结构稀疏通道先验盲图像去模糊方法

针对盲图像去模糊过程中主结构不准确和边缘不清晰问题,提出了一种结构稀疏通道先验(SSCP)盲图像去模糊方法。SSCP表示模糊图像比清晰图像具有更少结构稀疏通道的先验方法。利用SSCP的性能特性,将其作为新的正则化项引入经典去模糊模型,构建盲去模糊新模型,实现对模糊核的准确估计。通过坐标下降法,交替优化求解潜像与模糊核变量。最后,通过反卷积得到去模糊的清晰复原图像,在基准数据集和自然状态模糊图像上开展主观和客观对比实验,并进行人脸和低亮度真实模糊图像的应用拓展实验。实验结果表明,提出的方法在模糊去除、结构恢复、边缘保留和视觉效果方面的性能比经典去模糊方法平均提高了1.72%,通过该方法设计出的计算装置能够实现机器视觉领域中模糊图像的高精度清晰化处理。     

基于DeblurGAN的运动模糊图像盲复原算法研究

DeblurGAN方法利用条件生成对抗网络解决了端到端的图像去模糊问题,但存在图像边缘细节恢复不足以及鲁棒性不高的问题,针对此问题,提出一种基于DeblurGAN的运动模糊图像盲复原方法。在生成网络中,采用多尺度卷积核神经网络提取特征,并使用级联空洞卷积扩大神经元的感受野;采用自适配归一化方法代替原来生成器中使用的实例归一化方法。其次,引入了梯度图像L1损失,结合对抗损失和感知损失,将其作为图像去模糊的正则约束,使得生成图像的边缘特征更加清晰。实验结果表明,提出方法复原的图像峰值信噪比数值较DeblurGAN算法高出5.4%,结构相似性指标高出1%;在主观上清晰化效果较好,且消除了网格效应。     

基于稀疏先验的运动模糊图像盲复原方法

运动模糊图像的盲复原是一个极具挑战性的逆问题。为了能够复原出高质量的清晰图像,提出了一种基于稀疏先验的运动模糊图像盲复原方法。首先,根据自然图像的稀疏特性,提出了一种结合梯度域和空间域的稀疏先验模型对复原图像进行正则化约束;然后,根据运动模糊核(MBK)的稀疏平滑特性,提出了一种结合L0先验和Lp(0p1)先验的新的双重正则化约束模型来同时对MBK的稀疏特性和平滑特性进行很好的约束,实现MBK的准确估计;最后,采用了半二次性的变量分裂策略对提出的模型进行最优化求解,能够在准确估计MBK的同时复原出高质量的清晰图像。大量的实验结果表明,提出的方法较近几年的一些成功的运动模糊图像盲复原方法相比,能够估计出更加准确的运动模糊核,复原出更高质量的清晰图像,在客观的评价指标和主观的视觉效果上均有明显的改进。     

基于压缩感知的电力设备红外图像盲超分辨率方法

电力设备红外图像采集过程中出现的分辨率降低和模糊现象是影响红外诊断准确性的重要因素。然而现有超分辨率方法一般假设模糊核已知,但当假设核偏离真实核时方法性能会显著降低。该文针对这一问题,提出一种压缩感知盲超分辨率改进方法。以图像退化模型为基础,结合图像在变换域内稀疏为先验知识,实现图像的超分辨率重建。在重建过程中通过红外图像亮度分量的极值分布先验信息促进模糊核的优化求解以及重建图像反卷积去模糊运算,将传统的非盲超分辨率方法改进为盲超分辨率方法。在提高模型准确性的同时,提升了重建图像细节纹理的质量。并对压缩感知基础模型进行改进变形,以此为基础设计了高效求解算法,最终实现高分辨率图像的高质量重建,从而更好地适应工程应用需求。实验结果表明该文提出的盲超分辨率方法与已有方法相比,其重建得到的红外图像结果无论在主观视觉还是客观评价指标上,均有着一定优势,能够更好地适应现场采集到的低分辨率红外图像超分辨率重建需求。     

基于尺度信息边缘提取的模糊核估计方法

模糊图像的盲复原一直以来都是图像处理领域长期的挑战性问题,其中,能否复原出高质量清晰图像的关键是能否准确的估计出引起图像模糊的模糊核(BK)。为了能够实现BK的准确估计,提出了一种基于相对全变差模型(RTVM)的模糊核估计方法。首先,直接将RTVM作为图像的先验,直接代入到最优化的求解过程中,能够在迭代求解的过程中直接复原出锐化的大尺度边缘,而不需要额外的边缘提取步骤;然后,在对BK的正则化约束方面,利用L_0范数,在梯度域,对BK的梯度进行L_0范数的约束,能够同时保护BK的稀疏特性和连续特性;最后,结合一种分解的策略、迭代的重权重最小平方法(IRLS)和半二次性的变量分裂算法对提出的模型进行最优化求解。为了验证提出方法的优越性,将提出的方法与近几年一些极具代表性的模糊图像盲复原方法在大量的模糊图像上进行了比较实验,实验结果证明了所提方法的优越性。     

