【摘 要】
:
随着信息化智能化社会的到来,在日常生活和工业生产中,数字图像作为人类感知信息的主要渠道变得越来越重要。但是由于复杂的成像环境,设备传输中的噪声往往会带来数字图像的退化。虽然当今时代微电子技术取得巨大进步,成像CMOS芯片像素越来越高,受噪声干扰越来越小。但硬件技术的进步并不能完全解决成像过程中的退化问题。因此本文的主要任务是:使用计算机软件算法解决去噪、去模糊、超分辨率和去马赛克这四种常见的图像复
论文部分内容阅读
随着信息化智能化社会的到来,在日常生活和工业生产中,数字图像作为人类感知信息的主要渠道变得越来越重要。但是由于复杂的成像环境,设备传输中的噪声往往会带来数字图像的退化。虽然当今时代微电子技术取得巨大进步,成像CMOS芯片像素越来越高,受噪声干扰越来越小。但硬件技术的进步并不能完全解决成像过程中的退化问题。因此本文的主要任务是:使用计算机软件算法解决去噪、去模糊、超分辨率和去马赛克这四种常见的图像复原问题。本文的算法由python代码实现。现有的方法中,基于最大后验建模的方法有很大的影响力。该类方法通过最大后验建模和贝叶斯定理可以对求解图像复原逆问题的过程建模。优点在于相比于深度学习方法数学推导过程明确,模型可解释性强。而且图像退化过程被当做参数输入进模型参与求解,仅需要改变退化过程参数就可以求解多种退化问题,模型普适性较强。缺点也非常明显:需要人工提取先验特征,效果不如大数据深度学习训练获得的效果好。而且求解过程设计图像分块,相似块查找和迭代求导优化等过程,处理时间过长。而基于卷积神经网络的方法的优势在于复原效果较好,正向推理过程速度较快,原理较为简单技术成熟,复杂的反向求导训练过程已经集成在了算法框架中。缺点则是神经网络属于端到端的判别学习,即只能获得一对一的映射,因此模型普适性差,同时可解释性也较差。本文通过对基于最大后验建模的求解分析,提出将卷积神经网络训练的去噪算法作为先验信息插入最大后验模型。并完成对变量分离算法的公式推导实现了这一目标。而且本文提出的方法融合了最大后验建模和深度学习方法的优点,基于最大后验建立的基础模型弥补了神经网络方法的普适性不足,CNN去噪算法的应用又弥补了最大后验模型法的效果较差处理速度慢的缺点。最后在四种图像复原任务以及激光照明采集图像上的实验结果证明了,本算法达到的图像复原效果和处理速度不仅显著优于最大后验模型法,而且相比于基于深度学习的方法也有较强的竞争力。
其他文献
随着经济全球化的趋势不断深入和信息化建设的不断发展,企业开展新业务、科研人员进行新研究需要适应新时期复杂多变的需求。某些科研试验因其所具有的危害性、周期较长、环境要求苛刻等情况难以直接在现实世界中开展,利用仿真技术可有效地开展一些难以在现实世界进行试验的科学研究。高级体系结构(High Level Architecture,HLA)作为通用仿真技术框架,适用于通用领域的仿真系统开发。仿真模型可加深
数据是数字经济发展的关键生产要素,而数据的共享与流通是发挥数据生产要素活力与价值的重要途径。例如中关数据共享平台推动了信息化建设,提高了经济活力。目前尽管数据种类繁多,但关系型数据仍然是主流数据形式,同时其中包含大量的敏感数据。敏感数据的泄露严重损害了数据所有者的使用权和所有权等权利,因此极大影响了数据在共享与流通中的可用性和安全性。本文从敏感数据的防护角度出发,分析了国内外研究现状,明确了数据脱
