摘要：雨天等恶劣天气将造成图像质量的严重退化,进而影响计算机视觉算法的准确性.为了更好地提取多尺度雨痕特征,恢复图像含有的重要细节信息,提出一种基于多分辨率上下文聚合网络的单幅图像去雨方法.首先利用混洗操作将单一分辨率输入图像转化为多空间分辨率的输入图像,在低空间分辨率中使网络迅速扩大接受场,而在高空间分辨率下提取更加精细的雨痕特征,并将低分辨率提取的雨痕特征自上而下地聚合到高空间分辨率中,引导网络提取多尺度雨痕信息;然后采用多分辨率特征增强块细化不同分辨率下图像的细节,防止去雨图像中的细节损失或模糊,利用局部残差密集连接和挤压-激励网络增强网络的特征提取能力和效率;最后采用构造的混合损失函数,在获取较高评价指标数值的同时提高人类对去雨图像的视觉感知.实验结果表明,所提方法在Rain100H,Rain100L, Rain12合成数据集和真实雨数据集上取得显著的去雨效果,与现有方法比较,该方法的定性指标和定量指标得到明显提升,具有较高的细节保持度.

摘要：提出了在纸币高速运行条件下对纸币图像进行快速可靠的识别和系统实现方法。清分机是一种自动纸币整理机具。纸币图像分析技术是清分机的核心技术。该系统是光机电一体化的设备,其硬件部分包括线阵图像传感器、信号采集控制器、数字信号处理器。硬件平台捕获高速运行的美元图像后,由信号处理算法完成美元图像的定位、几何校正、特征提取以及图像分析运算,使用BP神经网络完成图像识别。该系统在实际应用中取得了良好的效果。美元处理系统的速度可达800张/min,拒识率小于0.01%。