去模糊

摘要： 传统动态场景去模糊的方法都基于相邻帧之间的位移比较小,适用于处理平滑变化的模糊核,但难以处理包含多个运动物体的动态场景中经常出现的模糊核突变情况,而且对噪声很敏感。对于监控场景来说,摄像头的运动、环境光照等因素的变化相对可控,而物体的剧烈运动是引起模糊核突变的主要原因。当模糊图像的部分模糊核发生突变,在向更低金字塔层传播时会产生重构误差。

摘要： 点扩散函数(PSF)反映了地震观测系统对地下一个成像点观测过程的模糊化。在反演理论下可以证明,偏移成像是真实反射率与PSF卷积的结果。将反演成像转化为模型空间的图像去模糊问题,其核心在于PSF算子的计算和PSF模糊化效应的消除。提出了通过散射点模型的一次正演和偏移高效求取控制点PSF,而后通过空间插值快速得到全成像空间PSF的方法。理论分析和数值实验结果表明,全成像空间的PSF是反演理论中Hessian算子的近似,将PSF与反射率模型卷积得到模糊化的图像。利用波数域反演成像的方法,对常规偏移成像结果进行解卷积处理可以得到模型空间的反演结果。模拟数据的测试结果表明,相较于传统的最小二乘偏移方法,面向模型空间地震反演成像的点扩散函数快速计算方法具有更高的计算效率,处理后的偏移剖面分辨率更高,同时具有更均衡的振幅。

摘要： 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DeblurGAN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.

摘要： 针对图像实时采集时,由于镜头缺陷、相机抖动、目标运动等原因造成的模糊图像输入,导致训练完成的深度学习模型检测准确率下降问题,本文提出一种基于改进Faster R-CNN和SSRN-DeblurNet的两阶段检测方法,用于农田环境模糊图像中的障碍物检测。第1阶段进行锐度评价和去模糊处理,利用简化尺度循环网络(Simplified scale recurrent networks,SSRNDeblurNet)对模糊农田图像进行去模糊。第2阶段进行障碍物检测,在原有的Faster R-CNN网络中添加了候选区域优化网络来提高区域候选网络中的目标区域质量。在自制的模糊数据集上,利用所提出的两阶段检测方法对8种农田障碍物进行检测。与原始Faster R-CNN相比,两阶段检测方法的平均精度均值(mAP)提高了12.32个百分点,单幅图像的平均检测时间为0.53 s。所提出的两阶段方法能有效减少模糊农田图像中障碍物的误检和漏检,满足拖拉机低速作业的实时检测需求。

摘要： 胃肠镜检查是目前临床上检查和诊断消化道疾病最重要的途径,内窥镜图像的运动模糊会对医生诊断和机器辅助诊断造成干扰。现有的去模糊网络由于缺乏对结构信息的关注,在处理内窥镜图像时普遍存在着伪影和结构变形的问题。为解决这一问题,提高胃镜图像质量,该文提出一种基于梯度指导的生成对抗网络,网络以多尺度残差网络(Res2net)结构作为基础模块,包含图像信息支路和梯度支路两个相互交互的支路,通过梯度支路指导图像去模糊重建,从而更好地保留图像结构信息,消除伪影、缓解结构变形;设计了类轻量化预处理网络来纠正过度模糊,提高训练效率。在传统胃镜和胶囊胃镜数据集上分别进行了实验,实验结果表明,该算法的峰值信噪比(PSNR)和结构相似度(SSIM)指标均优于对比算法,且复原后的视觉效果更佳,无明显伪影和结构变形。

摘要： 由于水下环境具有不稳定性,水下图像可能会出现偏色、对比度低以及运动模糊等退化现象。针对这些问题,本文提出了适用于水下图像的增强算法,其实现需要依次经过颜色恢复和去模糊这2个阶段。在第一阶段中,本文增强算法先利用高斯滤波和均值漂移对图像进行锐化;然后,通过对比图像各颜色通道的均值得到补偿值对图像颜色进行校正;最后通过线性拉伸来调整图像的对比度。在第二阶段中,采用带有残差思想的生成对抗网络(Generative Adversarial Networks,GAN),利用9个连续的残差网络能够很好地提取图像中的特征,可起到消除模糊和增强图像特征的作用。利用本文算法处理水下图像时,发现本文方法不仅能去除图像模糊,而且能消除图像的色偏现象且不携带红色伪影。同时,通过对比水下图像质量度量(Underwater Image Quality Measures,UIQM)和水下彩色图像质量评估(Underwater Color Image Quality Evaluation,UCIQE)这2项指标发现,本文算法有较好的图像处理效果。

