基于防反射边界的图像分块反降晰研究

合集下载

一种基于边界感知对抗学习的大气湍流退化图像复原方法[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010583739.5(22)申请日 2020.06.24(71)申请人北京航空航天大学地址 100191 北京市海淀区学院路37号(72)发明人崔林艳　姜鸿翔　(74)专利代理机构北京科迪生专利代理有限责任公司 11251代理人张乾桢　贾玉忠(51)Int.Cl.G06T 5/00(2006.01)G06T 7/00(2017.01)G06N 3/04(2006.01)(54)发明名称一种基于边界感知对抗学习的大气湍流退化图像复原方法(57)摘要本发明涉及一种基于边界感知对抗学习的大气湍流退化图像复原方法，包括以下步骤：(1)基于大气湍流中成像退化机理，构建大气湍流退化图像数据集。

(2))以DeblurGANv2作为基础网络模型，利用构建的大气湍流退化图像数据集对其进行模型微调，初步实现基于对抗学习的用于大气湍流退化图像复原的网络模型。

(3)针对DeblurGANv2无法有效处理大气湍流所引起的图像畸变问题，通过增加边界辅助监督模块，作为边界信息的监督指引，构建边界感知DeblurGANv2网络模型，进一步修复大气湍流所引起的图像边缘扭曲现象。

(4)在构建的大气湍流退化图像数据集上对构建的边界感知DeblurGANv2网络模型进行训练，获得训练后的模型。

(5)利用训练后的网络模型，复原单帧大气湍流退化图像，并对复原效果进行定量评估。

权利要求书3页说明书7页附图2页CN 111738953 A 2020.10.02C N 111738953A1.一种基于边界感知对抗学习的大气湍流退化图像复原方法，其特征在于，包括以下步骤：(1)基于大气湍流中成像退化机理，构建大气湍流退化图像数据集；(2)以DeblurGANv2作为基础网络模型，利用步骤(1)构建的大气湍流退化图像数据集对其进行模型微调，初步实现基于对抗学习的用于大气湍流退化图像复原的网络模型；(3)增加边界辅助监督模块，作为边界信息的监督指引，构建用于大气湍流退化图像复原的边界感知DeblurGANv2网络模型，进一步修复大气湍流所引起的图像边缘扭曲现象；(4)针对步骤(3)构建的用于大气湍流退化图像复原的边界感知DeblurGANv2网络模型，在步骤(1)获得的大气湍流退化图像数据集上对其进行模型训练，获得训练后的边界感知DeblurGANv2模型；(5)利用步骤(4)训练得到的边界感知DeblurGANv2模型，分别对仿真的和真实获取的单帧大气湍流退化图像进行复原，并对复原结果进行定量评估。

低光照增强算法

低光照增强算法【实用版】目录一、引言二、低光照增强算法的原理与应用1.算法原理2.应用领域三、低光照增强算法存在的问题及改进方向1.存在的问题2.改进方向四、未来发展趋势五、结论正文一、引言在计算机视觉领域，低光照增强算法一直是研究的热点问题。

在夜间或者光线不足的场景下，由于光照强度较低，摄像头采集的图像往往会出现亮度不足、细节丢失、颜色失真等问题。

低光照增强算法的目的就是提高图像的亮度、对比度和清晰度，使图像在低光照条件下也能呈现出良好的视觉效果。

二、低光照增强算法的原理与应用（1）算法原理低光照增强算法主要基于 Retinex 理论，该理论认为一幅图像可以分为反射分量和照射分量。

在低光照条件下，由于光照不足，反射分量和照射分量之间的比例失衡，导致图像质量下降。

增强算法的主要目的是通过调整反射分量和照射分量的比例关系，使图像在低光照条件下也能呈现出良好的视觉效果。

（2）应用领域低光照增强算法在许多领域都有广泛的应用，如安防监控、自动驾驶、医学影像等。

在这些领域中，图像的质量往往受到光照条件的影响，低光照增强算法可以有效地提高图像质量，从而为后续的图像处理和分析提供更为准确的依据。

三、低光照增强算法存在的问题及改进方向（1）存在的问题目前，低光照增强算法在实际应用中仍然存在一些问题，如过曝光或欠曝光、噪声增强、颜色失真等。

这些问题严重影响了图像的质量和视觉效果，限制了低光照增强算法的广泛应用。

（2）改进方向为了解决上述问题，研究者们提出了许多改进方向，如基于深度学习的低光照增强算法、融合多尺度 Retinex 算法、基于遗传算法的多域值分块低光照图像增强算法等。

