基于DeblurGAN的文本图像去模糊算法

为了去除文本图像的模糊,对比了几种常用的去模糊算法后,使用效果更加优秀的Deblur-GAN生成对抗网络算法对模糊文本图像去模糊,并对原算法进行了多处改进以满足文本图像去模糊的要求.实验表明改进后的DeblurGAN的去模糊效果有明显提升.     

无人机视角下的红外图像去模糊算法

针对油气长输管道采用无人机巡检时所拍摄的红外图像去模糊问题,本文利用图像通道的先验知识提升模糊图像质量,分别基于双边滤波和非盲去模糊网络NBDN去除人工伪影的方法达到更佳的图像复原效果。首先,基于暗通道先验知识,在最大后验的优化框架中添加暗通道的L_0正则项;然后使用图像梯度的L_0正则项,代替图像像素的L_0正则项作为潜在图像的正则化约束,使用迭代交替估计图像模糊核和中间潜在图像;采用半二次分裂方法和查表法间接优化求解,估计中间潜在图像;采用双线性插值估计图像模糊核,通过对图像进行上下采样,构建图像金字塔,进而利用共轭梯度法直接优化求解。最后,利用估计的模糊核,使用基于超拉普拉斯先验的图像非盲去模糊方法得到潜在图像I_1;使用基于L_0正则化的非盲去模糊方法得到潜在图像I_0;计算估计的潜在图像I_1和I_0之间的差值映射,从I_1中减去双边滤波过滤后的差分图,得到最终的潜在图像I。将本文算法在低照度图像、含有饱和像素的图像、真实图像以及红外摄像图等图像数据上进行实验,相对于其他图像去模糊算法,实验结果表明本文提出的方法在多种模糊图像复原效果上,均具有较强的竞争力。     

基于低分辨率图像约束的BTV图像去模糊算法

多帧图像超分辨率重建算法为了简化算法复杂度,将整个图像重建过程分为数据融合与图像去模糊两步.然而,数据融合过程会丢失一些弱小细节信号,直接使用常规图像去模糊方法是无法将其复原的.为此,提出将低分辨率图像约束（LRIC）引入基于双边全变分（BTV）的图像去模糊优化,并利用梯度下降法求解,获得了BTV-LRIC算法.实验表明,对于不同图像内容或数据融合算法生成的数据融合图像,BTV-LRIC法获得的复原图像在视觉效果和客观评价上均优于TV法和BTV法.      

基于Matlab的图像复原算法的研究

图像在获取、传输和存储过程中由于受多种原因如模糊、失真、噪声等的影响,会造成图像质量的下降.在对目前有关数字图像复原技术的文献进行理解和综合的基础上,本文主要对EM算法、维纳(Wiener)滤波和NAS-RIF算法进行了探讨,同时对上述算法进行了仿真实现,并分析了实验的结果.     

基于MATLAB的数字图像恢复

本文介绍了基于MATLAB 实现图像恢复的一些基本方法,及其相关的Matlab工具箱函数、deconvwnr 函数、deconvreg 函数、dconvlucy 函数、deconvblind 函数的用法,并重点对盲解卷积恢复的图像失真情况做了改善.     

新结构重心法去模糊单元电路设计

为解决模糊控制器电路设计中的去模糊运算问题,提出了一种数模混合电路实现的模糊控制器去模糊运算单元电路设计。通过对折叠型G ilbert乘法器电路作适当的扩展,提出了多路乘法器的设计,实现了多个输入电压与一个共同的乘数电压的乘法运算,并应用该多路乘法器和运算放大器设计了归一化激活度计算电路。应用归一化激活度计算电路和加权求和电路组成了该新结构的去模糊单元电路。采用无锡上华0.6μm混合信号工艺参数设计完成。H sp ice模拟结果表明该单元电路可以完成去模糊运算工作,并作为子单元电路应用于模糊控制器的VLS I实现。     

结合优化算法的神经网络图像复原算法

提出了用遗传算法优化的神经网络和PSO算法优化的神经网络图像复原算法,并对它们的复原效果进行了比较.先用优化算法对神经网络的结构进行优化,然后利用优化后的神经网络的学习和泛化能力,用一组样本图像对网络进行训练,建立退化图像与原图像之间的非线性映射关系,最后用训练好的进化神经网络对待复原的退化图像进行图像复原.实验结果表明复原的图像无论在主观视觉还是定量分析上都取得了很好的效果.     

基于高分辨率特征保持的图像去模糊

基于深度学习的方法在去模糊领域已经取得了很大的进展,但目前的CNN结构通常会对特征图进行下采样,导致图像特征在网络学习过程丢失.针对这些问题,本文设计了一种基于高分辨率特征保持的图像去模糊网络,与现有的串行连接由高-低分辨率图像特征图不同,所设计网络并行连接由高至低各分辨率特征子网络,而无需经过由低分辨率到高分辨率的重...     

