基于独立成分分析的盲目图像反降晰

详细说明了如何将图像反降晰问题转化成独立成分分析（ICA）问题,通过理论分析和实验比较了FastICA和在线随机梯度ICA两种ICA图像反降晰算法,得出了FastICA算法并不能很好地用于图像反降晰的结论,还通过实验证实了ICA反降晰算法不能抑制噪声。最后总结了目前ICA反降晰方法的优缺点,并提出了进一步研究的方向。     

基于投影自相关的运动降晰参数辨识

为了对退化图像进行恢复,首先要得到退化图像的降晰参数。针对匀速运动降晰的情形,提出了一种基于投影的自相关法自动估计降晰参数。该方法首先将运动方向转化为水平方向,求退化图像在水平方向的微分,再对微分图像求垂直方向的微分,绘出两次微分图像投影的自相关曲线,自相关曲线中最大值与最小值之间的距离便是退化图像的降晰参数。     

图像反卷积边界效应的快速抑制算法

基于频域的图像反卷积算法假设输入信号被周期延拓,但边界处的不连续会导致结果产生严重的振铃效应.为此,提出一种快速有效的边界效应抑制算法.首先在现有基于图像延拓的算法的基础上,将延拓区域的定义简化为3种类型;然后提出一种具有对称系数的卷积金字塔滤波器组模型.基于这种模型,在某种特殊图像上针对每种类型的区域各训练一组滤波器组系数,并将由此训练得到的滤波器组用于求解其他图像相应类型的延拓区域.实验结果表明,该算法避免了求解大型稀疏线性方程组,在不影响图像反卷积精度的前提下,可将延拓区域的计算速度提高2个数量级以上,有效地抑制各种频域反卷积算法的振铃效应.     

图像搜索中基于网页分块的图像分类研究

本文提出并实现了一种基于网页分块的图像分类模型,利用图像位于网页中的特点,将图像和网页结构有效地结合起来对网络环境中的图像进行分类。首先利用VIPS页面分块算法对网页进行分块,然后根据分块网页结构的特点将各分块网页中的图像分为背景类、广告类和主题类,最后利用这个图像分类结果指导网络环境下的图像搜索。实验结果表明明,这种方法能够显著提高图像搜索性能。     

基于分块主色法的图像检索算法研究

基于内容的图像检索CBIR(Content Based Image Retrieval)是当前多媒体检索的热点。本文提出了一种基于图像的分块主颜色的图像检索算法,论述了系统的结构、颜色特征提取方法及其相似匹配方法,并给出部分实验结果。从实验结果来看,文中提出的把图像分块再提取各分块的主色的方法,使得该系统获得了良好的检索效果。     

基于TV准则的图像分块重构算法的研究

利用压缩感知理论进行图像重构时,基于分块思想进行可有效提高重构速度,但同时会带来较强的块效应。为了解决该问题,提出了一种基于TV准则的图像分块重构算法。该算法将基于整幅图像时梯度计算方法进行改进,充分利用已重构块的边界像素信息,从而有效消除了图像的块效应。实验结果表明,提出的算法能够有效消除图像的块效应,提高重构图像的主客观质量,与TVAL3算法相比,重构图像的PSNR值最多提高了0.84 dB,时间最高可节省24.38%,算法尤其适用于低采样率的情况。     

基于图像分块的边缘检测算法

Canny算子高低阈值的选取依赖图像全局梯度信息的统计,图像全局梯度信息和局部梯度信息的分布通常存在差异,导致在局部范围中较明显的边界可能被漏检。针对该问题,提出一种根据图像熵信息对图像进行分块的边缘检测改进算法,并将其用于Canny算子。实验结果证明了该方法的有效性,其检测效果优于直接运用Canny算子。     

一种DSP折反射全景图像实时展开方法

为了提高折反射全景图像展开速度,可采用查表来取代耗时的计算,但查找表需要大量的存储空间,于是采用分块预取方法。通过分块,将待处理目标图像块对应的查找表和原始图像分块预先存入DSP片内存储器并完成展开,可以降低存取访问开销,加快查表展开。实验结果表明,分块预取方法在对1024×768分辨率的原始全景图像展开为1152×256分辨率的目标全景图像时,展开数据可达每秒97帧,与不采用分块预取策略的查表展开方法相比,此方法要快近20倍。     

