基于迭代深度网络的红外图像增强算法

由于现有基于深度网络的图像增强模型直接学习退化图像与清晰图像之间的映射函数,忽略了观测模型保真项的约束,导致恢复的图像存在虚假纹理和细节丢失.本文提出了一种用于红外图像增强的改进深度网络,该网络将深度学习网络嵌入到一个迭代的图像增强任务中,通过图像增强模块和反投影模块交错优化,实现数据一致性约束.本文提出的深度网络不仅...     

基于模糊理论的红外图像滤波

利用图像的空间相关性,提出了一种基于模糊理论的图像智能滤波方法,此方法具有运算量小和便于图像实时等特点,同时避免了常用滤波方法的缺陷,实验表明,基于模糊理论的图像智能滤波方法比常规滤波方法运算量小,它既能去除奇异点,又能保持图像中目标的边缘不变性,具有很好的滤波效果。     

基于深度多级小波变换的图像盲去模糊算法

近年来卷积神经网络广泛应用于单幅图像去模糊问题,卷积神经网络的感受野大小、网络深度等会影响图像去模糊算法性能.为了增大感受野以提高图像去模糊算法的性能,该文提出一种基于深度多级小波变换的图像盲去模糊算法.将小波变换嵌入编-解码结构中,在增大感受野的同时加强图像特征的稀疏性.为在小波域重构高质量图像,该文利用多尺度扩张稠密块提取图像的多尺度信息,同时引入特征融合块以自适应地融合编-解码之间的特征.此外,由于小波域和空间域对图像信息的表示存在差异,为融合这些不同的特征表示,该文利用空间域重建模块在空间域进一步提高重构图像的质量.实验结果表明该文方法在结构相似度(SSIM)和峰值信噪比(PSNR)上具有更好的性能,而且在真实模糊图像上具有更好的视觉效果.     

基于深度多级小波变换的图像盲去模糊算法

近年来卷积神经网络广泛应用于单幅图像去模糊问题,卷积神经网络的感受野大小、网络深度等会影响图像去模糊算法性能。为了增大感受野以提高图像去模糊算法的性能,该文提出一种基于深度多级小波变换的图像盲去模糊算法。将小波变换嵌入编-解码结构中,在增大感受野的同时加强图像特征的稀疏性。为在小波域重构高质量图像,该文利用多尺度扩张稠密块提取图像的多尺度信息,同时引入特征融合块以自适应地融合编-解码之间的特征。此外,由于小波域和空间域对图像信息的表示存在差异,为融合这些不同的特征表示,该文利用空间域重建模块在空间域进一步提高重构图像的质量。实验结果表明该文方法在结构相似度(SSIM)和峰值信噪比(PSNR)上具有更好的性能,而且在真实模糊图像上具有更好的视觉效果。

     

基于局部特征核估计的图像去模糊算法

针对在图像去模糊迭代处理阶段的潜像估计和模糊核估计处理速度较低的问题,采用了一种从中等尺寸的单一运动模糊图像实现去模糊的方法,该方法利用简单的图像处理技术从一张预估计的潜像中预测出强边缘,然后得到的结果又独立地运用到模糊核的估计中,能很好地抑制在预测阶段反卷积形成的不良效应,同时构成的数字化系统展现出来的结果比使用像素值计算的需要更少的条件限制,结果收敛得更快。仿真实验结果表明:在去模糊质量相当的情况下,此方法比以往成果的处理速度快20%。     

基于局部最大和最小强度先验的遥感图像盲去模糊

针对遥感图像的运动模糊问题,提出一种基于局部最大和最小强度先验的遥感图像盲去模糊方法。该方法利用遥感图像局部像素强度的稀疏性作为先验条件,使用简单的迭代阈值收缩方法求解潜像和模糊核,再由非盲反卷积算法得到去模糊图像。实验结果表明,所提方法能提高计算效率,对于可见、红外遥感图像,均能有效恢复图像的纹理细节,抑制伪影,提升了复原图像的主观效果与客观评价指标。     

