基于变换域注意力机制的压缩伪影去除的方法

图像有损压缩过程往往会导致图像质量退化,使图像出现压缩伪影。针对现有基于深度学习的方法缺乏对联合图像专家组(Joint Photographic Experts Group,JPEG)压缩算法先验信息的利用,提出一种基于变换域注意力机制的去伪影方法。该方法利用卷积神经网络在像素域和离散余弦变换(discrete cosine transform,DCT)域分别提取特征,再将双域学习的特征信息进行融合。利用量化表设计了DCT注意力机制,该模块根据DCT系数的损失程度给予各频率系数不同的权值,使网络自适应补偿量化引起的误差。于此基础上,在像素域引入通道注意力机制,从而更好地利用量化表的先验信息。在主要数据集上,提出的去伪影方法以固定的模型参数对多种质量因子的压缩图像进行伪影去除实验。实验结果表明,所提出的方法在各评价指标和主观视觉上取得较好的效果。     

一种基于多尺度分形新特征的目标检测方法

研究复杂自然背景下单帧图像的小目标检测问题.根据人造目标的分形特征随尺度变化比自然背景剧烈这一特点,提出一种多尺度分形新特征.该特征比标准分形维数更好地突出自然背景中的人造目标,对三种图像不同的背景干扰起到了较好的抑制作用.在多尺度分形新特征图像中采用局部直方图统计方法进行目标检测.实验结果表明,基于该特征的目标检测算法对复杂地面背景、海面背景的红外图像和电视图像具有较好的稳健性和普适性,能从单帧图像中较好地检测定位小目标,检测准确率达95%以上.     

基于双域信息的深度残差网络图像去噪

基于深度学习的去噪技术,通过考虑视觉伪影和整体平滑噪声,提高了图像的质量.然而,它们很少涉及边缘细节的恢复.为此,本文提出了一种基于双域信息的深度残差网络去噪模型,利用小波域信息与空间域信息的融合来扩展网络学习信息,通过在激活单元内引入多尺度学习和空洞卷积,以此提取图像特征,并减少了网络参数.为了进一步改善去噪结果,结合小波域损失和空间域损失构造联合损失函数,使得网络获取更多的边缘与细节.实验结果表明,本文提出的方法不仅可以有效去除图像噪声,而且可以更好地恢复图像纹理细节,在主观和客观评价中均获得了更好的结果.     

用于低剂量CT图像去噪的递归残差编解码网络

低剂量CT是减少对患者辐射风险的有效方法,但它会降低CT图像的质量,使得图像中含有噪声和条形伪影,影响医师的诊断。为了提高CT图像的质量,提出了一种浅层残差编解码递归网络,通过训练网络学习端对端的映射以获取优质图像。该网络通过减少残差编解码网络的层数以及卷积核的个数降低网络的复杂度,利用递归过程提升网络的性能。在每次递归时,都将原始的低剂量CT图像级联到下一次的输入,可有效地避免图像在多次递归后失真的问题,能够更好地提取图像特征,保留图像的细节信息。实验结果表明所提出的网络算法不仅可以在保留图像细节同时有效地减少低剂量CT图像中的噪声和伪影。     

基于小波分析和遗传算法的乳腺X线图像分割

首先运用维纳滤波对X线图像进行处理,可以有效地去除图像中的伪影和噪音。其次,利用多尺度小波对图像进行增强,有利于分割过程中取得更好的效果。最后,用小波变换对图像直方图进行处理,并根据遗传算法对图像中的疑似肿块进行分割。实验表明,该算法能更加快速、清晰地分割出肿块。     

一种基于层选择的弥散张量优化算法

为了从带伪影的弥散加权数据中重建更准确的张量,提出了一种基于层选择的张量优化算法.首先对弥散加权图像中常见的3种伪影(波状、层间运动和对比度伪影)进行定性分析,分别提取3种对应的特征(小波标记、相似度和相关性)来识别这些伪影,从而区分出正常图层和伪影图层.然后,利用正常图层数据进行张量重建.模拟实验结果验证了这3种特征对弥散加权图像中相关伪影判断的有效性,且对波状伪影和层间运动伪影的判断率均大于90%.真实数据实验结果表明,与类似算法相比,所提算法可以更好地改善部分各向异性伪彩图中的偏色现象,在白质结构分析中提供了更准确的方向信息.     