这些方法在一定程度上都取得了较好的效果，但仍然有待进一步研究和改进。

四、未来发展趋势随着计算机视觉技术的不断发展，低光照增强算法在未来仍具有较大的研究价值和发展空间。

未来的发展趋势主要体现在以下几个方面：1.深度学习算法的进一步研究和应用，如卷积神经网络、生成对抗网络等。

图像质量评价的研究现状及其展望

图像质量评价的研究现状及其展望[摘要] 符合人眼视觉系统特性的图像质量评价方法,不仅可以更好地评价图像处理算法的优劣,而且能够指导图像处理的思路和方法。

近年来,图像质量评价的研究发展迅速。

本文重点阐述模拟人眼视觉系统的两类客观评价方法,并介绍以这两类方法为基本框架的各种改进方法。

然后针对图像融合、复原、压缩三个主要的处理领域的质量评价的特殊性进行分析。

总结认为该领域的发展方向是对视觉感知生理心理学及HVS模型进一步研究,建立计算更简便、评价更准确的通用评价方法,并发展无参考的质量评价方法。

[关键词]图像质量评价HVS CSF SSIM1 引言图像质量评价一直是图像处理领域研究的基础和重点。

图像质量评价方法包括:主观评价(MOS: Mean Opinion Score)方法和客观评价方法。

因为人眼是图像处理系统的终端,所以主观评价方法是最合理的图像质量评价方法。

但是该方法需要组织观察者对失真图像进行评分,难以用数学模型表达加以应用[1]。

所以MOS 方法一般用来验证客观评价方法的有效性。

目前应用最广泛的客观质量评价方法包括:均方差(Mean Squared Error,MSE)、峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)方法。

试验证明MSE/PSNR对于单纯的噪声图像质量评价比较准确,但是对失真降质图像的评价是不可靠的,所以需要研究符合人眼视觉的评价方法。

自从60年代大量的视觉感知生理心理学试验[2]得到了人类视觉系统(Human Visual System,HVS)模型,图像质量评价的研究得到迅速发展。

不但建立了各种模拟人眼视觉系统特性的数学模型,而且在此基础上提出了各种适用于特定图像处理领域的评价方法。

但是,至今没有形成一些公认的、通用的评价方法,以至于目前图像各研究领域仍然停留在利用MSE/PSNR评价算法优劣的阶段。

本文讨论模拟人眼视觉系统特性的图像质量评价方法,分析各种方法的思路及应用特点,总结其发展脉络及研究趋势。

红外小目标的分类背景预测与图像分块技术

图 2 最大均值背景预测算法原理图
对非边缘部分，使用四个方向的最大均值滤波对每个像素点进行处理，从而获得静态背景，图 2 为算法原理图［13 － 14］。图中的中心点为待处理像素点，其中，各参数的运算过程如公式（ 3）～式（ 7）所示。
z1 = mean（ X（ m，n － w0 ），…，X（ m，n），…，
采用基于均值和方差统计特性的图像分割技术提取出目标，同时进行目标的跟踪； ⑦为了提高算法鲁棒
574
激光与红外
第 42 卷
性，每隔 FN 帧重新进行一次全局搜索，以防止局部搜索失效而引起的目标丢失现象，其中 FN 的选择取决于红外序列的复杂程度。
以上的处理过程可以大体分为图像预处理、分类背景预测、目标提取三个基本过程。 3． 1 图像预处理
图像背景预测的基本思想是通过对被估计像素点周围的像素点的运算，预测出不含目标的背景图像。也就是说，输入图像中的任何一个像素点，如果是属于背景中的点，那么它的灰度值一定可以用周围区域的像素点的灰度值来预测［10 － 11］。通常采用如下的表达式进行背景估计：
Y（ m，n） = ∑∑W（ l，k） X（ m － l，n － k） l，k∈S
对于红外小目标的检测问题，当前，国内外学者进行了大量的研究，取得了许多重要成果，其中代表性的方法有：基于背景预测的方法［1］、基于数学形
态学的方法［2］、基于多级滤波的方法［3］以及基于小波变换的方法［4］等。这些方法，在不同程度上，都取得了一些积极效果。然而，在小目标情况下，由于目标图像所占像素非常小，绝大部分是背景图像，因而从背景出发进行目标的检测与跟踪显得更为合
基金项目：国家自然科学专项基金项目 /科学仪器基础研究专款（ No． 20927001）；陕西省自然科学基金项目（ No． 2006F47）；陕西师范大学优秀科技预研基金项目（ No． 20092006）资助。

