【摘 要】
:
随着近几年移动拍摄设备的兴起,图像去模糊逐渐在计算机视觉领域引起广泛关注。图像模糊是由于众多原因造成的,例如相机抖动、物体运动,进而导致图像出现伪影,图像质量下降。已有的去模糊算法将模糊图像建模为清晰图像与模糊核卷积的结果,并根据是否已知模糊核分为盲图像去模糊算法和非盲图像去模糊算法。在实际生活中,模糊核通常是未知的,因而盲图像去模糊方法具有更高的研究背景与应用价值。盲图像去模糊算法中,从一幅模糊
论文部分内容阅读
随着近几年移动拍摄设备的兴起,图像去模糊逐渐在计算机视觉领域引起广泛关注。图像模糊是由于众多原因造成的,例如相机抖动、物体运动,进而导致图像出现伪影,图像质量下降。已有的去模糊算法将模糊图像建模为清晰图像与模糊核卷积的结果,并根据是否已知模糊核分为盲图像去模糊算法和非盲图像去模糊算法。在实际生活中,模糊核通常是未知的,因而盲图像去模糊方法具有更高的研究背景与应用价值。盲图像去模糊算法中,从一幅模糊图像中估计清晰图像和模糊核是一个病态问题,需要构造先验对图像和模糊核加以约束。本文基于图像结构和像素分布统计,围绕图像高频信息构造图像感知先验,深入研究了均匀图像去模糊和非均匀图像去模糊。本文的贡献主要有以下四个方面:(1)研究了分割边缘质量与图像模糊间的联系,针对模糊图像边缘恢复困难的问题,提出了基于超像素分割的边缘感知先验,并通过信息熵将其嵌入去模糊算法框架中。由于信息熵具有凸性,本文采用了最速下降法结合半二次方分裂法(HQS)完成优化。该方法能够通过超像素分割提取边缘信息,描述图像分割边缘的锐利程度,并根据边缘的模糊程度自适应的完成去模糊。结果表明该方法在简单图像去模糊中优于其它算法。(2)基于人眼对模糊图像内容感知不同,提出了一种基于图像内容感知的去模糊方法。该方法通过构建权重矩阵对数据保真项进行加权,显式的对不同图像内容施加不同的关注度。同时,本文还提出了一个统计先验约束权重矩阵,并通过半二次方分裂法和共轭梯度法完成目标函数的优化。所提出的方法通过权重矩阵优先估计图像边缘和图像细节,更好地估计模糊核和清晰图像。结果表明该方法能够增强边缘的锐利程度,提高图像的恢复质量。(3)针对图像去模糊容易受到图像噪声影响的问题,提出了一种基于图像噪声感知的去模糊方法。该方法通过引入去噪器抑制去模糊过程中产生的噪声,防止因过度拟合噪声而影响图像结构估计。同时,通过交替方向乘子法(ADMM)将不可微的去噪器引入能量函数构造了即插即用先验并完成优化。所提出的方法能够在去模糊中自适应的识别图像噪声并降低其对模糊核估计的影响。结果表明该方法能够抑制迭代过程中产生的噪声,PSNR和SSIM优于其它最新算法。(4)针对图像非均匀模糊中模糊核难以估计的问题,提出了一种基于图像运动感知的去模糊方法。传统算法假设图像模糊具有一致性,而非均匀模糊不同区域的模糊程度和运动方向不同。本文提出了一个基于图像运动感知的双向多尺度去模糊网络,该网络根据模糊程度自适应增强对不同区域的去模糊关注度,提高恢复图像边缘的锐利程度,从而更好地完成非均匀图像去模糊。结果表明该方法恢复得到的去模糊图像优于其它最新深度学习算法。
其他文献
作为智慧交通的基础,车联网正成为新时代下技术创新与产业变革的新蓝海,以“软件定义”、“智能网联”为特征的新汽车产业形态正在加速形成。通过车联网中的信息共享与信息处理,可以有效地缓解交通压力,提升社会交通服务的智能化水平。然而,由于车联网通信通常运行在开放网络环境中,车联网环境中的用户隐私和数据安全受到了极大的威胁。与此同时,汽车的高移动性也使得车联网通信的实时性和高效性面临着新的挑战。本文基于密钥