基于multi-FPN的遥感目标检测方法

遥感图像的目标检测一直是计算机视觉领域中重要的任务之一,遥感图像中的目标大多具有尺度多样、排布密集、背景复杂等特点,给特征提取带来了很大的困难,进而影响检测的性能。为了解决此问题,本文提出了一种基于多重特征金字塔网络(multi-FPN)的遥感图像目标检测方法,该方法采用残差网络作为主干网络,在特征金字塔网络(FPN)的基础上加入跨层连接结构,改变上采样金字塔的输出层级,进一步地增强了特征的传播和重用;同时,采用双线性插值法替代原本的最邻近插值法,使得特征上采样效果更好。通过实验表明,该方法检测性能良好,在公开遥感图像数据集NWPU VHR-10上平均检测精度达到91.92%。     

基于图像高维特征压缩映射的混凝土表面裂缝检测算法

在复杂背景下,基于单一朴素特征表示的混凝土裂缝检测算法易受光照、背景杂波的干扰.利用多种图像区域特征描述子可以提取混凝土图像区域大量丰富的纹理特征,取得良好的裂缝病害检测效果.然而高维度的图像区域特征向量给后续的裂缝分类检测过程带来巨大的存储与计算负担.针对此问题,提出一种基于图像高维特征压缩映射的混凝土表面裂缝检测算法.基于Johnson-Lindenstrauss引理,本文算法可以利用较少的区域特征向量获得关于裂缝与非裂缝区域具有良好区分度的特征描述.在高维特征压缩映射的基础上,进一步利用最小二乘支持向量机快速准确地判断出裂缝与非裂缝样本.通过在实际采集的混凝土图像数据集上进行测试验证,本文算法的训练效率比高维样本模型训练快150多倍,同时裂缝病害区域检测准确率为90.3%、召回率为91.2%,优于其他对比裂缝检测算法.      

逆滤波在消除磁共振图像运动伪影中的仿真和应用研究

由于自主运动、呼吸和器官搏动等原因,在磁共振成像过程中会造成运动伪影.该文对脑部、胸部和腹部磁共振图像仿真出不同的运动伪影,通过逆滤波方法和位移纠正来消除运动伪影和复原原始图像.实验结果表明,该文方法可以较好地消除运动伪影并复原原始图像.     

基于残差注意力机制的图像超分辨率算法研究

针对传统单幅图像超分辨率重建算法未能充分利用浅层特征信息,忽略视觉目标中的空间结构信息,难以捕捉特征通道与高频特征信息之间的依赖关系,重建图像出现伪影、边缘模糊的问题,提出一种基于残差网络和注意力机制的图像超分辨率重建算法。该模型特征提取部分结合WDSR-B(Wider Activation Super-Resolution B)残差网络增强特征信息在网络中的流通,通过坐标注意力机制对特征参数加权,引导网络更好地重建高频特征,恢复图像细节。实验结果表明,4倍图像重建下,在Set5和Set14测试集上的峰值信噪比(PSNR:Peak Signal to Noise Ratio)为31.00 dB、28.96 dB,结构相似性(SSIM:Structural Similarity)为0.893、0.854,重建后的图像在细节、轮廓方面均表现更好,优于其他主流超分辨率重建算法。     

高频特征与全局交互的人脸伪造检测

人脸伪造技术在娱乐大众的同时也对多媒体信息安全造成了很大威胁。针对现有的人脸伪造检测技术未考虑图像内容交互及压缩处理丢失伪造痕迹的问题，提出了一个基于高频特征与全局交互的深度人脸伪造检测方法。首先，利用缩放局部自注意力机制捕获像素之间的空间交互，实现全局交互。其次，利用高通滤波器放大高频微妙伪影，提高对压缩伪造内容的检测准确度。最后，结合空间域与频域信息，最大程度地捕捉图像上下文信息，有效提高模型的泛化性。在FaceForensics++和Celeb-DF数据集的实验结果表明，所提出方法比之前的方法具有更好的检测效果和泛化性能。     

基于局部多分辨特征的SAR图像自动目标识别

合成孔径雷达(SAR)图像自动目标识别是图像识别领域的一个重要方向。受视觉细胞感受野模型的启发,该文提出了一种从图像局部点出发,对图像进行多分辨分解的图像处理方法。采用一组简单的八邻域正交基对图像进行多级滤波采样处理,得到原图像的多级类Gauss差分图像尺度空间,并将其应用到MSTAR数据集中的SAR图像目标的特征提取;同时,基于多级特征的整合思想,运用基于多尺度核方法的SVM模型,对不同级别图像特征采用不同尺度的核函数分别映射,然后进行合成,实现多类目标的分类。对MSTAR数据集的实验结果表明,该方法具有很高的正确率,并且实现简单快速。此外,该方法还可方便地应用于SAR图像场景中多类、多个目标的分割与自动目标识别,并且对相干斑噪声具有较强的鲁棒性。     

he Image Coding Method for Wavelet Multisolution Analysis

提出了一种利用小波多尺度分解和高效的JPEG压缩技术相结合压缩图像数据的新方法，实验结果表明利用该方法对图像进行压缩可以去除人的视觉系统不敏感的图像冗余信号，达到了高压缩比和较好的图像恢复视觉效果.     