基于图像分块的二维投影特征提取能力研究

人脸识别研究的主要目的是提高识别率,关键技术在于提取有效的人脸特征。提出了分块多投影和分块双向多投影二维特征提取方法。分块多投影特征提取方法,针对现有分块单投影特征提取方法中每一子图均采用相同投影矩阵,而对人脸局部信息不加以区别,利用二维主成分分析方法,构造了分块多投影矩阵,使不同的子图投影到不同的子空间,与传统二维主成分方法和分块单投影方法相比,有效地利用人脸局部信息,降低了特征维数,提高了识别率,在ORL人脸库上实验表明了其有效性。     

一种基于三角形网格的图像分块盲复原算法

针对图像分块方法恢复空间移变降质图像时存在严重的边界噪声,以及采用传统遗传算法进行图像盲复原时运算量大的问题,提出一种基于三角形网格的图像分块盲复原算法.根据图像的退化情况采用三角形网格划分图像子块,并利用微种群遗传算法和传统遗传算法交替进化的方式分别估计各图像子块以及各子块区域中点扩散函数的参数,同时对各图像子块的重叠部分进行边界修正.实验结果表明,与传统的图像分块遗传算法相比,该算法的运行时间和复原图像的边界寄生波纹都大为减少,图像的恢复质量有明显提高.     

基于多尺度残差的图像去模糊

为有效地提升图像去模糊的效果,论文在残差网络的基础上加入多尺度结构,提出一种基于多尺度残差的图像去模糊算法。该算法由多尺度卷积单元级联而成,并采用残差学习策略提高网络性能。在伯克利数据集BSD500上进行训练,在Set5数据集上进行测试。实验结果表明,提出的这种基于多尺度残差的图像去模糊具有更强的复原能力,且对图像及其模糊类型、噪声水平等更具有稳健性,且能够获得更高的峰值信噪比(PSNR)和结构相似度(SSIM)。     

基于聚集残差生成对抗网络的图像去模糊

针对现有图像去模糊算法存在的处理模糊种类单一、耗时长等问题,提出了一种基于聚集残差生成对抗网络的图像去模糊算法.首先,利用生成对抗网络,生成重建图像判别标签,使最后生成的图像更加接近清晰图像;其次,结合聚集残差网络与通道注意力模块,构成特征提取模块,提取中间层的有用特征信息;最后,采用WGAN的Wasserstein-1距离与感知损失结合作为损失函数训练模型,保证生成图像与清晰图像在内容上的一致性.在PyTorch环境下用GOPRO数据集和Kohler数据集测试所提算法,并与L0范数先验、暗通道先验、特异性去模糊、DeepDeblur,DeblurGAN等算法进行对比.实验结果表明,所提算法应用于复原运动模糊图像和高斯模糊图像时,峰值信噪比等评价指标均高于其他算法,并且耗时更短.     

Image Deblurring in the Presence of Impulsive Noise

Consider the problem of image deblurring in the presence of impulsive noise. Standard image deconvolution methods rely on the Gaussian noise model and do not perform well with impulsive noise. The main challenge is to deblur the image, recover its discontinuities and at the same time remove the impulse noise. Median-based approaches are inadequate, because at high noise levels they induce nonlinear distortion that hampers the deblurring process. Distinguishing outliers from edge elements is difficult in current gradient-based edge-preserving restoration methods. The suggested approach integrates and extends the robust statistics, line process (half quadratic) and anisotropic diffusion points of view. We present a unified variational approach to image deblurring and impulse noise removal. The objective functional consists of a fidelity term and a regularizer. Data fidelity is quantified using the robust modified L ¹ norm, and elements from the Mumford-Shah functional are used for regularization. We show that the Mumford-Shah regularizer can be viewed as an extended line process. It reflects spatial organization properties of the image edges, that do not appear in the common line process or anisotropic diffusion. This allows to distinguish outliers from edges and leads to superior experimental results.     