利用图像细化算法检测地震反射同相轴

利用图像细化算法检测地震反射同相轴杨微;陈可洋【期刊名称】《复杂油气藏》【年(卷),期】2011(004)002【摘要】将图像细化算法引入到地震资料数字处理中,用于有效检测地震剖面的同相轴。

先对地震剖面进行预处理：动平衡、归一化和二值化,接着进行地震图像细化处理,通过设置阈值大小和细化极性实现了地震同相轴的检测,并消除或削弱随机噪声对拾取算法的影响。

通过对图像数据和实际地震数据的计算结果表明,细化算法可以将较厚条带状同相轴细化并居中化,实现同相轴的自动提取,从而可以有效指导地震资料的数字处理与解释工作。

%The image processing operation is introduced into seismic data numerical processing to effectively check the cophasal axes of seismic sections.The seismic section is preprocessed firstly：dynamic balancing,normalization,and binarization,and then image thin【总页数】4页(P31-34)【作者】杨微;陈可洋【作者单位】中国石油大庆油田有限责任公司第六采油厂,黑龙江大庆163114;中国石油大庆油田有限责任公司勘探开发研究院,黑龙江大庆163712【正文语种】中文【中图分类】P631.4【相关文献】1.利用"同相轴下拉"地震反射特征预测苏里格气田气层 [J], 杜新江;任春玲2.利用边缘检测法检测地震反射同相轴 [J], 高美娟;田景文;高兴友;余杰3.Zhang快速并行细化算法检测地震反射同相轴 [J], 程金浪4.基于图像边缘检测方法提取地震剖面同相轴 [J], 熊会军;管业鹏;于蕴杰;严军5.图像边缘检测方法在地震剖面同相轴自动检测中的应用研究 [J], 李红星;刘财;陶春辉因版权原因，仅展示原文概要，查看原文内容请购买。

地震分辨率及薄层反射率反演

原文地址：地震分辨率及薄层反射率反演（译文）Seismic Resolution and Thin-Bed Reflectivity Inversion Satinder Chopra, John Castagna, Oleg Portniaguine 著曹鉴华译引言自从上世纪30 年代地震方法引入石油勘探后，石油地球物理学家一直在要求拓宽地震资料的频带宽度以便获得较高的分辨率。

事实上，地震分辨率是从地震资料中获取更多地层信息的关键，而且在过去的十年左右变得越来越重要。

地震分辨率包括两部分：纵向分辨率和横向分辨率。

纵向分辨率指的是分辨两个相近反射界面对应地层厚度的能力，而横向或者空间分辨率则是区分和识别两个相邻反射轴对应地质体边界的能力。

在利用地震资料解释局部细微特征时两种分辨率都显得很重要。

考虑到在地震资料处理过程中可以采用偏移手段来减小菲涅尔带半径从而提高横向分辨能力，所以这里我们重点探讨一下纵向分辨率。

纵向分辨率通常情况下，如果地震子波主频在30HZ左右，25米厚的储层在地震剖面上是不会有对应的顶底反射界面的。

采用这种地震资料对于构造类目标识别可能不会有太大影响，但地质目标大部分都在10 米以下或者更薄。

为了分析这类目标体，由此提出了很多提高地震资料频率的方法。

传统的经验大多来源于30 年前Widess（1973 ）年提出来的观点。

Widness 认为入/8为分辨率的极限，其中入为波长。

如果存在噪音或者是随着子波在地下传播范围增大，这个结论变为入/4直到现在地球物理学家还引为真理。

由此可见，波长是分辨率的决定性因素，而波长又与速度和频率有关。

对于速度我们是无法改变，它还是随深度增加而增大，那在Widess 模型中关键因素就是频率了。

因此，为了从地震数据中获取更丰富的反射信息，我们做了很多工作，首先从地震数据采集阶段开始，如对现场参数、地震震源和信号记录质量等进行优化，然后在处理阶段尝试拓宽频谱宽度。

