基于光纹特征的激光主动照明图像去模糊

受光学系统离焦、大气扰动、平台振动的影响,激光主动照明系统捕获的图像容易被模糊,而传统的去模糊方法难以取得良好的复原效果,故本文提出基于光纹特征的盲解卷积复原方法来实现图像去模糊。首先将模糊图像降采样,建立尺度金字塔,在尺度空间查找光纹特征图像块。随后基于激光主动照明图像饱和像素较多的特点,提出新的图像退化模型。最后针对模糊核估计、光纹参数更新、清晰图像复原3个步骤,提出适用的能量函数,迭代复原出无噪清晰图像。搭建了主动照明系统,在捕获的激光主动照明图像上进行了实验,并与现有方法进行了对比。结果表明:本文方法不仅能够复原出清晰图像,而且能有效抑制振铃效应,其客观评价指标峰值信噪比(PSNR)优于已有的其他算法。     

多尺度交替连接残差网络用于图像去模糊

为更好地解决由于相机抖动、物体之间相对运动等因素引起的图像模糊问题,本文设计了一种多尺度交替连接残差网络用于图像去模糊,采用"从粗到细"的多尺度方式来逐渐恢复出清晰图像。首先,提出一种多尺度残差模块来拓展网络宽度,提取并融合不同尺度之间的特征信息;其次,提出一种基于扩张卷积的交替连接残差模块来逐渐恢复模糊图像的高频信息;最后,利用一层卷积来对特征图进行重建。实验结果表明:本文所提去模糊算法的峰值信噪比以及结构相似度分别为32.313 6 dB和0.942 5,均高于目前先进的图像去模糊技术。从评价指标和主观效果上均可看出本文所提去模糊方法具有更强的图像恢复能力,纹理细节更丰富,能够有效提升图像去模糊效果,具有更强的实用价值。     

基于生成对抗网络的模糊工件角度检测

为提升复杂的工业生产环境中模糊工件图像的角度检测精度,对工件图像进行有效的去模糊操作,提出基于生成对抗网络的去模糊方法,该方法通过生成网络与判别网络间的对抗性训练,最小化去模糊图像与清晰图像间的距离。为避免直线错检、断线等问题,基于直线检测算法提出改进的直线检测算法。通过对比实验与数据分析发现,所提方法比多尺度卷积神经网络去模糊方法提升了约13%的检测精度。     

快速运动模糊图像盲解卷积算法

针对快速运动形成的图像模糊,提出了一种运动模糊图像盲解卷积算法.首先,对被噪声污染的频谱图像进行脊波增强;然后,采用一种新的基于Radon变换的鲁棒算法来确定模糊核函数,该算法在小模糊长度和低信噪比的条件下仍能准确地估计模糊核参数;确定模糊核函数后,采用基于hyper-laplacian先验的快速非盲解卷积算法来恢复模糊图像.实验结果证明,与基于机器学习的R.Fergus的算法相比较,本文算法在获得相近效果的前提下,计算时间从近30 min下降到40 s左右.该算法对合成运动模糊图像和实际相机运动的自然模糊图像都具有较好的恢复效果.     

基于显著性图像边缘的全参考图像质量评价

大部分图像质量评价算法仅研究图像的灰度值及信息内容,没有充分考虑人眼视觉特性对图像质量评价的影响,针对此问题提出了一种基于显著性图像边缘的全参考图像质量评价方法。利用显著性图像表征图像的视觉关注内容,然后提取显著性图像的边缘检测图,得到人眼关注的结构和边缘,最后计算参考图像与失真图像边缘检测图之间的汉明距离得到图像质量评价指标。实验结果表明本文提出的评价指标满足人眼视觉特性,对于各种失真类型有非常高的主观一致性,评价性能也优于很多其他指标。     

基于再模糊理论的无参考图像质量评价

针对目前无参考图像质量评价算法依赖训练样本集、算法复杂性较高,难以应用于图像视频采集设备等问题,提出了一种基于有效再模糊的无参考图像质量评价算法(NRIQAVR)。首先研究了便携式设备采集图像的特点,然后在再模糊理论基础上通过计算最小和最大再模糊标准差,构造了与人类视觉感知相近的NRIQAVR算法,通过理论证明该算法可以反映自然场景图像模糊度。最后在多个公开数据集和头盔摄像机采集的图像上测试,对比其他流行算法,该算法性能稳定且无需训练,评价结果与主观感知之间的相关系数平均值高于0.92,离出率低于0.05,平均执行时间0.088 s。该算法符合人类视觉感知、不依赖图像内容、简单易行、可以达到11帧/s的处理速度,具有重要实际应用价值。     