针对图像盲去模糊的可微分神经网络架构搜索方法

为了解决设计图像去模糊神经网络依赖大量手工调参的问题,提出一种面向图像盲去模糊的可微分神经网络架构搜索方法。通过设计U型残差搜索空间,将去模糊网络的搜索过程分为9个搜索单元的搜索过程,降低了搜索的复杂度,并设计出一个基于随机游走和最近邻插值的算法,通过模拟相机运动轨迹的方式生成模糊核,进而生成足够的模糊图像用于训练。实验结果表明,该方法明显减少了人工调参的工作量,在GOPRO和Kohler数据集上搜索得到的网络,峰值信噪比相对于基准网络UNet分别提升3.10 dB和1.17 dB,并接近UNet的推理速度。     

一种基于边界处理的图像复原方法

图像复原试图利用退化现象的某种先验知识来重建或复原被退化的图像。其中维纳滤波是一种常见的图像复原的方法,该方法的思想是使复原的图像与原图像的均方误差最小原则来复原图像,但是该法具有一定的限制性,且在复原过程中易产生振铃效应。本文在分析维纳滤波复原图像的基础上,提出了一种对复原后的图像边界进行处理的方法。实验结果表明,该方法有效地降低图像恢复过程中产生的振铃现象,且复原的图像质量较好。     

基于EM算法的眼底OCT图像反卷积去模糊技术

光学相干层析成像技术（Optical coherence tomography,OCT）在视网膜检查中十分重要,然而在获取OCT图像时眼球运动或者散焦作用都可能引起图像的模糊,从而为临床诊断造成困难。因此,从模糊OCT图像中恢复出清晰图像的去模糊技术研究至关重要。本文结合OCT成像原理,提出了一种基于最大期望（Expectation-maximization,EM）算法的OCT图像反卷积技术。该技术能够在一定程度上抑制OCT模糊图像中异常值对复原图像的干扰,从而有效去除OCT图像中的模糊。将本文技术与多种现有广义图像去模糊技术进行了实验比较,结果表明本文提出的复原OCT图像的反卷积算法在眼底OCT图像去模糊的细节恢复方面效果较好。     

基于轻量级GAN的实时视频图像去模糊模型

由于手持拍摄设备抖动或目标运动等原因,使得视频图像资料产生运动模糊问题,降低了人类的感知质量.针对该问题从原来如何处理得到清晰图像,到现在如何高效快捷的获得清晰图像,提出了一种基于轻量级GAN(Generative Adversarial Network)的实时视频图像去模糊新模型.该模型通过定义PatchGAN作为判别网络,并在其基础上设置了全局图像和局部特征的双尺度判别器;生成网络以轻量级MobileNetV3为主干网并引入特征金字塔进行特征提取,以解决判别网络中特征信息利用率低以及生成网络推理效率慢的问题.该模型采用端到端的方式对视频图像进行快速高效去模糊.经过在GoPro和Kohler数据集上进行实验,结果表明该模型去模糊后的锐利图像具有较高的峰值信噪比和结构相似度,同时比其他模型的推理速度提高了1.7-127倍.     

基于边界链码幅度谱的图像型火灾探测算法

在传统的图像型火灾探测中,对火焰颜色、边界等空间域特征进行识别的频率域方法研究较少。为此,提出一种基于边界链码有序数组幅度谱分析的图像型火灾探测算法。该算法将图像中目标轮廓的边界链码变换为有序数组,并对有序数组进行频域变换,获得其幅度谱分布。分析信号的频率域,得到图像空域特征与频域频谱分布之间的联系。将边界链码幅度谱分析理论应用于图像型火灾探测,并通过仿真实验验证了该算法的有效性。     

基于深度学习的图像去模糊方法研究进展

近年来,随着便携、轻巧的数码成像设备的日益普及,人们获取图像的手段日益方便与灵活,数字图像在视频监控、医疗诊断、太空探测等领域起到了重要的作用.然而,在现有的成像过程中存在诸多问题,如相机的感光单元质量差、摄影者专业水平低、拍摄环境恶劣等,往往导致最终得到的图像含有明显的模糊以及噪声.如何使计算机自动地从模糊图像中把清...     

基于调和模型的快速神经网络图像复原算法

针对传统神经网络图像复原算法在复原过程中模糊图像边缘,收敛速度慢等不足,提出一种基于调和模型的快速神经网络图像复原算法.在该算法中,图像复原模型的正则化项采用调和模型,并在每次网络状态更新时引入最陡下降方法,使得网络能量迅速减小.实验表明,提出的算法能够很好复原图像的边缘特征,并具有快速收敛等优点.