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。     

动态场景图像去模糊技术研究进展

模糊是图像退化的主要降质因素之一,图像去模糊技术一直是计算机视觉和图像处理领域的一个重要课题,广泛应用于安防、刑侦、交通、金融、医疗图像等领域.首先,对传统去模糊算法进行阐述并说明其存在的问题.然后,在此基础上对现有基于深度学习的图像去模糊方法进行综述并分析了算法存在的优势与不足,着重讨论了基于动态网络的非均匀模糊处理新趋势.最后,结合最新的研究成果,展望了图像去模糊技术未来的发展方向.     

一种求解截断L1正则化项问题的坐标下降算法

L1正则化在稀疏学习的研究中起关键作用,使用截断L1正则化项往往可以获得更好的准确率,但却导致了非凸优化问题.目前,主要采用多阶段凸松弛(multi-stage convex relaxation,MSCR)算法进行求解,由于每一阶段都需要求解一个凸优化问题,计算代价较大.为了弥补上述不足,提出了一种求解截断L1正则化项非凸学习问题的坐标下降算法(Non-convex CD).该算法只需在多阶段凸松弛算法的每一阶段执行单步的坐标下降算法,有效降低了计算复杂性.理论分析表明所提出的算法是收敛的.针对Lasso问题,在大规模真实数据库作了实验,实验结果表明,Non-convex CD在取得和MSCR几乎相同准确率的基础上,求解的CPU时间甚至优于求解凸问题的坐标下降方法.为了进一步说明所提算法的性能,进一步研究了Non-convex CD在图像去模糊化中的应用问题.     

路面病害修补图像的车载自动检测方法

提出了一种不同状况下路面修补图像车载自动检测算法,首先分析道路病害修补图像特征,对道路病害图像运用统一复原方法进行图片去模糊处理,采用窗对比度算法提取修补图像信息,再结合原图信息二次运用窗口对比度算法去除伪修补信息,准确、迅速地提取图像路面修补目标信息。对大量的图片进行测试,实验结果表明论文提出的算法具有可靠性和可应用性。     

局部加权全变差下的盲去模糊

图像去模糊是图像处理和分析中的基本问题之一,其本身是一个不适定问题,通常需要使用正则化方法来提高求解过程的稳定性.为了解决去运动模糊问题,从图像的局部特性出发,提出一种基于局部加权全变差(LWTV)的正则化方法,并给出了一种基于交替迭代的有效解法.针对非盲去卷积问题,为了克服传统全变差(TV)正则化方法的不足,以图像局部的变化信息为权值,在加大对图像中平坦区域的惩罚力度的同时,减小对图像中边缘区域的惩罚力度;针对模糊核估计问题,首先利用相对全变差(RTV)方法提取图像的显著性结构,然后利用显著性结构进行初步模糊核估计,再采用LWTV模型进行临时清晰图像估计,通过以上3步交替迭代获得最终的模糊核.实验结果表明,该方法可以在去除模糊及噪声的同时,很好地保持图像边缘并抑制振铃效应.     

基于微分压缩感知的图像去模糊技术研究

尽管图像去模糊是一个病态问题, 但是只要对需要恢复的图像作适当的假设就能得到唯一的稳定解。考虑了一个缺乏先验条件的图像去模糊问题, 从而将图像的恢复转换为一个盲去卷积问题。作为一个特殊的应用, 现有文献大多集中在受到大气扰动影响的短曝光图像的重建问题。大气扰动会使得光波产生随机偏离, 从而使得光学系统的PSF产生随机变化。一种处理办法是采用自适应方法, 如Shack-Hartmann干涉计。在该系统中, 光波重建的准确率与干涉计所采用的透镜数成正比, 从而使得计算非常复杂。采用微分压缩感知的方法, 可降低透镜的数目, 从而使得计算的复杂度大大降低。另一方面, 利用压缩感知理论, 降采样不会造成数据的丢失, 从而使得光波重建的准确率能够与常规方法相同。仿真表明, 采用微分压缩感知的方法能够准确地实现光波的重建, 大大提高了系统的效率。     

双目视图运动图像去模糊方法

现代工业生产线上采集到的产品图像存在运动模糊,对后期探测产品表面信息以及重建产品轮廓产生影响.为了解决这一问题,提出一种基于双目视图的运动图像去模糊方法.通过双目相机之间的对极几何关系以及相机模型,推导出两视点图像点扩散函数路径之间的内在联系,并运用像机标定模块求取标定矩阵中的参数.通过此内在约束条件求取精确的点扩散函数,并对双目视点图像进行统一去模糊.结果表明,通过双视点图像几何关系求取的点扩散函数路径来进行去模糊取得了较好的效果.     

含模糊语言量词的 SQL查询技术研究 *

目前 SQL模糊扩展查询已经研究了带权重的模糊简单查询、复合查询、多表查询、子查询、全关系查询等,在一定程度上解决了查询中的模糊型问题 ,但对于带模糊语言量词的查询研究不多。基于 Zadeh的模糊理论将模糊理论与 SQL系统函数相结合 ,提出了一种解决含模糊语言量词的 SQL查询方法 ,进一步丰富了 SQL模糊查询体系 ,扩展了 SQL模糊查询的应用范围 ,提高了查询能力。     

基于字典学习的遥感图像去模糊研究

对高分辨率遥感图像进行去模糊是遥感研究中的一个主要难题,针对此提出了一种新的基于稀疏表示的高分辨率遥感图像去模糊算法。该算法利用快速梯度投影算法实现去模糊,并且保留原图像的有用信息。通过对"高分一号"获取的遥感图像进行验证,表明该算法能较好地滤除遥感图像的模糊,提高图像的峰值性噪比,且比其他字典学习算法具有更好的性能。     

基于模糊算子的红外图像去模糊研究

针对镜头抖动,目标移动等因素引起的图像运动模糊问题,本文提出了一种基于模糊算子的红外图像去模糊算法,使用深度自编码网络对数据集中的模糊算子进行编码,通过编码后的模糊算子去逼近一个未知的模糊算子并搜索对应的清晰图像,从而实现真实场景下红外图像去模糊,弥补了现有基于深度学习的图像去模糊模型在跨域应用时对真实场景下运动模糊图像去模糊效果较差的不足。在红外图像上的实验结果表明,相比于其他去模糊算法,本文提出的去模糊算法取得了更高的性能指标,恢复出的图像有着清晰的边缘轮廓和局部细节,显著提升了红外图像的清晰度。