工业机器人视觉图像的质量评价方法研究

工业机器人视觉系统在校准和标定过程中需要对成像质量进行客观评价,而在参考图像已知的情况下,现有图像质量评价方法无法有效表征图像局部结构差异,难以充分考虑像素级差异对局部结构的影响。针对上述问题,提出了一种基于视觉显著性的全参考图像质量评价方法。其中,设计了一种基于梯度图的差异度表征方法,利用相位一致性和梯度图来描述图像局部结构和像素级的差异,进而提出了基于视觉显著性的图像质量评价方法,通过利用像素级差异对图像局部结构进行权重赋值,从而提高算法对图像进行质量评价时的性能。实验结果表明,本文方法和其他四种典型图像质量评价算法相比,能够在三个标准图像数据库上取得更高的质量评价分数。     

基于HSI颜色空间的深度学习单幅图像去雾方法

针对传统的单幅图像去雾算法容易受到雾图先验知识制约导致颜色失真等问题,本文提出了一种基于HSI颜色空间的深度学习多尺度卷积神经网络单幅图像去雾方法,即通过设计深度学习网络结构来直接学习雾天图像与其无雾清晰图像色调、饱和度和亮度之间的映射关系,从而实现图像去雾.该方法首先将有雾图像从RGB颜色空间转换到HSI颜色空间,然后设计了一个端到端的多尺度全卷积神经网络模型,通过色调H、饱和度I、强度S三个不同的去雾子网分别进行多尺度提取,深度学习得到有雾图像与清晰图像之间的映射关系,从而恢复出无雾图像.实验结果表明,本文方法对于雾天图像具有良好的去雾效果,在主观评价和客观评价上均优于其它对比算法.     

基于色彩感知的无参考图像质量评价

图像发生失真会改变RGB色彩空间的颜色特征、各色彩分量的亮度分布及其间的相关性,基于此,提出了一种新的无参考图像质量评价方法。首先,标准化6种颜色系数以消除光照环境变化对RGB模型的影响,并利用各颜色系数的拟合广义高斯分布模型(GGD)的形状参数作为颜色统计特征;其次,分别计算各色彩分量的均值减损对比归一化(MSCN)系数及其邻域系数间的互信息,利用互信息作为统计特征来描述其各分量间的相关性;进而,利用人眼更为敏感的G分量MSCN系数的拟合GGD模型参数及其4方向邻域MSCN系数的拟合非对称广义高斯分布模型(AGGD)参数作为亮度统计特征;最后,分别利用支持向量回归机(SVR)和支持向量分类机(SVC)构建无参考图像质量评价模型和图像失真类型识别模型,并在LIVE等数据库上进行了算法与差异平均意见分(DMOS)的相关性、模型的鲁棒性等方面的实验。实验结果表明,本文方法的评价结果与人类主观评价具有高度的一致性;而且图像失真类型识别模型的识别准确率也高达到93.59%,明显高于当今主流无参考图像质量评价方法。     

基于跨尺度字典学习的图像盲解卷积算法

在模糊核未知情况下利用模糊图像对清晰图像进行复原称为图像盲解卷积问题,这是一个欠定逆问题,现有的大部分算法通过引入模糊核和清晰图像的先验知识来约束问题的解空间。本文提出了一种基于跨尺度字典学习的图像盲解卷积算法,采用降采样图像训练稀疏表示的字典,并将图像纹理区域在该字典下的稀疏表示作为正则化约束引入盲解卷积目标函数中。图像降采样过程减弱了图像的模糊程度,且图像中存在冗余的跨尺度相似块,利用更清晰的图像块训练字典能够更好地对清晰图像进行稀疏表示,减小稀疏表示误差;同时,由于在纹理区域清晰图像的稀疏表示误差小于模糊图像的稀疏表示误差,在该字典下对图像中的纹理块进行稀疏表示,使重建图像偏向清晰图像。本文的算法在Kohler数据集上复原结果的平均峰值信噪比为29.54 dB。在大量模糊图像上的实验验证了本文的算法能够有效解决大尺寸模糊核的复原,并具有良好的鲁棒性。     

抑制寄生波纹的红外图像降晰函数辨识算法

提出了一种针对军事目标红外模糊图像复原的降晰函数辨识算法。该算法根据气动光学效应形成湍流流场的机理建立相应的模型,将点扩展函数简化为可用参数描述的高斯函数形式;利用红外图像的边缘梯度变化特性提出边缘清晰度改善量,并作为降晰函数参数辨识的评价标准,清晰度改善量取最大值时对应的参数就是观测图像的最佳降晰函数参数;针对复原过程中可能出现的振铃效应,运用细节规整化思想衍生的加权空间复原算法,自适应地抑制寄生波纹的产生。实验验证表明,本文方法能有效地复原红外模糊图像,且对降晰函数的辨识准确率高,相对误差可以降低至4.5%左右。另外,抑制振铃寄生波纹效果良好。复原后图像在各项质量评价指标上都有很大提高,峰值信噪比提高量超过9.4dB,综合评价指数ImageQ提高了20以上。     