摘要： 由于盲去模糊任务中存在模糊信息和内容信息的纠缠,因此从模糊图像中直接恢复尖锐的潜图像具有很大的挑战性。考虑到在高维特征图中,模糊信息主要存在于低频区域,而内容信息存在于高频区域。该文研究一种从频率的角度实现解纠缠的编解码器模型,并将其命名为频率解纠缠蒸馏图像去模糊网络(FDDN)。首先,对传统的蒸馏块进行了改进,将频率分割块(FSB)嵌入到蒸馏块中,以分离出低频和高频区域。其次,改进后的蒸馏块称为频率蒸馏块(FDB),可以递归地提取低频特征,将模糊信息从内容信息中分离出来,从而提高恢复后的图像质量。此外,为了降低网络的复杂度,保证特征图的高维性,将频率蒸馏块(FDB)放置在编码的终端。

摘要： 针对传统冲突消解方法仅支持冲突发现,存在失败风险较高,可信性较低的问题,提出确定面向模式软件的非功能需求冲突消解方法。根据冲突性质和起因,构建确定面向模式软件的非功能需求层次模型,在规则约束下,确定各层次非功能需求之间的层次关系,采用自上而下的方式分解软件中的非功能需求,最终得到分解的模糊结果集。采用去模糊方法精细化模糊结果集,计算结果集中非功能需求节点的贡献值和各层次非功能需求之间的关系复杂度,权衡结果集中的非功能需求,消解需求冲突。实验结果表明:所提方法的安全评估值较高、失败风险小,可信性较高,说明该方法具有有效性与应用价值。

摘要： 在模糊核未知的情况下对模糊图像进行复原称为盲解卷积问题,这是一个欠定逆问题,现有的大部分盲解卷积算法利用图像的各种先验知识约束问题的解空间.由于清晰图像的跨尺度自相似性强于模糊图像的跨尺度自相似性,且降采样模糊图像与清晰图像具有更强的相似性,本文提出了一种基于跨尺度低秩约束的单幅图像盲解卷积算法,利用图像跨尺度自相似性,在降采样图像中搜索相似图像块构成相似图像块组,从整体上对相似图像块组进行低秩约束,作为正则项加入到图像盲解卷积的目标函数中,迫使重建图像的边缘接近清晰图像的边缘.本文算法没有对噪声进行特殊处理,由于低秩约束更好地表示了数据的全局结构特性,因此避免了盲解卷积过程受噪声的干扰.在模糊图像和模糊有噪图像上的实验验证了本文的算法能够解决大尺寸模糊核的盲复原并对噪声具有良好的鲁棒性.

摘要： 针对视觉测量钢筋套丝头尺寸方法中,由于振动导致采集到的图片存在运动模糊而影响测量结果的问题,提出了一种轻量化的带有注意力机制的基于DeblurGAN-v2的去模糊算法Ghost-SK-DeblurGAN,算法采用GhostNet轻量化模块作为特征提取网络,引入注意力模块SKNet,对生成器损失函数进行修改。采集了不同规格的清晰钢筋套丝头图像,对采集到的清晰图像施加运动模糊处理,得到模糊图像,构建模糊数据集BRT。实验结果表明,与其他基于DeblurGAN-v2的去模糊算法相比,该算法能够兼顾去模糊效果和实时性。

摘要： 本申请公开了一种视频去模糊方法、去模糊模型训练方法、装置、介质及设备，可应用于视频、视频去模糊场景，以及视频程序或小程序中。该方法包括：获取视频的当前视频帧，及当前视频帧的前后时刻的多个邻近视频帧；根据训练好的视频去模糊模型中的梯度分支模型对当前视频帧进行处理，生成当前视频帧的多个尺度的梯度信息；根据多个尺度的梯度信息及多个邻近视频帧，利用训练好的视频去模糊模型中的重建分支模型对当前视频帧进行重建，以得到当前视频帧对应的去模糊后的目标视频帧，梯度分支模型及重建分支模型为编解码器结构的模型。

摘要： 本公开公开了生成图像去模糊模型的方法及虹膜图像去模糊方法。其中，生成图像去模糊模型的方法包括步骤：采集连续的多帧清晰虹膜图像进行模糊处理，并生成多个训练图像组，其中训练图像组中包括连续的三帧模糊虹膜图像；构建图像去模糊模型，并设置初始的模型参数，其中，图像去模糊模型由特征提取组件和图像重构组件耦合而成；将训练图像组及其参考图像，输入图像去模糊模型进行处理，生成重构图像；计算重构图像与训练图像组对应的清晰图像的损失值，并利用损失值更新模型参数，直到满足预定条件时，将所对应的图像去模糊模型作为最终生成的图像去模糊模型。

摘要： 本发明公开了一种监控视频下模糊车牌的去模糊识别系统及去模糊识别方法，系统包括：去模糊处理模块和图像识别模块，所述去模糊处理模块基于神经网络对模糊图像进行去模糊处理，并输出复原图像；所述图像识别模块通过调用API识别接口，对复原图像进行识别，输出车牌文本信息。方法包括如下步骤：1、构建图像去模糊模型；2、针对城市道路监控视频中由于车辆高速行驶造成的车牌模糊进行去模糊处理；3、对图像去模糊模型输出的复原图像进行批量识别，输出文本识别结果。本发明克服了现有深度学习中图片去模糊与识别系统的不足，训练时间少，识别率高，通过本系统处理车牌图片后应用于道路交通管理。