模糊算子在遥感图像特征提取中的应用

数据融合的概念应用在遥感图像的自动特征提取中,可以利用数据的互补和冗余来改善特征提取的性能。由于经典理论交集和并集的外延法不能得到满意的结果（相应的算子过于严格或是过于宽松）,对这两个具有对立特性的算子进行折衷,可以得到较为满意的结果。运用上下文依赖模糊算子实现这种折衷,对其加权因子的构造提出了新的设想和算法。参照计算机模拟的结果,分析和讨论了它的特点。     

焦炭光学组织离焦显微图像去模糊算法研究

微观组织结构是判定焦炭质量的重要依据,通常需要偏光显微镜对焦炭光片成像,但显微镜头的特殊性,使得图像中间清晰而周围存在离焦模糊,降低了图像的质量,影响对焦炭组织成分的判定。因此,本文结合局部模糊分割算法和离焦去模糊网络,提出一种局部去模糊算法。首先对焦炭图像进行基于LBP的模糊检测,得到模糊度量图;通过Alpha抠图算法分割度量图,获得α模板矩阵;最后,以α模板矩阵作为融合比列,对原图和全处理图像进行线性融合,得到去模糊图像。通过实验对比,证明本文方法在累加概率(CPBD)等4个质量评价标准上面都得到了提升,相比于传统方法,去模糊效果更佳。     

基于模糊C均值聚类和Canny算子的红外图像边缘识别与缺陷定量检测

针对脉冲红外热成像检测缺陷构件时,红外图像噪声较大、边缘信息模糊等特点,提出了一种基于模糊C均值聚类和Canny算子相结合的边缘检测新方法。该方法首先对输入的红外图像进行整体灰度变换,采用模糊C均值聚类对图像进行区域分割、提取和二值化;再将各个区域进行叠加,使红外图像的边缘变得连续;最后,采用Canny算子对处理后的图像进行边缘检测,实现缺陷的识别。在图像边缘检测基础上,分析了图像定位缺陷位置与实际缺陷位置之间的相对误差,并运用物像关系,实现缺陷几何尺寸的定量检测。结果表明:该方法对缺陷边缘识别完整清晰,具有较高的定位精度和抗噪能力,有利于缺陷的识别与定量检测。     

Robust image deblurring with an inaccurate blur kernel

Most existing nonblind image deblurring methods assume that the blur kernel is free of error. However, it is often unavoidable in practice that the input blur kernel is erroneous to some extent. Sometimes, the error could be severe, e.g., for images degraded by nonuniform motion blurring. When an inaccurate blur kernel is used as the input, significant distortions will appear in the image recovered by existing methods. In this paper, we present a novel convex minimization model that explicitly takes account of error in the blur kernel. The resulting minimization problem can be efficiently solved by the so-called accelerated proximal gradient method. In addition, a new boundary extension scheme is incorporated in the proposed model to further improve the results. The experiments on both synthesized and real images showed the efficiency and robustness of our algorithm to both the image noise and the model error in the blur kernel.     

基于Canny算子的红外影像边缘检测算法

针对传统Canny算子在提取红外影像边缘时会出现毛刺、不光滑等现象,提出一种增强边缘细节的红外影像边缘检测方法。在Canny算子基础上,用主成分分析得到的主算子代替Sobel算子,同时用基于二阶偏导的非极大值抑制方法进行边缘细化,最后由“参考白”方法设置阈值提取最终边缘。经MATLAB仿真表明,相比Canny算子,所提方法能够提取更加平滑的边缘,尤其对弧形边缘。     

Spatially variant defocus blur map estimation and deblurring from a single image

In this paper, we propose a single image deblurring algorithm to remove spatially variant defocus blur based on the estimated blur map. Firstly, we estimate the blur map from a single image by utilizing the edge information and K nearest neighbors (KNN) matting interpolation. Secondly, the local kernels are derived by segmenting the blur map according to the blur amount of local regions and image contours. Thirdly, we adopt a BM3D-based non-blind deconvolution algorithm to restore the latent image. Finally, ringing artifacts and noise are detected and removed, to obtain a high quality in-focus image. Experimental results on real defocus blurred images demonstrate that our proposed algorithm outperforms some state-of-the-art approaches.     