湍流退化红外图像降晰函数辨识

针对高速湍流场导致的红外成像模糊,提出了一种基于图像质量评价的湍流退化红外图像降晰函数辨识算法。利用先验知识将退化过程简化为可用参数描述的二维高斯函数形式,将退化图像分割为边缘区、纹理区和平坦区,计算不同支持域下复原图像在不同参数时的峰度值;利用曲率最大准则对得到的“峰度-参数”曲线进行相应的降晰函数参数估计,进而由支持域和对应的估计参数得到对应降晰函数并用于复原退化图像;最后对复原图像进行无参考图像质量评价,评价指标最高的复原图像对应的降晰函数即为最终辨识结果。实验结果表明：该算法能较好地辨识降晰函数参数和支持域大小,当退化图像信噪比大于30 dB时,估计参数与真实值的最大偏差小于±5%。该算法所得结果可以作为湍流退化红外图像其他复原算法的降晰函数起始估计。     

颜色空间统计联合纹理特征的无参考图像质量评价

为了客观评价图像质量,本文提出联合颜色空间统计特征和权重局部二值模式(Local Binary Pattern,LBP)纹理特征的无参考图像质量评价模型。首先,对失真图像进行亮度去均值对比度归一化(Mean Subtracted Contrast Normalized,MSCN)操作得到MSCN系数;然后,对MSCN系数提取其统计参数特征和权重LBP直方图特征,其中统计参数由广义高斯模型获得,权重为MSCN系数的幅度。另外,还采用了Lαβ颜色空间下红绿和蓝黄分量的自然场景统计(Natural Scence Statistics,NSS)特征来增强基于颜色失真的描述,并运用非对称广义高斯模型获得统计参数特征。最后,运用SVR建立图像质量评价指标到主观质量得分的回归模型。在LIVE,CSIQ,TID2013和MLIVE数据库上的实验结果表明:4个数据库加权平均Spearman秩相关系数为0.776,Pearson线性相关系数为0.821,均优于其他方法;图像大小为512×512时特征提取只需0.19s。本文提出的方法与人眼主观感知具有良好的一致性,并具有复杂度低等优点。     

结合局部特征的无参考彩色图像质量评价

由于传统的无参考彩色图像质量评价方法与人眼感知结果的一致性较差,本文提出了一种全面利用待评价图像的色度、锐利度和对比度的无参考彩色图像质量客观评价方法。分析了彩色图像锐利度的局部特征,提出了一种新的彩色图像锐利度测量模型。基于对比度的局部特征和Buchsbaum曲线特征,建立了新的彩色图像对比度测量模型。最后,通过线性组合色度测量模型、锐利度测量模型和对比度测量模型,构建了无参考彩色图像质量评价函数。利用TID2013数据库中的3类退化图像(高斯模糊图像、对比度改变图像和噪声图像)验证了本文提出的锐利度测量模型、对比度测量模型和无参考彩色图像质量评价函数的性能。结果表明,本文提出的锐利度测量模型和对比度测量模型的性能均优于传统的锐利度和对比度计算模型。提出的无参考彩色图像质量评价函数的Spearman秩相关系数(SROCC)为0.904,Kendall秩相关系数(PROCC)为0.865,Pearson线性相关系数(PLCC)为0.922,亦均优于传统方法。     

基于L0正则化模糊核估计的遥感图像复原

基于模糊图像的退化过程、卷积模糊模型和模糊图像生成的机理,提出一种基于L₀范数的正则化模糊核估计方法,解决了遥感图像重建问题中0范数难求解的难题。该方法以模糊核稀疏性为先验知识,采用对应梯度的L₀范数为正则项,有效避免了细小边缘对模糊核估计的影响,使得模糊核的估计更加准确。进一步采用超拉普拉斯分布来近似图像梯度的重尾分布,利用L_0.5范数正则化对模糊图像做反卷积,从而恢复出原始图像。与传统方法相比,本文方法可以准确地估计出图像的模糊核,很好地抑制恢复图像的振铃现象,有效地提升遥感图像的质量。模糊图像以及各方法重构图像在同一刀刃下的调制传递函数（MTF）曲线显示,本文方法的MTF曲线得到了较好的提升。     