基于结构特征先验与多尺度反锐化掩模机制的红外图像增强算法

为了解决当前红外图像增强算法难以较好地兼顾边缘增强与噪声抑制,导致增强结果易丢失细节与视觉不自然的问题,提出了基于结构特征先验与多尺度反锐化掩模机制的红外图像增强算法。首先,利用8个边缘核与8个角点核,对Prewitt梯度算子进行拓展,从多个方向来提取红外图像的结构特征映射;随后,利用结构特征映射来计算红外目标的约束控制函数,并基于Gibbs先验模型,构建结构特征先验,获取红外图像对应的最优估计;基于红外图像的多尺度特征,引入贝叶斯函数,并联合最优估计,对红外图像完成有序平滑处理;最后,利用多尺度特征映射来改进传统的反锐化掩模算法,对平滑后的红外图像完成增强。实验结果显示,与当前红外图像增强方案相比,所提算法具有更高的增强质量与噪声抑制能力,可以更好地保持图像细节,其模糊线性指数与熵值分别为0. 21、7. 35。     

基于暗通道的单幅图像快速去雾算法

为了提高雾天环境下退化图像的视觉效果,以大气退化模型和暗通道先验估计为基础,提出了一种快速单幅图像去雾算法.利用暗通道先验对大气透射率进行粗估计,用采样边缘保持滤波细化透射率,再设法估计出原图中的天空区域,对其进行透射率补偿,根据估计的大气光和透射率,利用大气退化模型即可恢复出无雾图像.针对去雾后的图像色度较暗的问题,使用一种自适应直方图均衡方法.实验结果表明,相对于已有算法,该算法有效提高了图像去雾的效果,而且加快了处理速度.     

基于压缩感知的电力设备红外图像非盲自适应超分辨率方法

电力物联网建设过程中,红外传感技术应用越加广泛,然而受成本限制难以实现高精度红外传感器的大规模装设。因此文中提出了一种压缩感知自适应非盲超分辨率方法,以改善低成本红外传感器成像质量。该方法以压缩感知超分辨率模型为基础,结合图像去模糊先验信息,提出了压缩感知非盲超分辨率模型。并采用双先验二次估计的方式求解正则项惩罚参数,实现对约束项的自适应强度控制。求解过程中首先通过高斯先验对模糊图像进行初步反卷积重建,以阈值收缩的方式分离重建图像显著边缘,生成标签图像。之后根据图像内部像素点语义的不同,控制超拉普拉斯先验正则项强度,在提升重建图像清晰度的同时避免伪影振铃的产生。并针对所提模型设计了有效的求解算法。实验结果表明与现有经典非盲超分辨率方法相比,该方法重建得到的高分辨率红外图像无论在主观视觉还是客观评价指标上,均有着一定优势。且最终进行的红外图像识别对比实验,也证明了该方法重建的高分辨率红外图像能够更好地解决电力行业的实际问题。     

景深边缘优化的暗通道去雾算法

雾天条件下拍摄的图像存在低对比度和低场景可见度的问题,传统的去雾算法容易产生 Halo 效应.为此,提出了景深边缘优化的暗通道去雾算法.该算法是基于暗原色先验理论,需要考虑消除景深边缘处的白色晕块,方法是对图像景深边缘和非景深边缘分别采用不同的模板处理得到透射图.引导滤波修复透射图,在去除多余的纹理信息的同时增强了雾天图像的边缘信息.并采用新增可见边之比、梯度化均值对去雾图像进行客观评价.实验表明该算法不仅能够有效地去除图像中的雾气,而且有效地降低了Halo效应,从整体上改善了去雾复原图像的视觉效果.     