红外小目标的分类背景预测与图像分块技术

ＡｂｔａｔＴｅｐｐｒｐｅｅｔａｆｃｅｔａｇｒｈｔｅｅｔｓｌｉｆａｅａｇｔｂｓｄｏｈｒｎｉｌｆｂｃ－ｓｒｃ：ｈａｅｒｓｎｓｎｅｉｎｌｏｔｍｏｄｔｃｍａｌｎｒｒｄｔｅａｅｎｔｅｐｃｐｅｏａｋｉｉｒｉｇｏｎｒｄｃｉｎａｄｉｇｌｃｉｇａｃｒｉｇｔｈｅｔｒｆｓｌＩｔｇｔｉｏｌｘｂｃｇｏｎ．ｉｇｔｅｒｕｄｐｅｉｔｎｍａｅｂｏｋｎｃｏｄｎｔｅｆａｕｅｏｍａｌＲａｅｎａｃｍｐｅａｋｒｕｄＵｓｎｈｏｏｒｅｇｅｅｔｎ，ｘｍｕｍｅｎａｇｒｔｍｎａｔｉｌｒｍｅｈｄ，ｈｓａｐｏｃａｂａｎｒｃｕａｅｂｃ・ｄｅｄｔｃｉｍａｉｍａｌｏｈａｄｐｒａｓｏｉｉｌｍｉｔｏｓｔｉｐｒａｈＣｌｏｔｉｓａｍｏｅａｃｒｔａｋａｌｇｏｎ．ｉｅａｏｔｎｏｅｓｔｔａｅｍｅｔｔｎｍｅｈｄｔｅｐｐｓｄｍｅｈｄｃｎｏｔｉｒｃｕａｅｐｓ— ｒｕｄＷｔｔｄｐｉｆｈｔｉｉｌｓｇｎａｉｔｏ，ｈｒｏｅｔｏａｂａｎａｍｏｅａｃｒｔｉｈｈｏｔａｓｃｏｏｏ
第４２卷第５期
２１０２年５月
激光与红外
ＬＡＳＥＲ＆ＩＮＦＲＡＲＥＤ

一种基于边缘保持的图像增强算法

关键词战场环境；图像采集；边缘保持；图像增强中图分类号 TP391 DOI：10. 3969/j. issn. 1672-9730. 2018. 07. 009
An Image's Edge Preserving Orientation Enhancing Algorithm
LI Haoyi1 MA Chunting1 ZHU Xiaolong2 （1. Army Engineering University，Shijiazhuang 050003）（2. No. 94701 Troops of PLA，Anqing 246000）
（a）
（b）
（c）
（d）
图 6 直方图均衡法
1）经过本文算法处理后，处理后的图像变可清
晰可见，噪音的影响明显减少，图像的基本轮廓清
晰可见，图像质量有了一定程度上的增强，而且图
像的对比度有所提高，图像得到有效的增强，该算
法对噪声的鲁棒性较好。
2）经过直方图均衡法处理后，处理后的图像中
噪声影响仍然较大，图像中的主要物体难以辨认，
Abstract In order to solve the problem that the electromagnetic interference leads to the descend of weapon image acquisition system in the environment of battlefield，An image's edge preserving orientation enhancing algorithm is proposed. Firstly，it uses the image's edge preserving orientation smoothing algorithm. Next，the multi -scale Retinex is used. The experimental results show that this algorithm overcomes the shortcoming that traditional algorithms showed，edge blur. Meanwhile it satisfies the demands of image transmission in battlefield environment.