基于小波变换的红外目标去运动模糊的研究

针对去除图像运动模糊,对图像进行复原,提出一种基于haar小波变换的红外目标去运动模糊的方法。利用小波变换提取并分析图像的水平子带高频信息,判断是否存在运动模糊;通过旋转图像,求取图像的模糊尺度和模糊方向;采用优化的维纳滤波算法编写程序对模糊区域去模糊,进行图像复原。实验结果表明,提出的方法能有效去除由于运动产生的图像模糊,可为进一步图像处理的需要提供清晰的红外图像,且具有鲁棒性强、实时性好等特点,具有较高的应用价值。     

Improved image deblurring based on salient-region segmentation

Image deblurring techniques play important roles in many image processing applications. As the blur varies spatially across the image plane, it calls for robust and effective methods to deal with the spatially-variant blur problem. In this paper, a Saliency-based Deblurring (SD) approach is proposed based on the saliency detection for salient-region segmentation and a corresponding compensate method for image deblurring. We also propose a PDE-based deblurring method which introduces an anisotropic Partial Differential Equation (PDE) model for latent image prediction and employs an adaptive optimization model in the kernel estimation and deconvolution steps. Experimental results demonstrate the effectiveness of the proposed algorithm.     

基于TwIST-TV 约束的图像去模糊方法

传统的基于频域和小波域的去模糊算法所得的复原图像总是存在比较明显的边缘振铃及模糊效应,而较为有效的空域迭代优化去模糊算法速度通常比较慢。为了解决上述问题,提出了基于二步迭代阈值收缩（TwIST）与总变分（TV）约束相结合的图像去模糊算法（TwIST-TV）。首先在去模糊目标函数中加入对图像的TV 正则化约束,其次在对图像小波系数的每次二步迭代之前,加入对图像的TV 优化去噪约束,最后迭代获取去模糊图像。实验结果表明:相对于基于频域和小波域的模糊图像恢复算法,TwIST-TV 能有效抑制边缘模糊和振铃效应,复原图像的信噪比（SNR）、峰值信噪比（PSNR）高出1~7 dB,平均结构相似度指标（MSSIM）可高出0.05,相对于空域解卷积算法在保证求解精度相当的情况下具备6 倍以上的速度优势。     

基于改进Sobel算子的红外图像边缘提取算法

针对红外热像仪采集的图像边缘信息模糊,图像显示多样性,边缘信息难提取的特点,提出了一种基于Sobel算子梯度相乘的边缘提取算法.该算法首先对红外热像仪图像进行待识别目标的高温区域提取,然后分别利用增加了6个方向模板的Sobel算子和Roberts算子对图像进行边缘提取,再将得到的两幅梯度幅值图像进行梯度相乘,最终得到边缘提取图像.最后,用MATLAB对图像进行了仿真,仿真结果表明,该算法能够快速有效地提取红外热像仪图像的边缘,弥补Sobel算子的不足及提高了Sobel算子边缘检测的性能,计算简单,具有良好的检测精度,而且得到的边缘较细,极大的改善了图像边缘提取的效果.     

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.     

基于迁移学习的红外图像超分辨率方法研究

针对红外图像空间分辨率低、成像质量不高的问题,提出了基于迁移学习的红外图像超分辨率方法。该方法以基于卷积神经网络的自然图像超分辨率方法为基础进行改进:增加网络的层数进行更深层次的学习训练,串联多层小的卷积核使其能够利用更多的图像信息,以“相差图”为目标进行训练,减小网络训练时间,提升网络收敛速度;利用迁移学习知识,再以少量高质量红外图像为目标样本,对自然图像超分辨率的网络进行二次训练,将网络权重经过微调后迁移应用到红外图像的超分辨率上。实验结果表明:基于卷积神经网络的超分辨率方法能够有效迁移应用到红外图像的超分辨率上,且改进后的网络具有更好的自然及红外图像的超分辨率性能,验证了本文所提方法的有效性及优越性。