基于分层细分超像素和信息完整性先验的红外图像去雾

雾霾天气由于悬浮粒子的存在,降低了红外成像系统的对比度和视觉质量。现有的去雾方法大多侧重于增强全局对比度或在图像中采取局部网格透射率估计策略,容易导致图像信息丢失、光晕伪影以及天空区域失真的现象。针对这些问题,本文提出了一种基于超像素结构分解以及信息完整性保护的单幅图像去雾方法。在该模型中,首先基于局部结构信息,设计了分层超像素算法自适应地将图像分割成多个目标区域以消除光晕伪影。同时为了避免局部高亮目标造成估计误差,采用基于超像素块的改进四叉树细分方法获得全局大气光值。在此基础上,利用组合约束通过最小化信息损失实现透射率图最优化。在真实红外雾天图像上的实验表明,在定性和定量方面与现有的经典算法相比,本文所提方法在对比度和可见性方面具有优越性。     

基于纹理复杂度的含噪模糊图像盲复原算法设计

传统的模糊图像盲复原算法的纹理复杂度高,降低了模糊图像的质量。为此,文中设计了基于纹理复杂度的含噪模糊图像盲复原算法。首先,分析含噪模糊图像的噪声特点,在保留原有图像信息的前提下计算垂直方向和水平方向的扩散系数,得到ADF在含噪模糊图像上的表达,完成含噪模糊图像的去噪预处理。通过建立含噪模糊图像的数学模型描述其退化过程,继而构建含噪模糊图像降质模型。最后,在纹理复杂度分析的基础上,完成奇异值分解检测和alpha通道的计算,通过合成操作实现含噪模糊图像的盲复原算法的设计。实验结果表明,相比于传统盲复原算法,在所提算法下,图像的纹理复杂度低,图像质量得以提升,且复原结果的误差较小,算法整体有效性较高。     

Transformed denoising autoencoder prior for image restoration

Image restoration problem is generally ill-posed, which can be alleviated by learning image prior. Inspired by the considerable performance of utilizing priors in pixel domain and wavelet domain jointly, we propose a novel transformed denoising autoencoder as prior (TDAEP). The core idea behind TDAEP is to enhance the classical denoising autoencoder (DAE) via transform domain, which captures complementary information from multiple views. Specifically, 1-level nonorthogonal wavelet coefficients are used to form 4-channel feature images. Moreover, a 5-channel tensor is obtained by stacking the original image under the pixel domain and 4-channel feature images under the wavelet domain. Then we train the transformed DAE (TDAE) with the 5-channel tensor as the network input. The optimized image prior is obtained based on the trained autoencoder, and it is incorporated into an iterative restoration procedure with the aid of the auxiliary variable technique. The resulting model is affiliationed by proximal gradient descent technique. Numerous experiments demonstrated that the TDAEP outperforms a set of image restoration benchmark algorithms.     

水下视觉环境感知方法与技术

有效感知水下环境是水下机器人自主运动与作业的关键。本文首先对水下视觉环境感知的共性问题进行分析,总结了视觉退化和折射畸变两大共性问题对水下视觉成像产生的影响。其次,围绕如何应对上述挑战,分别从水下视觉恢复方法、水下3维视觉感知以及水下视野增强方法3个方面对国内外主流的水下视觉环境感知方法的研究现状展开综述。最后,对水下视觉环境感知的未来发展趋势进行展望,重点包括集群化视觉感知、多模态感知信息融合、仿生视觉感知等热点研究方向。     

基于图结构滤波的图像去噪

在图像处理领域, 图像去噪是一项极具挑战性的任务. 图信号理论的发展为我们解决这一问题提供了新的视角. 本文研究了基于图信号方法的权重矩阵与拉普拉斯矩阵, 将它们用于图像去噪的目标函数, 这两个矩阵可以很好地定义观测图像与期望图像之间的内在联系. 在提出去噪目标函数的基础上, 我们给出了最优解和一种迭代的快速求解算法. 实验表明, 该方法优于BM3D和WNNM等前沿的去噪方法.     

