基于注意力残差编解码网络的动态场景图像去模糊

动态场景下的图像去模糊技术是一个具有挑战性的计算机视觉问题。模糊图像不仅影响主观感受,还会影响后续的智能化分析的性能。提出了一种基于注意力残差编解码网络的动态场景图像去模糊方法。首先,编码阶段采用多个残差模块提取特征,加入空间注意力模块感知模糊的空间位置信息;其次,通过在网络中采用全局-局部残差连接策略融合多层卷积特征,减少信息丢失;最后,解码阶段生成具有清晰边缘结构的复原图像。实验结果显示,提出的算法在公开数据集上获得的峰值信噪比值为31.76 dB,结构相似性值为0.912。客观和主观质量评估表明,本文算法能够有效地复原包含丰富边缘轮廓信息的清晰图像,在对比算法中获得最优的性能。     

基于新的Hessian近似矩阵的稀疏重构算法

一般来说,基于二次近似模型的优化算法具有良好的数值表现.然而,当基于二次近似模型的优化算法求解大规模优化问题时,若使用稠密矩阵近似目标函数在迭代点的Hessian矩阵,需要花费大量的计算成本和存储成本,因此设计Hessian矩阵合适的标量近似矩阵特别重要.对于正则化模型,利用最近三次迭代的信息,设计粗糙的标量矩阵,使用拟牛顿公式进行更新,结合近似最优梯度法的思想和梯度法的延迟策略,构造Hessian矩阵新的含有更多二阶信息的标量近似矩阵.结合非单调线搜索,提出基于新的Hessian近似矩阵的稀疏重构算法,并进行收敛性分析.实验结果表明,与经典稀疏重构算法算法相比,基于新的Hessian近似矩阵的稀疏重构算法在重构效果相似的情况下能较大地减少迭代次数和较快地重构信号.     

用于计算成像系统的基于信噪比自适应估计的图像去模糊研究

实现有效的图像去模糊对提高基于球面光学的计算成像系统性能具有极为重要的意义。分析了球面光学系统中的成像模糊模型,并介绍了基于维纳去卷积的图像去模糊算法。针对基于维纳去卷积的图像去模糊需要准确地估计模糊图像信噪比的问题,提出了一种新的基于图像去噪的图像信噪比自适应估计算法。分别使用Zemax光学仿真软件获得的图像和研制的基于球面光学的计算成像系统原理样机获得的图像开展实验研究,结果表明提出的算法能准确地估计出模糊图像的噪声方差和信噪比,利用估计得到的信噪比,使用维纳去卷积能得到比较理想的图像去模糊结果。因此,结合提出的方法,基于球面光学的计算成像系统能得到清晰的高分辨率图像。     

解非负约束图像去模糊问题的积极集方法

研究非负约束全变分图像去模糊问题,提出了一个基于增广拉格朗日方法的积极集方法,并证明了该方法在有限步内可求解,进一步推出该方法等价于解非光滑方程组的半光滑牛顿法.