线性CNN用于QR码图像去模糊化处理

在物联网时代中,QR码的应用非常广泛,QR码图像的去模糊研究具有重要的实际意义。细胞神经网络（CNN）以其高速并行处理、二值输入输出、便于电路实现等特性,在图像处理中有着广泛的应用,文章在分析了图像去模糊化理论基础上,采用线性CNN构造图像的去模糊化模型,实现了模糊图像的恢复。通过实验比较,在相同参数条件下,线性CNN去模糊化模型对含噪模糊图像的恢复效果更好,鲁棒性更高。     

基于Richardson-Lucy的图像去模糊新算法

针对传统的Richardson-Lucy(RL)算法存在振铃效应和噪声放大等问题,提出了一种基于RL的图像去模糊新算法,通过在迭代过程中引入增益图(GainMap),降低了复原图像的对比度,阻止迭代过程振铃效应的传播和噪声的进一步放大。详细讨论了引入的增益图的不同参数选择对去模糊结果的影响,通过选取合理的参数得到最佳的结果。实验结果验证了该算法抑制振铃效应的有效性,同时它很好地保留了图像细节,对含有噪声的模糊图像也有很好的复原效果。     

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.     

探析Photoshop CS6新功能

Photoshop是Adobe公司旗下最为著名的图形图像处理软件,也是图像领域使用最多的软件之一,版本和功能不断升级和提升。本文针对即将发布的最新版Photoshop CS6的功能进行探究,探析其强大的新增、改进和强化的功能。     

基于有理数多项式先验模型的图像盲去模糊

图像盲去模糊问题是当今图像处理领域的热点问题之一.基于混合高斯先验模型的变分贝叶斯去模糊算法可以有效地复原模糊图像,成为一种重要的图像去模糊算法.虽然混合高斯先验模型可以很好地逼近自然图像的梯度分布,但是该模型在图像梯度值较大处往往会产生过拟合导致去模糊后的图像产生振铃效应,严重影响了图像可读性.利用有理数多项式先验模型代替混合高斯模型逼近自然图像的梯度分布,克服算法的上述缺点.有理数多项式函数的分母多项式强制函数在梯度值较大值时平滑,所以有效地避免了过拟合现象的发生,从而使得模糊核估计得更准确,减少振铃效应.实验结果表明了算法的可行性和有效性.     

基于电荷泵实现的模糊控制器去模糊电路设计

设计了一种新型的模糊控制器去模糊电路单元.该电路由Gilbert乘法器、比较器和一个简单电荷泵电路组成,通过负反馈回路,自动调节电荷泵电路的输出电压,实现对输入的模糊控制规则激活度电压的归一化运算,进而完成重心法去模糊.采用无锡上华(CSMC)0.6 μm混合信号工艺,进行了归一化运算电路试验芯片的流水制作.测试结果表明,该电路可以用于去模糊运算.     

基于多尺度密集连接和U-Net改进的动态场景去模糊算法

针对现有去运动模糊网络在图像恢复过程中出现的纹理细节丢失、无法抑制噪声、产生振铃伪影等问题,提出一种基于多尺度密集连接和U-Net改进的动态场景去模糊算法。首先,借助U-Net网络中空洞卷积下采样有效扩大感受野,在不增加参数量的情况下避免图片产生不可逆损伤,并利用亚像素卷积在上采样过程中以小的卷积核获得清晰的图像细节,降低运算复杂度;其次,设计多尺度密集特征提取模块(multi-scale dense feature extraction, MDFE),通过密集连接的卷积层加强深层次特征提取和复用,运用空间金字塔池化(spatial pyramid pooling, SPP)分支引导多尺度特征的传递和融合,促进图像细节纹理的有效保留;最后,采用ConvLSTM双向连通结构(bidirectional convolution LSTM unit, BCLU)以非线性方式从编码路径补偿简单级联流失的上下文特征,推动深度特征跨阶段相互作用,弱化边缘伪影和噪声干扰。与现有先进方法对比,验证了本文所提算法在性能上的优势。     

深度特征融合注意力与双尺度的运动去模糊

目的 拍摄运动物体时,图像易出现运动模糊,这将影响计算机视觉任务的完成。为提升运动图像去模糊的质量,提出了基于深度特征融合注意力的双尺度去运动模糊网络。方法 首先,设计了双尺度网络,在网络结构上设计高低尺度通路,在低尺度上增加对模糊区域的注意力,在高尺度上提升网络的高频细节恢复能力,增强了模型去模糊效果。其次,设计了深度特征融合注意力模块,通过融合全尺度特征、构建通道注意力,将编码的全尺度特征与解码的同级特征进行拼接融合,进一步增强了网络的去模糊性能和细节恢复能力。最后,在双尺度的基础上,引入多尺度损失,使模型更加关注高频细节的恢复。结果 在3个数据集上,与12种去模糊方法进行了对比实验。在GoPro数据集上得到了最优结果,相比SRN （scale-recurrent network）方法,平均峰值信噪比提升了2.29 dB,能够恢复出更多的细节信息。在Kohler数据集上,得到了最高的峰值信噪比（29.91 dB）。在Lai数据集上,视觉上有最好的去模糊效果。结论 实验结果表明,本文方法可以有效去除运动模糊并恢复细节。     

全变差框架下快速恢复彩色图像的方法研究与应用

数字图像在采集和传输过程中很容易被噪声污染或出现不同程度的模糊现象,这给图像的后期处理和应用带来相当大的困难. 改进的算法基于交替最小化算法和新的二分法技术,在全变差能量最小化的框架下,提出一个具有自动选择最优均衡参数能力对彩色图像去除噪声及通道内和通道间模糊的算法. 实验结果表明,由于所采用的二分法的快速收敛性,改进的算法可以很快确定最优均衡参数数值,从而提高了算法的去噪声和去模糊能力及自适应能力.