基于混合非凸性二阶全变分和重叠组稀疏的非盲图像去模糊算法

为了解决凸性全变分正则化模型会使重构结果出现非闭合轮廓和非齐整边缘等缺点,设计了混合非凸性全变分耦合重叠组稀疏的图像去模糊算法.重叠组稀疏正则化项很好地考虑了相邻元素之间相互交叉的关系,非凸性二阶lp范数正则化项较好保持了图像的边缘形状信息,同时将这两个正则约束项融入到全变分函数中,可以准确地恢复边缘结构特征以及消除平滑区的阶梯效应和振铃效应.最后,为实现非凸性高阶模型的优化求解,提出了变量分裂法,将该模型分离成4个子问题,然后借助重加权l1交替方向法来完成图像去模糊的计算.测试数据显示,相比当前图像复原技术,所提算法具备更为理想的去模糊效果,复原图像表现出更高的峰值信噪比和结构相似度,可以更有效地恢复出边缘形状信息和纹理细节.     

用小波矩阵分析Mallat算法的物理几何含义

提出了小波分析的新途径。用Harr小波矩阵来分析Mallat算法的物理和几何含义,把"原始像"分隔为"模糊像"和"细节像"。"模糊像"起到信息压缩的作用以利于远距离传输。本文同时给出如何把得到的"模糊像"经膨胀插值变成光滑的"恢复像",以体现滤波的效果。把"原始像"减去"恢复像"就得到按时间尺度分布的"总谐波像",以到达时频双分析效果。本文用Harr小波分解做到信息压缩和光滑重构,这些正是目前小波理论所梦寐以求的东西。     

结合MSRCR与多尺度融合的水下图像增强算法

为解决水下图像增强时出现的图像边缘细节模糊,亮度不均等问题,提出了一种结合带色彩恢复的多尺度视网膜增强算法(MSRCR)与多尺度融合的水下图像增强算法.首先,将获取到的水下图像基于的MSRCR算法色彩校正,并将校正后的图像转换到Lab颜色空间对亮度分量进行自适应增强.其次,对MSRCR色彩校正图像和Lab空间亮度分量增...     

OFDM低压电力线通信中基于小波去噪的盲信道估计

分析了OFDM低压电力线通信中采用盲信道估计的可行性,基于二阶矩盲信道估计算法提出一种小波去噪盲估计,这种算法利用小波变换思想,对盲算法中接收信号自相关矩阵的估计值进行消噪处理,以减小噪声干扰对信道估计的影响。通过仿真试验分析了小波去噪盲估计的性能。仿真结果表明,该方法与盲算法相比信道估计性能得到了明显的提高。     

BTV图像超分辨率重建改进算法

在双边滤波正则化算法的基础上,结合自然图像自身结构相似性,提出一种基于BTV的改进算法.通过在代价方程中引入表达图像非局部结构相似性的正则化项,对重建图像的解空间进一步加以限制和优化,最后通过最陡下降法求得代价方程最优解,从而完成重建.实验证明,与BTV算法相比,改进后的算法不仅能很好地抑制噪声,同时也更好地保留了图像...     

改进型多项式匹配图像去噪算法的研究与应用

为进一步改善常规多项式匹配算法的去噪能力,针对常规多项式匹配算法容易模糊图像边缘/纹理等细节问题,提出一种基于边缘保护的改进多项式匹配滤波的算法。该方法在常规多项式匹配算法基础上,改进滤波窗口的选择方式,沿着图像纹理走向方向提取自适应滑动滤波窗口,选择具有最小匹配误差的窗口进行匹配滤波并作为最终输出结果。然后分别在灰度图像和实际CT图像进行测试,经数据验证表明,该方法在有效压制噪声的前提下能够保持边缘/纹理信息,峰值信噪比平均提升80%以上,均方根误差减少80%以上。认为和常规多项式滤波方法、中值滤波方法、双边滤波方法、边缘保持滤波方法、三维块匹配去噪算法和去噪卷积神经网络方法相比,改进方法能够有效提升图像视觉效果,满足图像应用要求,具有良好的应用前景。     

基于改进MSR的锂电池X射线图像增强算法

针对锂电池X射线图像存在清晰度低、对比度差、图像电极轮廓模糊不清晰等问题,提出一种基于改进多尺度Retinex的锂电池X射线图像增强算法。首先,在传统多尺度Retinex算法中,使用双边滤波估计照度分量,同时利用基于平均对数亮度值进行全局自适应的图像动态范围压缩。然后使用改进的MSR算法提取图像的反射分量,利用sobel算子获取反射分量的纵向梯度,再与反射分量进行梯度信息融合,增强图像细节信息,再对融合图像使用CLAHE算法进行对比度增强,最后再使用双边滤波去噪声,得到最终增强图像。在自主构建的数据集上进行了实验研究,实验结果表明提出的方法显著提高锂电池X射线图像的清晰度和对比度,图像阴极线边缘轮廓有明显增强,在突出锂电池X射线图像边缘细节信息和增强图像对比度上,都要明显优于传统多尺度Retinex算法。