模糊图像

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： 在低能见度条件下获得特定图像场景所需要的关键信息难度大,多重图像去雾难以实现。基于此,提出一种基于偏微分方程的模糊图像对比度增强处理算法。与传统算法相比,该算法对模糊图像进行了平滑和增强操作,具有更好的对比度增强、色彩校正和细节重现等视觉效果。在雾霾和弱光条件下,采用多尺度、局部-全局增强反对数反射率和照明分量,将其与强大的对比度自适应直方图均衡化方法结合,可以解决原始算法中的颜色失真和内在噪声增强问题。通过基于自动化梯度优化除雾过程,消除了人工确定PDE停止时间的问题。主观和定量分析结果表明,该算法对于解决过度增强和色彩失真具有很好的效果。

摘要： 由于噪声分布的随机性,传统的局部模糊图像复原方法会导致图像局部出现极值点,降低了复原后图像的质量。针对这一问题,本研究提出了基于深度残差网络的局部模糊图像无损复原方法。在构建深度残差网络模型的基础上,获取到局部模糊图像的相关参数。然后根据图像层次特征融合结构提取局部模糊图像特征,再利用卷积算法计算图像的模糊核尺寸。最后,根据模糊核尺寸计算结果实现局部图像去模糊目标处理。实验表明:该方法复原后的图像结构相似度较高,与原图更加接近,说明复原后图像的质量更高。

摘要： 图像的模糊问题影响人们对信息的感知、获取及图像的后续处理.无参考模糊图像质量评价是该问题的主要研究方向之一.本文分析了近20年来无参考模糊图像质量评价相关技术的发展.首先,本文结合主要数据集对图像模糊失真进行分类说明;其次,对主要的无参考模糊图像质量评价方法进行分类介绍与详细分析;随后,介绍了用来比较无参考模糊图像质量评价方法性能优劣的主要评价指标;接着,选择典型数据集及评价指标,并采用常见的无参考模糊图像质量评价方法进行性能比较;最后,对无参考模糊图像质量评价的相关技术及发展趋势进行总结与展望.

摘要： 传统图像局部特征提取方法中图像正确提取特征与总特征相差较多,无法完整提取图像的局部特征,模糊图像识别效果随之降低;设计基于云计算的模糊图像局部特征提取方法。分析模糊图像局部特征分布,了解模糊图像的ROD测度值;基于云计算衡量模糊图像相似度指标,提高特征提取精度;建立图像空间维度提取框架,完善模糊图像局部特征的提取效果,进而实现模糊图像的局部特征提取。采用对比实验的方式,验证新方法对模糊图像局部特征提取效果更佳,极具推广价值。

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： 由于模糊图像对微小目标特征的抑制,导致对其检测的效果较低。为此,提出基于卷积神经网络的模糊图像微小目标检测方法。利用PM扩散模型对模糊图像进行背景抑制,将经过背景抑制的模糊图像输入到卷积神经网络中,结合图像的残差计算结果,完成对微小目标的检测。测试结果表明,设计方法对微小目标的检出正确率可以达到92.00%以上,检测完整性也在90.00%以上,具有良好的应用效果。

摘要： 由于模糊图像的特征强度较弱,导致对其分割的精确度相对较低,为此,提出基于深度神经网络的模糊图像分割方法研究。采用空域滤波计算出图像的关键灰度值,再采用频域滤波对图像进行傅立叶变换处理,结合关键灰度值完成对模糊图像的降噪预处理,将处理后的图像信息输入到以2个卷积层、1个池化以及1个softmax层为核心的深度神经网络中,借助SPReLU激活函数对目标像素点与八邻域空间像素点的特征进行提取,同时为了避免出现过拟合,对图像进行压缩处理,最后将达到拟合参数阈值的像素作为分割目标,实现对齐的精准分割。测试结果表明,设计方法分割效果的假阳性率和假阴性率分别在0.02%和0.01%以内,并具有较高的相似度。