基于图像清晰度评价的磨削表面粗糙度检测方法

针对当前机器视觉检测粗糙度主要采用图像灰度值信息进行统计分析,没有充分利用色彩信息且忽略了人眼视觉系统主观评判的问题,提出一种基于图像清晰度评价的磨削表面粗糙度检测方法。根据色块在不同等级粗糙度表面上形成的图像清晰度不一样,采用熵函数评价算法和基于色彩相关性的彩色图像清晰度评价算法分别构建清晰度与粗糙度之间的关系模型,论证了基于图像清晰度检测磨削表面粗糙度方法的可行性。试验结果表明,基于图像清晰度检测磨削表面粗糙度是一种可行的粗糙度检测方法,清晰度与粗糙度相关性强,清晰度有随着粗糙度的增大而减小的趋势,且利用色彩相关性的彩色图像清晰度评价算法对磨削表面粗糙度检测具有较好的灵敏性,并且该方法符合人眼视觉系统的主观评价;清晰度算法和主观评价二者结合可快速简易地在线检测工件的整体表面轮廓粗糙度。     

双CMOS成像系统中运动模糊图像的复原

为获取高空间分辨率的清晰图像,设计了一种双CMOS成像系统.该系统的两片CMOS传感器可同时获取相同场景的图像.其中一片CMOS传感器获取高帧率、低空间分辨率的图像序列;另一片CMOS传感器获取低帧率、高空间分辨率的运动模糊图像.首先,通过光流法计算高帧率、低空间分辨率CMOS传感器获取图像序列的全局运动路径,在能量守恒和能量与积分时间成正比2个约束条件下估计运动模糊核初始值,通过贝叶斯准则交替迭代优化运动模糊核.最后,利用TV-L1方法从低帧率、高空间分辨率CMOS传感器获取的模糊图像中快速、有效地恢复出清晰图像.仿真和实验结果表明;有38％以上的仿真图像复原结果误差率小于2,且受噪声影响小,复原图像的振铃小.另外,能有效去除实拍图像的空间移不变运动模糊.     

彩色遥感图像的亮度直方图局部线性化增强

针对遥感图像能量低的实际问题,提出了一种亮度直方图局部线性化图像增强方法来提高彩色遥感图像的可视效果。首先,对RGB模型描述的彩色遥感图像进行HSI变换,以有效分离H、S和I分量;其次,对亮度I分量进行传统的直方图均衡化,得到均衡化灰度映射曲线;然后,将图像梯度作为目标函数,求出最优的线性化折点位置,对灰度低端动态范围映射曲线进行线性化处理,得到局部线性化的灰度映射曲线;最后利用新的灰度映射曲线对图像进行增强处理。Himawari-8真彩色图像增强实验结果表明,经亮度直方图局部线性化增强后,像素平均梯度由73提高到了147,较传统的RGB域直方图均衡化的123及HSI域直方图均衡化的134高;图像信息熵由5.87提高到6.63,全部优于传统的RGB域直方图均衡化和HSI域直方图均衡化。本文方法有效地改善了彩色遥感图像的可视效果,提高了图像对不同目标的辨识能力。     

Application of fuzzy multi-attribute decision making in determining the critical path by using time, cost, risk, and quality criteria

In this paper, we attempt to introduce an algorithm which considers not only time factor but also cost, risk, and quality criteria to determine the critical path under fuzzy environment. In this algorithm first, decision makers allocate time, cost, risk, and quality to each activity. We are lacking in data and information, so in the proposed algorithm, the ratings of each activity and the weight of each criterion are described by fuzzy numbers and linguistic variables, which can be expressed in triangular fuzzy number. Linguistic variables are applied to represent the intensity of preferences of one criterion over another. Then, we add up triangular fuzzy numbers to determine the final evaluation value of each criterion for paths. Next, we use fuzzy TOPSIS, a technique for order preferences by similarity to an ideal solution, a method proposed by the authors in another paper, to choose the best alternative. Finally, numerical example is solved to illustrate the procedure of proposed method at the end of this paper.     

基于Canny理论的自适应阈值彩色图像边缘检测

传统的Canny边缘检测算法基于灰度图像,不能充分利用彩色图像的全部信息,且阈值需要人为设定,自动化程度不高.论文提出一种新的算法,基于彩色图像多通道融合技术,根据图像梯度直方图信息,对图像进行自适应阈值处理.将Canny灰度边缘检测算子扩展到彩色边缘检测,利用彩色图像各个通道自身的梯度直方图和梯度方差作为局部阈值,有效解决彩色图像各个通道之间的差别.实验结果表明,其能充分利用图像的颜色和梯度信息,提高边缘检测的准确性.