小波多尺度分解的图像数据压缩方法

提出了一种利用小波多尺度分解和高效的 Ｊ Ｐ Ｅ Ｇ 压缩技术相结合压缩图像数据的新方法,实验结果表明利用该方法对图像进行压缩可以去除人的视觉系统不敏感的图像冗余信号,达到了高压缩比和较好的图像恢复视觉效果．     

基于深度特征融合的红外弱小目标检测方法

红外弱小目标具有信噪比低、目标尺寸小、特征不明显等特点,加之场景复杂度不断提升,杂波干扰严重,导致现有的红外弱小目标检测方法在面对复杂场景时性能衰减。综合手工方法提取目标单一的显著特征及深度学习方法提取图像综合特征的优势,设计了基于深度学习的红外弱小目标深度特征融合检测网络模型。首先,模型利用多尺度自适应特征提取网络来提取红外图像中弱小目标的原始特征与平滑度图像中弱小目标的平滑度特征;其次,为提高目标显著度,提出了一种多层级联特征融合策略,实现特征提取网络中小目标原始特征与平滑度特征的融合;最后,利用多层级联特征融合映射网络对红外弱小目标进行特征映射与背景抑制,获得背景杂波被极大抑制的红外弱小目标特征映射图像。实验结果表明,同现有的基于深度学习与基于手工特征的检测方法相比,所提出的检测方法在各种复杂的场景中都拥有较高的准确率及较低的虚警率,同时拥有较快的检测速度。     

自然场景图像中基于视觉显著性的文本区域检测

从自然场景图像中抽取文本信息有利于场景图像的内容分析.文中根据图像中文本通常在局部区域具有显著性的特点,提出多尺度包围盒视觉显著性模型,并利用该模型设计一种可以融合边缘和纹理信息的候选文本检测方法.首先在Lab颜色空间构造基于边缘和纹理信息的图像同质性,并利用它将图像映射到同质性空间;然后根据多尺度包围盒视觉显著性模型求Lab颜色空间的同质性均值图像;最后求同质映射图像与同质性均值图像的加权欧氏距离,将其作为显著性度量,以提取文本区域.自然场景图像的实验表明:与单纯利用边缘检测或同质性映射进行文本检测的方法相比,文中提出的方法能够更好地抑制背景的干扰,这有利于进一步将文本区域与背景剥离,进行更精确的文本定位.     

小波多尺度分解的图像数据压缩方法

提出了一种利用小波多尺度分解和高效的ＪＰＥＧ压缩技术相结合压缩图像数据的新方法。实验结果表明利用该方法对图像进行压缩可以去除人的视觉系统不敏感的图像冗余信号，达到了高压缩比和较好的图像恢复视觉效果。     

基于动态引导滤波的多尺度图像融合算法

该文基于动态引导滤波器(RGF)提出了一种新的图像多尺度表示方法,并将其应用到图像融合技术中。首先,使用RGF将输入图像用多种尺度的子图表示;然后,基于显著性检测获得输入图像的权重映射;最后使用基于递归滤波的加权融合方法得到最后的融合图像。多组图像融合实验的比较结果表明,相比于其它基于多尺度分解的融合算法,本文提出的融合算法更好地保持了输入图像的细节信息,融合图像的视觉效果更好。     

基于Retinex的亮度-梯度协同引导色调映射算法

针对梯度域色调映射方法在图像主观显示性能方面存在的不足,利用人类视觉系统的感知能力和梯度域方法,提出一种基于Retinex理论的亮度-梯度协同引导色调映射算法.首先,提出作用域感知的自适应归一化方法,针对不同作用域算法构造归一化映射;然后,引入Retinex亮度引导项对背景亮度进行估计,并基于梯度引导项对图像进行动态范围压缩;最后,将亮度、梯度引导项联合进行统一建模,用指数平均局部方差权重抑制光晕.实验结果表明,该算法在动态范围压缩的同时抑制了过饱和与伪影现象,具有良好的视觉效果和鲁棒性.     

基于伪影模板的术后电极定位方法

术后电极位置及轨迹信息是脑深部刺激临床疗效评估的有效工具,但是核磁图像中电极伪影严重地影响了术后电极位置的准确估计。该文提出基于核磁图像电极伪影估计术后电极位置的方法,进而确定电极与靶点核团之间的位置关系,有助于明确治疗疗效与电极定位之间的联系,更好地指导外科医生规划最佳植入通路和程控。进行了电极伪影体模实验和分析了10名帕金森病患者脑部核磁图像,结果表明:该方法可以测量电极在丘脑底核中的位置,并具有较小测量误差。