摘要： 为了提高模糊图像恢复性能,采用全变差(TV)正则模型进行粗粒度去模糊,运用卷积神经网络(CNN)算法进行模糊图像的像素恢复。首先,根据图像包含的噪声类型选择合适的TV模型,并针对每个像素点进行原始图像和模糊图像的TV正则最小值求解,以实现图像去模糊操作。然后,建立CNN图像恢复优化模型,将经过TV正则化后的分块图像样本作为CNN输入,结合图像信噪比(SNR)增益阈值,通过训练获得图像恢复结果。实验结果表明,采用TV正则策略及CNN的卷积优化,能够满足不同图像模糊核类别和尺寸,以及不同噪声的图像恢复需求,有效提高模糊图像的复原性能。分别采用R-L算法、反向传播神经网络(BPNN)、生成对抗网络(GAN)和TV-CNN算法对5类图像样本集进行性能仿真。通过合理设置卷积核尺寸,相比于其他模糊图像恢复算法,TV-CNN算法能够获得更优的图像恢复质量,且能够有效应对不同模糊核尺寸和不同等级噪声所带来的图像恢复难的问题。

摘要： 为了更好的对视频帧间模糊图像进行特征分析,提出了基于NPL与Retinex相结合的方法。首先从颜色衰减特性、对比度特性和时频域特性三个方面对视频帧间的模糊图像进行研究,通过图像本身特征对模糊图像进行质量评价。然后利用词干提取、词形还原和停用词转移技术对图像特征进行处理,采用HMM模型,通过非线性激活函数完成图像文本的特征提取。最后利用高斯环绕尺度,对图像的输出结果进行加权求和,约束最小二乘滤波色调H对噪声的敏感度,复原图像平滑度量的最优值。实验结果表明,基于NPL与Retinex的视频帧间模糊图像特征分析方法对模糊图像具有较好的评价效果,而且图像更加细腻、模糊图像的色彩均衡性更好。

摘要： 图像在形成、传输和记录的过程中,会受到多种因素的影响,因此图像的质量会有不同程度的下降,典型的表现有图像模糊、失真、有噪声等,这一质量下降的过程称为图像的退化.图像复原的目的就是改善图像质量并尽可能恢复图像原貌.在银行、医学、交通、公安视频监控中常常由于调焦不实、物像间相对运动或摄像设备的光学系统的失真等造成图像的模糊,使得无法提取有效信息.因此,对模糊图像的复原技术研究更具有重要的现实意义.本文在Matlab平台上采用基于维纳滤波的方法对模糊图像进行复原研究,实验结果表明,维纳滤波能有效的消除运动模糊和散焦模糊的影响.

摘要： 目的对公安工作中常见的运动模糊图像进行去模糊处理.方法使用MATLAB 图像处理工具箱中的维纳滤波去模糊的方法.结果经过对3 个运动模糊案例的分析和处理,都取得了令人满意的结果.结论 MATLAB 的维纳滤波去运动模糊功能具有良好的性能,可以在不使用识慧等不普及的专业软件的情况下完成对模糊图像的恢复.

摘要： 运用模糊图像用photoshop 来进行模拟画像,把模糊图像中有价值的信息资源充分的利用到模拟画像中,用模拟画像的方式更好的表现出嫌疑人客观真实的一面,利用二者各自的特点能充分展现图像信息的价值.