Image dehazing via enhancement,restoration, and fusion: A survey

Haze usually causes severe interference to image visibility. Such degradation on images troubles both human observers and computer vision systems. To seek high-quality images from degraded ones, a large number of image dehazing algorithms have been proposed from different perspectives like image enhancement, restoration, and fusion. Especially in recent years, with the rapid development of deep learning, CNN-based methods have already dominated the mainstream of image dehazing and gained significant progress on benchmark datasets. This paper firstly presents a comprehensive survey of existing image dehazing methods, and then conducts both qualitative and quantitative comparisons among representative methods, from classic methods to recent advanced approaches. We expect the literature survey and benchmark analysis could help readers better understand the advantages and limitations of existing dehazing methods. Moreover, a discussion on possible trends in single image dehazing is put forward to innovate further works.     

基于非局部通道注意力机制的单图像超分辨率方法

单图像超分辨率是一个不适定的问题,是指在给定模糊和低分辨率图像的情况下重建纹理图案。卷积神经网络（CNN）最近被引入超分辨率领域中,尽管当前研究通过设计CNN的结构和连接方式获得了出色的性能,但是忽略了可以使用边缘数据来训练更强大的模型,因此提出了一种基于边缘数据增强的方法,即单图像超分辨率的非局部通道注意力（NCA）方法。该方法可以充分利用训练数据并通过非局部通道注意力提高性能。所提方法不仅为设计网络提供了引导,而且也可以对超分辨率任务进行解释。非局部通道注意力网络（NCAN）模型由主分支和边缘增强分支组成,通过往模型里输入低分辨率图像并预测边缘数据,使主分支自注意力重建超分辨率图像。实验结果表明,在BSD100基准数据集上与二阶注意力网络（SAN）模型相比,NCAN在3倍放大因子下的峰值信噪比（PSNR）和结构相似度（SSIM）分别提升了0.21 dB和0.009;在Set5、Set14等其他基准数据集上与深度残差通道注意力网络（RCAN）模型相比,NCAN在3倍和4倍放大因子下的PSNR和SSIM都取得了较为明显的提升。NCAN在可比参数方面性能超过了最新模型。     

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。     

东南沿海平原河网区域水质水量模型研究

为探究东南沿海平原河网区域水质改善的可行方案,针对温岭市金清水系污染来源复杂的问题,开展水质水量模型研究。采取"流域分区-用户定位-排污计算"的污染负荷计算思路,建立水质水量耦合模型,以河网主要污染物氨氮为评价指标,提出重点断面的水质改善目标以及对应的污染控制方案与引水方案。结果表明:实施削减氨氮污染物入河量至1 023 t的污染控制方案与向南官河引水10 m3/s的引水方案组合可使各重点断面平均水质达到V类水标准;实施削减氨氮污染物入河量至728 t的污染控制方案与向南官河引水20 m~3/s的引水方案组合可使各重点断面平均水质达到Ⅳ类水标准。研究成果为温岭市金清水系面向众多污染源的精细化、精准化污染治理提供参考,为类似区域的水质改善提供借鉴。     

砒砂岩区侵蚀治理技术研究进展

黄河流域砒砂岩区是我国北方生态严重退化的地区,其土壤侵蚀治理长期以来是我国水土保持学界所面临的难题之一,其难点在于砒砂岩区水力、风力、冻融、重力等多动力复合侵蚀交替发生且时空分异性强、侵蚀岩性机理及侵蚀动力过程复杂、干旱缺水而暴雨集中,以及人们对于砒砂岩区土壤侵蚀规律性认知水平的局限性。本文从砒砂岩区土壤侵蚀特征、治理措施及其作用与效益,以及砒砂岩治理技术研究新成果等方面综述了砒砂岩区土壤侵蚀治理技术的研究与实践进展,并提出了存在的问题。阻控侵蚀与植被恢复一体化、砒砂岩资源利用与生态衍生产业发展相结合,以及实现生态综合治理将成为砒砂岩区土壤侵蚀治理技术研究的未来主要发展方向。