基于相对生成对抗网络的低清小脸幻构

针对当前代表性低清小脸幻构方法存在的视觉真实感弱、网络结构复杂等问题,提出了一种基于相对生成对抗网络的低清小脸幻构方法(tfh-RGAN).该文方法的网络架构包括幻构生成器和判别器两个部分,通过像素损失函数和相对生成对抗损失函数的联合最小化,实现生成器和判别器的交替迭代训练.其中,幻构生成器结合了残差块、稠密块以及深度可分离卷积算子,保证幻构效果和网络深度的同时降低生成器的参数量;判别器采用图像分类问题中的全卷积网络,通过先后去除批归一化层、添加全连接层,充分挖掘相对生成对抗网络在低清小脸幻构问题上的能力极限.实验结果表明,在不额外显式引入任何人脸结构先验的条件下,该文方法能够以更简练的网络架构输出清晰度更高、真实感更强的幻构人脸.从定量角度看,该文方法的峰值信噪比相较之前的若干代表性方法可提高0.25～1.51 dB.     

基于各向异性MRF建模的多帧图像 变分超分辨率重建

 本文首先研究设计出结构自适应的各向异性数字滤波器,同时导出广义各向异性MRF(Markov Random Field)图像模型.它继承了各向异性数字滤波器的滤波性能,是对双边全变差模型以及经典 MRF模型的有效改进.随后,提出各向异性模型驱动的联合估计亚像素运动和高分辨率图像的变分超分辨率重建算法.实验结果显示,本文算法具有更优的噪声抑制和边缘保持性能.     

基于相对生成对抗网络的低清小脸幻构

针对当前代表性低清小脸幻构方法存在的视觉真实感弱、网络结构复杂等问题,提出了一种基于相对生成对抗网络的低清小脸幻构方法(tfh-RGAN)。该文方法的网络架构包括幻构生成器和判别器两个部分,通过像素损失函数和相对生成对抗损失函数的联合最小化,实现生成器和判别器的交替迭代训练。其中,幻构生成器结合了残差块、稠密块以及深度可分离卷积算子,保证幻构效果和网络深度的同时降低生成器的参数量;判别器采用图像分类问题中的全卷积网络,通过先后去除批归一化层、添加全连接层,充分挖掘相对生成对抗网络在低清小脸幻构问题上的能力极限。实验结果表明,在不额外显式引入任何人脸结构先验的条件下,该文方法能够以更简练的网络架构输出清晰度更高、真实感更强的幻构人脸。从定量角度看,该文方法的峰值信噪比相较之前的若干代表性方法可提高0.25～1.51 dB。     

一种自适应路面图像模糊增强算法

针对传统的图像模糊增强算法增强强度小、处理灰度层次变化丰富的图像效果不佳以及控制参量难以设置等问题,提出了一种新的图像模糊增强算法.首先对局部窗口中像素点进行基于邻域一致性模糊熵测度的分类,并以分类为依据,对每个像素点均确定一最佳渡越点.对模糊隶属度函数也进行了研究改进,设计的函数具有良好的曲线形状,并通过调整控制参量,使渡越点的位置和函数曲线进行最佳的结合,能通过少量的迭代次数获得较好的增强效果.在模糊逆映射上,采用线性逆变换函数,保持了模糊映射所带来的增强效果,并消除了由于截断带来的灰度信息的损失,在运算效率上也得到了提高.新算法对灰度变化丰富的路面图像的增强取得了良好的效果,并且控制参量均为自适应计算,不需进行人为干预,具有很好的通用性.     

基于结构张量图像建模方法的滤波性能研究

主要研究结构张量驱动的变分偏微分方程(variational Partial Differential Equation; variati0nal PDE)图像建模方法的滤波性能.基于角形强度度量和水平线演化理论,设计了一种具有角点增强性能的角形冲击滤波器,以克服边缘冲击滤波器增强图像的不足.基于边缘和角形冲击滤波器,...