一种非对称的轻量级图像盲去模糊网络

针对现有图像去模糊算法存在细节模糊不清、计算资源占用较大且图像处理速度较慢等问题,提出一种轻量级的图像盲去模糊网络.首先,网络主体使用多尺度架构,将不同分辨率的图像输入网络,通过循环处理逐步优化细节;其次,设计非对称结构以加强编码器的特征提取能力和解码器的特征融合能力.在编码器中,提出混合多尺度卷积层和残差金字塔模块,以强化特征提取并减少网络的参数量;在解码器阶段,使用跳跃连接引入深层语义,并提出多尺度联合结构损失函数进行优化.最后,在两个广泛使用的数据集GoPro和Kohler上使用两种评价指标,将该方法与其他经典方法进行性能对比.实验结果表明,该网络的去模糊效果优于传统方法以及其他经典深度学习方法,不仅在峰值信噪比(PSNR)和结构相似性(SSIM)上均有一定提升,且处理时间更短.     

基于Gabor的维纳滤波去模糊

数字图像复原旨在由降质图像重建清晰图像,运动模糊是最常见的降质模式,模糊参数的正确估计是去模糊的前提.文章提出了新的运动模糊角度估计方法,该方法基于Gabor滤波的角度估计,运动模糊尺度采用自相关函数算法求解,进而采用Wiener滤波进行图像复原.对一系列模糊图像进行测试,结果表明,该方法比现有的方法具有视觉上的优越性.     

图像超分辨率重建算法比较研究

针对超分辨率重建技术的基本理论以及研究现状给予了综述性研究,对当前的主要算法进行了比较分析.     

医学图像增强算法研究

简要介绍医学图像增强的概念和主要目的.从传统图像增强算法、基于区域的增强算法和基于小波变换的增强算法三方面对医学图像增强算法进行讨论.最后介绍图像增强效果的评价方法.     

三种优化分形图片压缩算法比较分析

分形图像压缩(FIC)是基于局部迭代函数系统(PIFS)的图像压缩算法,即用自然景物的自相似性来进行数据压缩;但是巨大的耗时量限制了其实际应用;FIC的耗时量主要体现在以下几方面:每一个值域块的最优匹配块的搜索都要在所有的定义域块中进行,需要花费大量的时间;计算、量化、存储所有的仿射变换参数;图像分割过程;为了克服FIC计算成本高的缺点,采用了遗传算法、蚁群算法和粒子群算法减少寻找相似定义域块的搜索空间,加快编码速度;实验结果表明:优化后的FIC能有效地减少编码时间同时保持峰值信噪比。     

植物叶片图像边缘检测Canny/SUSAN算法比较

植物叶片图像的边缘检测是基于图像分析的植物叶片识别技术中的重要环节.图像边缘检测算法的合理选取与叶片识别的准确度紧密相关.运用Canny算法和SUSAN算法分别对10种具有典型叶形特征的植物叶片图像进行边缘检测,并作主观分析和客观评价.结果表明,植物叶片的叶形和叶脉特征对算法效果的影响较大,在实际应用中应考虑这2种算法对叶形的选择性.     

二值图像噪声控制的算法实现

介绍二值图像噪声控制的实现思路,给出二值图像噪声控制实现的2个方法：种子填充算法和扫描线算法,分析比较2个算法实现的效率。结果表明,扫描线算法的效率比种子填充算法高。     

一种用于射电天文图像重建的自适应尺度算法

为了解决在成像过程中反卷积点扩展函数所带来的模糊效应,提出一种新的图像重建算法.新算法利用高斯函数分解模型,能够有效解决基于Delta函数分解模型所引起的问题,并在重建延展源和致密源方面具备更好的效果.通过VLA模拟观测数据对算法进行测试,并与现有的2类图像重建算法进行比较,结果表明,新算法能够有效平衡现有的反卷积算法的计算复杂度和性能问题,能对图像进行更加精确建模,具有更好的图像重建性能.     

图像边缘检测算法的比较与分析

图像边缘检测是图像处理和模式识别领域研究的重要课题.介绍了几种经典边缘检测算子,对其性能和算法特点进行了分析.运用Matlab进行了算法的仿真,结果表明LOG算子比Sobel和Prewitt两个算子检测出的图像边缘更为连续,也比较细小.     

图像平滑的快速算法

根据权矩阵的结构特点，提出了矩形窗口加权平滑的快速算法，充分利用相邻窗口相同运算的中间结果，显著减少了窗口运算的乘法和加法次数．提出了中值滤波的快速算法，利用已滤波的上一窗口和左一窗口的排序信息，缩短了排序过程，大幅度地减少了比较运算次数．     

Variational Models for Color Image Inpainting and Their Split Bregman Algorithms

Image inpainting is an important part of image science,but in the past,researches were focused on gray value image inpainting.In this paper,we investigate the inpainting effects of some variational models of color image diffusion.Five variational models for color image inpainting are proposed and their Split Bregman algorithms are designed.Their regularizers are LTV(Layered Total Variation) regularizer,CTV(Color Total Variation) regularizer,MTV(Multichannel Total Variation) regularizer,PA(Polyakov Action) regularizer and RPA(Reduced Polyakov Action) regularizer respectively.In order to compare their performances,we use the same data term...Some numerical experiments show the differences of the above mentioned models for color image inpainting.