摘要： 本申请公开了一种视频去模糊方法、去模糊模型训练方法、装置、介质及设备，可应用于视频、视频去模糊场景，以及视频程序或小程序中。该方法包括：获取视频的当前视频帧，及当前视频帧的前后时刻的多个邻近视频帧；根据训练好的视频去模糊模型中的梯度分支模型对当前视频帧进行处理，生成当前视频帧的多个尺度的梯度信息；根据多个尺度的梯度信息及多个邻近视频帧，利用训练好的视频去模糊模型中的重建分支模型对当前视频帧进行重建，以得到当前视频帧对应的去模糊后的目标视频帧，梯度分支模型及重建分支模型为编解码器结构的模型。

摘要： 本发明属于计算机视觉与三维重建技术领域，具体涉及一种图像去模糊模型、去模糊的三维重建方法及系统，其中去模糊的三维重建方法包括：采集场景的图像；根据图像去模糊模型对采集的图像进行去模糊处理；以及根据去模糊后的图像进行场景的三维重建，显著性地解决了三维重建问题中，前端捕获图像模糊、成像质量差等问题，解决了三维重建VO阶段获取高质量输入这一问题。

摘要： 本公开公开了生成图像去模糊模型的方法及虹膜图像去模糊方法。其中，生成图像去模糊模型的方法包括步骤：采集连续的多帧清晰虹膜图像进行模糊处理，并生成多个训练图像组，其中训练图像组中包括连续的三帧模糊虹膜图像；构建图像去模糊模型，并设置初始的模型参数，其中，图像去模糊模型由特征提取组件和图像重构组件耦合而成；将训练图像组及其参考图像，输入图像去模糊模型进行处理，生成重构图像；计算重构图像与训练图像组对应的清晰图像的损失值，并利用损失值更新模型参数，直到满足预定条件时，将所对应的图像去模糊模型作为最终生成的图像去模糊模型。

摘要： 一种图像去模糊模型的生成方法、图像去模糊方法和电子设备。所述图像去模糊的生成方法包括：构建基于编码‑解码结构的人工智能模型，所述模型包括编码部分和解码部分，其中编码部分用于从输入图像中提取特征，解码部分用于从提取的所述特征中还原出清晰的图像；采用模糊‑清晰图像对，对所述人工智能模型进行训练，得到用于去除图像模糊的图像去模糊模型，其中，所述模糊‑清晰图像对包括包括清晰图像和基于清晰图像生成的模糊图像。本发明采用深度机器学习的方式消除图像模糊，鲁棒性更强，耗时更短，效果更好。

摘要： 本公开提供一种人脸图像去模糊方法、人脸图像去模糊装置、计算机可读存储介质与电子设备，涉及图像处理技术领域。所述人脸图像去模糊方法包括：获取待处理人脸图像；对所述待处理人脸图像的纹理进行第一处理，得到第一中间特征，所述第一处理为对所述待处理人脸图像的纹理进行初步去模糊的处理；对所述待处理人脸图像进行第二处理，得到第二中间特征，所述第二处理为对所述待处理人脸图像进行初步去模糊的处理；对所述第一中间特征与所述第二中间特征进行第三处理，得到所述待处理人脸图像对应的去模糊图像。本公开能够对待处理的人脸图像进行有效、准确的去模糊处理。

摘要： 本发明涉及一种基于去模糊图像的梯度拟合与去模糊方法，包括以下步骤：1)选择与待去模糊图像类似的清晰图像；2)对选择的清晰图像调整尺寸，使该图像和待去模糊图像的尺寸大小相近；3)计算水平与竖直方向的图像梯度分布；4)利用EM算法对步骤3)中的梯度分布进行拟合，得到新的先验概率模型；5)通过新的先验概率模型对待去模糊图像进行去模糊操作。与现有技术相比，本发明具有针对性强、可提高模糊效果、可扩展等优点。

摘要： 本发明提供一种车牌识别相机图像的模糊、去模糊方法及装置，包括：获取车牌识别相机的车牌识别结果；根据所述车牌识别结果的确定车牌区域；以3X3点矩阵遍历所述车牌区域中的像素点色值得到3X3像素色值矩阵，根据预设的色值运算规则对各个3X3像素色值矩阵的中心点周围8个像素点进行色值变换，得到模糊后的车辆图像，并通过计算所述模糊后的车辆图像与原始车辆图像的色差得到色值还原文件，并利用所述色值还原文件对所述模糊后的车辆图像进行去模糊得到所述原始车辆图像。本发明方案通过轻量级的图像模糊和去模糊方法对车牌进行处理，不仅避免了不法分子窃取车辆的车牌号信息，而且不妨碍用户在后台查看车牌号信息。