目前,远程医疗中的隐私保护问题是一个亟待解决的问题。在远程医疗系统中,使用属性基加密可以很好地解决数据隐私和身份隐私的问题。由于密文策略属性基加密使用户可以自主选择文件访问者的属性,实现更灵活的细粒度访问控制,因此,密文策略属性基加密更适用于远程医疗系统。但是,在远程医疗中使用密文策略属性基加密,通常存在以下两个问题:(1)属性基加密虽然保证了用户数据隐私,但是用户上传的大量医疗文件之间存在较强的
在线签名被广泛地应用于银行、政府、法律系统和移动商务的个人身份验证中,所以一个健壮的在线签名验证系统是十分重要的。目前,虽然在签名验证算法中有许多突破性的进展,但是依旧没有达到一个较好的验证精度。这是由于个体签名在不同时间点的随意性、差异性会造成同一人签名有极大的内类差异。并且如果有伪造者通过练习模仿,会使得伪造签名与真实签名难以区分。基于上述难题,本文使用深度学习方法提出了两种算法,通过提取具有
在远程预警和空间监视等领域,红外弱小目标检测和跟踪一直是一项重要任务。由于红外系统的成像距离较远,与红外图像背景相比,真实目标只占极其小的一部分,可使用的纹理、颜色、形状特征十分匮乏。同时,天气、成像系统等因素造成的噪声也在不同程度上影响红外弱小目标的能量强度和分布。现有的红外弱小目标检测算法在面临复杂背景时鲁棒性较差,存在漏检多、虚警高的情况。注意到红外图像的背景环境具有丰富特征的特点,围绕卷积
近年来随着以比特币为代表的加密货币受到国际国内的广泛关注,使得其底层区块链技术得到了持续的创新发展与应用。区块链技术作为一种全新的分布式基础架构与计算范式,能够在缺乏第三方信任的机制下实现多方共识,不仅为数据隐私保护和安全传输提供了全新的技术支持,同时还提高了价值交互的效率并降低了成本。共识算法作为区块链的核心技术之一,具有维护区块链系统稳定运行和节点相互信任的重要作用,保障了区块链数据的可验性和
边缘检测可以保留二维图像的重要特征,降低二维图像的信息量,从而应用于行人检测和无人驾驶等领域。现有的边缘检测方法往往会有一些共同的缺点:边缘不连续、弱边缘、易受噪声影响、梯度阈值设置困难等。动态阈值神经P系统(简称DTNP系统)是一种分布式并行计算模型,它拥有局部区域神经元的协同点火与动态阈值机制。通过对原始彩色图像进行颜色空间转换和多尺度处理,计算出边缘特征,将这些信息输入构造好的DTNP边缘检
人们对一件事情的看法越来越多地受到社交媒体(如Tweet,Facebook,微博等)的影响,这些事件往往涉及政治、经济、社会等方方面面。了解社交网络中的邻居如何形成自己的意见,不同用户之间的观点是如何被影响的,对互联网舆情的引导,对社会的稳定至关重要。同时,了解人们的意见形成机制,对产品的营销、信息的传播、观点的引导等起着促进作用,在这些相关领域中关键节点扮演了十分重要的角色。现有的关键节点发现与
近年来,社交网络平台成为舆情发酵和爆发的主要阵地,众多突发事件和热点话题在微博上引发轩然大波,也有更多网民通过社交平台来表达诉求。部分事件由于涉及政治、民生等话题,短时间内能在网络中引起巨大轰动,此类事件如果不及时发现并及时处理可能会给政府和媒体带来极大的负面影响,严重时还会影响社会稳定。舆情的爆发与参与其中的公众关系紧密,由于个人的观点在网络中自由地表达,同时和其他网民进行了充分交流,使得舆情传