随着近年来科学技术的不断进步,无人驾驶技术得到业界的广泛关注,而无人车的定位是其中极其重要的一环,然而基于特征点的视觉SLAM算法在低纹理场景下缺少足够的特征点而易失效,同时视觉特征具有丰富的图像纹理信息与具有高精度环境几何结构信息的激光特征具有天然的互补性。基于此本文提出一种基于点、线特征的视觉激光融合的无人车定位算法,通过加入线特征的约束来增强系统鲁棒性和精度,实现无人车的运动位姿估计以及构建
太阳能无人机是具有重大战略意义和广泛应用价值的飞行器。为了确保飞行安全、提高任务执行能力,需要研制无人机任务管理计算机硬件平台,对各类应用载荷和非飞机平台外设进行管理和数据交互。该任务管理计算机硬件平台的研制具有极大的工程应用价值。本课题研制了一套用于无人机的任务管理计算机硬件平台。根据对任务管理计算机硬件平台性能、接口、体积和重量等需求分析,制定了总体方案。完成了关键器件选型、硬件电路设计和结构
随着海量高速移动互联网设备的普及,数据存储呈现爆炸性增长,传统的存储方案无法满足复杂多样、规模庞大的新型存储需求。随着海量数据的上云,给云平台中的存储系统带来了全方位的挑战。现有的云存储方案在适应系统架构多样性和削减存储空间内的冗余数据等方面仍存在不足,导致了存储空间资源大量浪费,进而增加了云平台中数据总拥有成本(存储、获取和迁移成本)。因此,本文将从云平台中提供的数据库文件存储和块存储两个方面展
喷嘴是双喷嘴挡板电液伺服阀中的重要零件,其设计要求高,加工难度大,并需要在加工结束后进行特殊的加工质量检测。常用的检测方法之一是喷柱测量法,操作方式为使用橡皮洗耳球吸取液压油,在喷嘴末端加压使液压油自喷嘴射出,人为观测射流形态,若射流保持一定距离的水平直射则视为喷嘴加工质量合格,若出现斜射、散射、螺旋等其他形状则视为不合格。这种方法在理论上没有足够的依据且依赖于操作人员的主观判断,在检测手法上效率
随着自动驾驶的发展,自动驾驶仿真测试技术受到越来越多人的关注。而其中的图像传感器由于价格低廉且获取信息足够丰富受到了自动驾驶系统开发者的青睐,图像算法数量增长迅猛,而对于图像算法的仿真测试需求也随之暴增。目前图像仿真测试方法有两种,第一种是使用相机采集的真实数据进行仿真测试,但是这种方式测试场景受限制,且驾驶条件改变也较为困难;第二种则是使用仿真软件进行测试,这种方法虽然场景搭建自由灵活、且能轻易
空间目标图像质量对空间在轨导航、空间目标识别与空间在轨操作等任务的成败有着重要的影响,而空间在轨任务的对象往往是非合作目标,没有参考图像作为标准。开展无参考标准的空间目标图像质量评估方法研究对未来在轨服务具有重要指导意义。本文重点开展单帧无参考标准的空间目标图像质量评估方法、基于目标三维重建结果的空间目标序列图像质量评估方法研究。首先,建立空间目标图像质量评估标准库。根据空间目标图像在采集过程中的
超声成像因其无创、方便、快捷的特点被广泛用于临床诊断。但是由于其成像特点导致图像对比度低、存在多种伪影以及噪声干扰,对医生的临床经验有着较高的要求。因此利用图像超分辨率技术改善超声图像质量具有重要的临床意义。相比于自然场景图像,超声图像缺少成对的高、低分辨率图像数据集,使得重建任务更具挑战性。本文针对超声图像的特点,采用生成对抗网络(Generative Adversarial Networks,
视频时序动作检测的目标是定位出未剪辑视频中动作片段的开始、结束时间点,并进行动作类别的分类识别,可应用于视频分析、视频搜索、智能安防等领域。现有时序动作检测技术已取得了令人瞩目的进步,但仍难以满足实际应用中的具体要求,因此是当前计算机视觉领域的热点研究问题之一。本文根据实际应用中定位视频动作的具体需求,从时序动作的准确检测、新类别动作的扩展检测、融合语义查询的动作定位三个方面提出解决方案,具体研究