摘要： 针对模糊图像复原中点扩散函数（PSF）的参数估计问题，实现了一种基于误差分析的模糊图像PSF 参数估计算法。用不同的模糊参数对模糊图像再次模糊，分析模糊图像和再模糊图像的误差可以估计PSF的参数。仿真模糊图像和真实模糊图像的解模糊实验结果表明，该算法能较为准确地估计出模糊图像的PSF参数。

摘要： 在运动图像恢复过程当中，点扩展函数(PSF)是影响图像恢复结果的关键因素，所以常常利用先验知识和后验判断方法估计PFS函数来恢复图像。本文分析并建立了直线运动模糊图像的退化数学模型，研究了点扩展函数的计算方法，提出了一种基于方向微分的运动模糊方向鉴别方法和运动模糊长度的计算方法，试验仿真对比了逆滤波和维纳滤波在有噪声和没有噪声情况下的图像恢复效果，试验表明通过以上方法建立的点扩展函数取得了比较满意的效果。

摘要： 针对模糊退化模型(PSF)未知的图像超分辨率重建问题,提出一种以学习重建结果为参考的模糊图像PSF辨识与重建方法.对学习重建算法获得的退化图像的恢复结果,采用不同尺度的方向滤波提取恢复效果良好的强边缘区域构建参考信息块,引导最大后验概率框架下的超分辨率重构算法按照正确的PSF重构高分辨率图像.以散焦模糊图像为例进行实验,实验结果表明,该算法对散焦型PSF的辨识较为准确,重建质量较好.

摘要： @@ 近年来,随着现代计算机技术,多媒体技术,网络技术和数字图像压缩技术的迅猛发展,视频监控录像在日常生活中已经被越来越广泛使用,在治安防控领域,视频资料为公安工作提供了大量的线索,其重要作用更是日益凸现.但在当前,由于视频监控系统的不规范化,造成了得出的许多图像信息模糊不清,使其在实际应用中的困难.大致存在以下几个问题: 1.摄像镜头安装不合理,导致人像面部特征记录不全或透视变形 2.所安装的摄像设备的像素及分辨率过低,导致人像模糊不清. 3.光源问题,有时画面光源不足或画面逆光. 4. 被摄物体运动造成画面模糊. 5. 设备老化,陈旧,不合规范. 由于监控录像系统存在的以上问题,我们都要经过对模糊不实图像的处理,才能得到有价值的资料.

摘要： 本文通过深入研究水滴运动模糊图像的物理本质，提出一种识别水滴运动方向的频域方法.首先对运动模糊图像的做2维傅立叶变换得到其频谱幅值图，其次利川频谱幅值图中高亮条纹的方向与运动方向相垂直的特性完成对水滴运动方向的识别，高亮条纹的方向采用RADON变换方法加以检测.仿真实验结果表明，该方法可以准确地识别水滴运动方向，绝对误差不超过3°.

摘要： 本文介绍了一类脉内线性调频和子脉冲相位和脉位调制相结合的具有多种变化形式的混合调制脉冲压缩信号.给出了该波形的数学模型,给出了波形的平均模糊函数,分析了系统的抗干扰性能.研究结果表明,该信号的模糊图为“梳齿形”,通过适当选择波形参数,可使该信号在距离和速度上同时具有良好的分辨能力和测量精度.同时该信号的随机性使它具有极低的被截获概率和优良的抗干扰特性.

摘要： 本文介绍了一类脉内线性调频和子脉冲相位和脉位调制相结合的具有多种变化形式的混合调制脉冲压缩信号.给出了该波形的数学模型,给出了波形的平均模糊函数,分析了系统的抗干扰性能.研究结果表明,该信号的模糊图为“梳齿形”,通过适当选择波形参数,可使该信号在距离和速度上同时具有良好的分辨能力和测量精度.同时该信号的随机性使它具有极低的被截获概率和优良的抗干扰特性.

