正则化模型下图像处理的算法设计与实现

图像复原是图像处理中的一个重要问题,对于改善图像质量具有重要的意义。图像复原问题的关键是通过求解退化模型获得复原模型并对原始图像进行合理评估,本文应用正则化方法解决求解过程中的病态性问题,并进行方法研究与应用实验。首先,提出了一种基于解空间分解的加速GMRES算法来求解病态性问题,在图像复原实验中该算法的复原结果的信噪比与视觉效果都优于共轭梯度法。其次,从传统的线性代数方法着手,运用正则化思想,结合约束最小二乘法,并假设加性噪声有界,提出新的图像复原方法来求解单变量方程,并运用空域迭代运算实现图像复原,实验表明经本方法复原后图像在客观标准评价和视觉效果方面都有明显改善。     

航拍绝缘子图像的去模糊处理

针对输电线路航拍图像中绝缘子的模糊图像,分别选用Lucy-Richardson复原法、最小二乘方复原法、盲解卷积复原法、维纳滤波复原法对原始模糊图像复原,并对各种复原结果进行了对比和分析,提出了改进的维纳滤波方法,即采用拉普拉斯算子对维纳滤波去模糊的图像进行线性锐化滤波处理,突出绝缘子的边缘信息,增强图像的轮廓特征,便于观察绝缘子的工作状态。最后引入灰度梯度向量模方和Gk′对复原后的去噪图像进行质量评价。结果表明,改进的维纳滤波方法提高了图像的清晰度,可以作为判别绝缘子故障的一种可行方法。     

运动模糊车牌图像的复原算法研究与实现

采用模型估计法,由车辆匀速直线运动的先验知识推导出模糊退化传递函数。在运动模糊参数估计中,通过二次傅里叶变换得到模糊图像频谱,采用Radon变换检查直线方法检测出模糊角度,并用旋转投影法估算出运动尺度,最后用约束的最小二乘方滤波复原法复原出清晰的车牌图像。通过Matlab软件仿真,对该算法与其他复原算法从执行效果和复原质量进行对比实验。结果表明:该算法不仅能准确的估计出模糊角度和尺度,也能快速的复原出清晰的车牌图像。     

基于二色散射模型的激光高速相机成像去烟雾

本文在实验上借助近红外激光的高穿透性获取目标图像的细节信息,并通过融合绿光波段的可见光图像得到初步去烟雾的图像信息,在数据处理阶段使用二色散射模型进行单幅图像退化模型建立及图像复原,最终结合图像增强技术,得到清晰的去烟雾图像。实验结果表明本文提出的二色散射模型可有效地复原目标图像的成像品质。     

基于相位相关匹配法的图像复原技术

数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。介绍了小波变换在图像压缩中的应用,并对小波进行多级分解测试,介绍其原理及方法;在此基础上实现图像复原技术,用区域搜索任意选取图像原始区域和篡改区域,用相位相关法来匹配图像,再对图像信息进行融合,这样对图像进行运动模糊、加噪等操作后均可恢复到原始图像,而且对图像进行区域复制粘贴篡改操作后也有很好的复原效果。与维纳滤波复原和中值滤波复原分别进行对比研究,发现该方法对图像的任何操作均可恢复到原始图像,复原的图像非常清晰。     

Mask-2-Human:基于生成式对抗网络的人物图像生成方法

针对较为复杂的人物图像生成任务,提出了一种从mask图像生成人物图像的新方法。基于生成式对抗网络(generative adversarial nets,GANs),接收一个多通道的mask图像作为输入,其中的每个通道表示人物某个区域(如头发、脸部、手臂等)的掩码。该网络由生成器和判别器组成,生成器在U-Net结构基础上加入了残差模块,判别器用于判别生成图像的真伪性。通过施加不同的高斯噪声,所提方法能根据相同的mask生成具有不同外观的人物图像,具有更好的结果多样性。     

二维运动模糊图像的处理

摄像机拍摄运动物体得到的照片往往是模糊的,这严重影响了图片的美观效果。为了能把模糊的图片变清晰,本文把二维运动模糊图作为研究对象,首先利用二值法进行灰度处理使其变成一个二维图像,去噪处理后估计模糊图像的角度和长度,并得到对应的点扩散函数,由此建立水平方向的匀速直线运动模糊的数学退化模型。最后得到简单的运动模糊图像清晰化处理的方法。     

基于运动模糊的车牌恢复系统设计

为解决高速运动过程中图像模糊的问题,本文设计了运动模糊的车牌恢复系统。通过对图像进行方向微分求极小值,计算出运动模糊方向;利用统计频谱图中暗条纹个数的方法得出运动模糊尺度。最后利用运动模糊方向和尺度,建立退化模型,通过逆滤波的方法,还原运动模糊车辆牌照。实验取得不错的效果,有很好的现实应用价值。     

中值滤波的噪声过滤技术研究

当图像生成、传播的时候,因为受到来自噪声的干扰,将严重影响图像质量。而中值滤波在一定程度上不仅能消除噪声,还对图像边缘形成保护作用,再结合小波变换等改进方式,有效提升了图像的复原水平。     

基于深度卷积生成对抗网络的植物图像识别方法的研究

提出使用深度卷积生成对抗网络进行植物图像识别方法.首先,利用生成式对抗网络生成植物图像样本,然后,利用判别网络中的卷积神经网络来提取图像特征,实现对生成网络产生的样本进行判别,以提升模型对图像数据分布的理解,从而达到了通过构建卷积神经网络对生产样本的质量进行测试的目标.实验结果表明,该方法生成的植物图像能够有效的提高卷积神经网络的识别准确率.