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

系统中，原图像Ｘ通过降晰矩阵Ａ和可加的随机噪声影响后形成一个降晰加噪图像ｂ。若除去随机噪声这一因素，一般
来说图像的降晰主要由外部环境、相机设备和人为原因造成。常见的有移动降晰（ｔｎｂｕ）ｍｏｉｌｒ、模糊降晰（ｕ一ｆｏｕｌｒｏｏｔ－ｃｓｕ）０ｆｂ
文献标识码：Ａ
中圈分类号：Ｐ９Ｔ３１
基于防反射边界的图像分块反降晰研究
董宁ａ文志强，ｂ，余波
（湖南工业大学ａ计算机与通信学院；．．ｂ理学院，湖南株洲４２０）１０８摘要：降低图像反降晰过程的复杂度，提出一种新的反降晰算法。对图像进行适当的分块，导入合适宽度的防反射边界条件，消除其为
ａｄｗｉｔｆｔｅｂｕｄｏｔｅｆｒｒｇｎａｎｔｅｐｃｅｔｍｅｕｅｎｄｈｏｏｎ，ｕｐｒｏｍｓｔｏｉｌｅｗｉｒｓｅｔｏｔｈｈｅｉｏｈｔｈｉｓｄ．
他类型边界条件导致的法向导数不连续的缺陷。实验结果表明，与全局反降晰算法信噪比相当的情况下，具有合适分块数目和较小边界在宽度的新算法能更有效地减少图像反降晰时间。关健诃：防反射边界条件；图像恢复；ｂｕ — ｌｃｓＤｅｌｒｉｇｓａｃｎＩｇｙＳｂｂｏｋｂｕｒｎ
ｄｒｖｔｖｒｕｇｔａｏｔｙｏｈｒｂｕｄｒｏｄｔｎ．ｍｅｉａｘｅｉｎｓｓｏｔａｅｎｗｅｅｏｅｌｏｉｍ，ｙｕｉｇｐｒｐｒｓｂｂｌｃｓｅｉａｉｅｂｏｈｂｕｔｅｏｎａｙｃｎｉｉｓＮｕｒｃｌｅｐｒｍｅｔｈｗｔｅｄｖｌｐｄａｇｒｂｏｈｔｈｈｔｂｓｎｏｅｕ — ｏｋ
示成点扩展函数（ｏｎｐｅｄＦｎｔｎＰＦ，它决定矩阵ＡＰｉｔｒａｕｃｉ，Ｓ）Ｓｏ
第３卷第１期７ｌ
Ｖｂ＿７ｌ３
・
计
算
机
工
程
２１年６月０１
Ｊｅ０１ｕｎ２ｌ
ＮＯ．ｌ１
ＣｏｐｕｅｍｔｒＥｎｇｎｅｉｇｉｅｒｎ
图形图像处理・
文章编号：１０－４８０１ —０２．００ｏ３２（１ｎ２３－２＿２）
ｔｅｏｉｎａｍａｅｉｔｅｅａｕ－ｌｃｒｎｏｐｒｔｓｔｅａｔ—ｅｅｔｅｂｕｄｒｏｄｔｏｓｈｒｇｉｌｉｇｎｏｓｖｒｌｓｂｂｏｋｓａｉｉｃｒｏａｅｎｉｒｆｃｉｏｎａｙｃｎｉｉｎ，ｗｈｃｖｅｃｍｅｔｅｄｉｃｎｔｕｔｆｔｅｎｒａｄｈｌｖｉｈｏｒｏｈｓｏｉｉｏｏｍｌｎｙｈ
较小的分块，都可采用ＤＳＴ快速算法，所以，总的计算量较全局反降晰算法应该相应减少Ｊ。。
和大气扰动降晰（ｔｓｈｒｒｕｅｃｌｒ，分别是在拍ａｍｏｐｅｉｔｂｌｎｅｂｕ）ｃｕ等摄图片过程中因相机沿某一方向抖动、光圈散焦以及空气对光线的影响而产生的。从数学模型上来看，这些降晰可以表
［ｓｒｃ］Ｔｅｒａｅｔｅｃｍｐｔｉｎｌｏｌｘｔｆｍａｅｄｂｕｒｇｔｉｐｐｒｐｏｏｅｅｄｂｕｒｇａｏｔｍ．ｈｓｔｏｉｉｅＡｂｔａｔｏｄｃｅｓｏｕａｏａｃｍｐｅｉｏｇｅｌｒｉ，ｈｓａｅｒｐｓｓａｎｗｅｌｒｉｌｒｈＴｉｍｅｄｄｖｄｓｈｔｙｉｎｎｇｉｈ
ｌ＋述概
数字图像的降晰过程可以描述成一个线性系统。在这一
同样具有Ｏｎｌ）（ｏｎ的快速算法。ｇ本文在对采用防反射边界条件下的降晰图像给出一种分块的恢复算法，这样做一方面对于不同的块可以产生不同的正则参数以减小每块的恢复误差，另一方面对于每个维数
［ｙｗｏｄｌＡｎｉｅｅｔｅＡＲｂｕｄｒｏｄｔｎｉｇｓｒｔｎｄｂｕｒｇｓｂｂｏｋｂｕｄｗｉｔＫｅｒｓｔＲｆｃｖ（）ｏｎａｙｃｎｉｏ；ｍａｅｒｔａｉ；ｅｌｒｉ；ｕ —ｌｃ；ｏｎｄｈ — ｌｉｉｅｏｏｎＤＯｈ１．９９．ｓ．００３２．０１１．７０３６／ｉｎ１０ —４８２１．１０７ｊｓ
ＢａｅｎＡｎｔ．ｅｅｔｖｕｎｄａｙｓｄ０ｉｒｆｃｉｅＢｏｌｒ
ＤＯＮＧｎ，ＥＮｉｑｎＹＵＮｉｇ ’ Ｗ “ Ｚｈ－ｉｇ，Ｂｏ
（．ｃｏｌｆｍｐｔｒＣｍｍｕｉａｉｎｂＳｈｏｆＳｉｎｅＨｕａｉｅｓｙｏｅｈｏｏｙＺｕｈｕ４０，ｉａａＳｈｏｏＣｏｕｅ＆ｏｎｃｔ；．ｃｏｌｃｅｃ，ｎｎＵｎｖｒｉｆｃｎｌｇ，ｈｚｏ１０８Ｃｈｎ）ｏｏｔＴ２