基于主动判别机制的自适应生成对抗网络图像去模糊算法

针对现有图像去模糊算法在处理边缘丢失时出现弥散和伪影以及在视频处理中使用全帧去模糊方式导致不满足实时性需求的问题，提出一种基于主动判别机制的自适应生成对抗网络图像去模糊（ADBGAN）算法。首先，提出一种自适应模糊判别机制，开发了自适应模糊处理网络模块对输入图像进行模糊先验判断。在采集到输入时提前判断输入图像的模糊程度，从而剔除足够清晰的输入帧以提升算法运行效率。然后，在精细特征提取过程中引入注意力机制中的激励环节，从而在特征提取的流程中进行权重归一化来提升网络对精细特征的恢复能力。最后，在生成器架构中改进了特征金字塔精细特征恢复结构，并采用更轻量化的特征融合流程提高运行效率。为验证算法的有效性，在开源数据集GoPro和Kohler上进行了详细的对比实验。实验结果显示，在GoPro数据集中ADBGAN的视觉保真度是尺度循环网络（SRN）算法的2.1倍，并在峰值信噪比（PSNR）上较SRN算法提升了0.762 dB，具有良好的图像信息恢复能力；在视频数据处理时间上ADBGAN大幅超越了测试的所有算法，实测处理时间较SRN减少了85.9%。ADBGAN能够高效生成信息质量更高的去模糊图像。     

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。     

模糊图像的自适应滤波及恢复

文章讨论如何根据最小二乘原理和回归模型设计出自适应滤波器，以用于消除图像噪声。提出了一种基于模糊图像的梯度图像计算模糊宽度的方法。根据基本原理，讨论分析了实现该方法的算法。最后给出了对带噪声的散焦模糊图像处理的实验结果。     

基于振铃约束的全变差正则化图像去模糊算法

当前去模糊方法只利用图像单一的稀疏特性作为先验信息,忽略了伪边缘(如振铃瑕疵)对模糊核估计的影响,导致其去模糊性能不佳.本文充分利用复杂结构图像的先验信息,设计了振铃约束下的全变差正则化图像去模糊算法.首先,利用多分辨率图像金字塔策略建立多层图像模型,通过对比模糊图像和潜在清晰图像来获得振铃先验信息.其次,将振铃正则约...     

基于深度学习的输电线路耐张线夹倾斜缺陷定量检测

针对输电线路中耐张线夹的倾斜缺陷，未能准确地去模糊处理所获取输电线路图像的问题，提出了基于深度学习的输电线路耐张线夹倾斜缺陷定量检测方法.结合冲击波滤波器与双边滤波器对获取的输电线路图像去噪处理，通过正则化方法估计模糊核.同时利用引导滤波器分解去模糊后的输电线路图像来获得细节层与基本层，分别进行伽马变换.将预处理后的输电线路图像输入至深度学习网络中，提取耐张线夹的倾斜缺陷特征，完成对缺陷的定量检测.实验结果表明，所提方法的准确率可保持在90%以上，且召回率、AP值及F₁指标均较高，具有良好的检测性能.     

基于二阶梯度的暗通道先验盲图像去模糊

盲图像去模糊的目的是通过迭代在模糊核未知的情况下，从模糊图像中恢复出清晰图像。当真实图像具有较少的暗像素时，暗通道先验算法不能产生令人满意的结果。实验中发现，二阶梯度(海森矩阵)中元素的绝对值随着图像逐渐模糊而减小。利用这一特点，提出一种基于L1正则化二阶梯度的暗通道先验盲图像去模糊算法模型。首先，展示了算法相关的理论证明，通过实验说明海森矩阵在保留边缘细节以及图像细节方面的可行性，其次在暗通道去模糊模型的基础上，引入二阶梯度项并施以L1范数约束。然后采用半二次分裂策略来解决该非凸优化问题，最后，使用快速傅里叶变换求得最终的清晰图像和模糊核。实验结果表明，该算法能够在抑制噪声的同时很好地保护图像的边缘细节和消除振铃伪影，并且在合成图像和自然图像上都比现有的图像去模糊方法鲁棒性更强，并且性能良好。在自然图像数据集中SSIM值平均提高了10%以上。     

基于双路残差连接Transformer的图像去模糊研究

针对现有图像去模糊算法提取特征多样性不足，细节恢复能力有限的问题，提出双路残差图像去模糊模型DTCM。首先，设计了双路残差连接网络，以增加特征信息的丰富度；其次，引入Swin Transformer作为集成推理模块，用于突出主要特征、减少信息冗余，并在此基础上与卷积神经网络相结合，提出改进的SWT-C层，增强模型捕获长期依赖关系的能力；最后，引入金字塔卷积神经网络重建图像。实验结果表明，所提模型在多种运动模糊场景下均取得了较好的恢复结果。