在生成初始近似解的基础上采用定制的禁忌搜索算法和模拟退火算法对该近似解实施进一步优化。实验结果表明,在给定的约束条件下,禁忌搜索算法求得的解优于现有的遗传算法,在深度约束为4以及度数约束为10的条件下,解的改进幅度可达18.5%,所提算法的运行速度比遗传算法提高了10倍。     

基于全变分的运动分割模型及分裂 Bregman 算法

提出了一种基于全变分的运动分割模型,可以适用于2D/3D视频.首先, 通过活动轮廓模型将分割与估计融合在同一能量函数中, 该模型能够同时进行分割曲面的演化和运动参数的估计. 其次,通过凸松弛方法将原始问题转化为等价的全变分模型, 克服了局部最小值问题.最后,采用分裂Bregman快速算法进行求解. 多组实验证明了本文方法对2D/3D视频的通用性和算法的高效性.     

Integration of multiresolution image segmentation and neural networks for object depth recovery

A novel technique for three-dimensional depth recovery based on two coaxial defocused images of an object with added pattern illumination is presented. The approach integrates object segmentation with depth estimation. Firstly segmentation is performed by a multiresolution based approach to isolate object regions from the background given the presence of blur and pattern illumination. The segmentation has three sub-procedures: image pyramid formation; linkage adaptation; and unsupervised clustering. These maximise the object recognition capability while ensuring accurate position information. For depth estimation, lower resolution information with a strong correlation to depth is fed into a three-layered neural network as input feature vectors and processed using a Back-Propagation algorithm. The resulting depth model of object recovery is then used with higher resolution data to obtain high accuracy depth measurements. Experimental results are presented that show low error rates and the robustness of the model with respect to pattern variation and inaccuracy in optical settings.     

交通选线优化算法的设计与实现

将交通选线问题求解转化为最小生成树（Minimun Spanning Tree,MST）的求解,对比了经典MST求解算法,以图论为基础,采取一种求最小生成树的改进遗传算法．该算法以二进制编码表示最小树问题,用深度优先搜索算法进行图的连通性判断,并采用相应的适应度函数、单亲换位算子和单亲逆转算子及多种控制进化策略,能在一次遗传进化过程中获得一批最小生成树,可供决策部门综合评价与决策．