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： 提供驱动装置、图像模糊校正装置和包括图像模糊校正装置的摄像设备。图像模糊校正装置包括：从动构件，其被构造成保持校正对象构件；多个致动器，其被构造成使所述从动构件在平面内移动；第一可动构件，其被构造成引导所述从动构件在第一方向上的移动；第二可动构件，其被构造成引导所述从动构件在与所述第一方向不同的第二方向上的移动；和固定构件，其构造成可移动地保持所述从动构件、所述第一可动构件和所述第二可动构件，其中，所述固定构件至少被夹在所述从动构件与所述第一可动构件之间或在所述从动构件与所述第二可动构件之间。

摘要： 一种图像模糊校正装置包括：驱动电流输出单元，其被配置来输出第一驱动电流和第二驱动电流，第一驱动电流用于驱动第一校正机构，第一校正机构用于校正在垂直于光轴的第一方向上的图像模糊，第二驱动电流用于驱动第二校正机构，第二校正机构用于校正在垂直于光轴和第一方向的第二方向上的图像模糊；以及，驱动电流限制单元，其被配置来将第一驱动电流限制为第一限制值，将第二驱动电流限制为第二限制值，将第一驱动电流和第二的总和值限制为小于第一限制值和第二限制值的总和值的第三限制值，通过改变第一驱动电流的电力供应时间来改变第一限制值，并且通过改变第二驱动电流的电力供应时间来改变第二限制值。

摘要： 提供一种摄像设备、图像模糊校正设备和图像模糊校正方法。该摄像设备包括：第一图像模糊校正单元，其包括第一可移动单元和被配置为机械锁定第一可移动单元的位置的第一锁定机构。包括第二图像模糊校正单元的可更换镜头可附接至摄像设备且能够从摄像设备拆卸，第二图像模糊校正单元包括第二可移动单元和被配置为机械锁定第二可移动单元的位置的第二锁定机构。摄像设备还包括控制单元，控制单元被配置为在可更换镜头附接至摄像设备且第一可移动单元和第二可移动单元中的一个被第一锁定机构或第二锁定机构固定时，使另一可移动单元的位置在消除通过固定第一可移动单元和第二可移动单元中的一个可移动单元导致的摄像光轴的偏移的方向上移动。

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： 本公开关于一种图像模糊检测模型的训练方法、图像模糊检测方法及装置。该图像模糊检测模型的训练方法包括：获取训练图像集，其中，训练图像集包括多个训练图像、每个训练图像标注的真实模糊分数；获取训练图像的清晰度掩膜、文字区域掩膜和主要内容区域掩膜；将训练图像、训练图像的清晰度掩膜、训练图像的文字区域掩膜和训练图像的主要内容区域掩膜输入到图像模糊检测模型中，获取估计模糊分数；基于所述估计模糊分数和所述训练图像标注的真实模糊分数确定所述图像模糊检测模型的损失函数；根据所述损失函数调整所述图像模糊检测模型的参数，对所述图像模糊检测模型进行训练。

摘要： 提供驱动装置、图像模糊校正装置和包括图像模糊校正装置的摄像设备。图像模糊校正装置包括：从动构件，其被构造成保持校正对象构件；多个致动器，其被构造成使所述从动构件在平面内移动；第一可动构件，其被构造成引导所述从动构件在第一方向上的移动；第二可动构件，其被构造成引导所述从动构件在与所述第一方向不同的第二方向上的移动；和固定构件，其构造成可移动地保持所述从动构件、所述第一可动构件和所述第二可动构件，其中，所述固定构件至少被夹在所述从动构件与所述第一可动构件之间或在所述从动构件与所述第二可动构件之间。

摘要： 本申请公开了一种基于清晰图像与模糊图像差异的图像去模糊方法、装置及电子设备，该方法包括：获取清晰样本图像和模糊样本图像，并确定清晰样本图像与模糊样本图像的差值图像；建立初始解码特征模型，得到初始解码特征；建立初始图像去模糊模型，得到训练完备的图像去模糊模型；获取模糊图像，基于训练完备的图像去模糊模型，确定清晰图像。通过将初始解码特征作为监督，增加了初始图像去模糊模型的监督条件，并且根据初始解码特征的反馈，逆向调整初始图像去模糊模型，能够加快收敛速度；另外，基于差值图像调节，放大了差异，有效提高了图像去模糊模型的去模糊水平。

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。