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：针对现有去运动模糊网络在图像恢复过程中出现的纹理细节丢失、无法抑制噪声、产生振铃伪影等问题,提出一种基于多尺度密集连接和U-Net改进的动态场景去模糊算法。首先,借助U-Net网络中空洞卷积下采样有效扩大感受野,在不增加参数量的情况下避免图片产生不可逆损伤,并利用亚像素卷积在上采样过程中以小的卷积核获得清晰的图像细节,降低运算复杂度;其次,设计多尺度密集特征提取模块(multi-scale dense feature extraction,MDFE),通过密集连接的卷积层加强深层次特征提取和复用,运用空间金字塔池化(spatial pyramid pooling,SPP)分支引导多尺度特征的传递和融合,促进图像细节纹理的有效保留;最后,采用ConvLSTM双向连通结构(bidirectional convolution LSTM unit,BCLU)以非线性方式从编码路径补偿简单级联流失的上下文特征,推动深度特征跨阶段相互作用,弱化边缘伪影和噪声干扰。与现有先进方法对比,验证了本文所提算法在性能上的优势。

摘要：针对内镜图像去模糊过程中语义信息难以提取和细节纹理重建困难的问题,设计了一种新的抽样切分卷积,并将其应用于跨尺度特征融合过程中:通过等间隔抽样将大尺度特征无损切分成小尺度特征块,再与小尺度特征进行卷积融合。过程中大尺度特征的所有值都参与了特征融合,避免了细节信息的丢失;未对小尺度特征进行插值,避免了语义信息的模糊。为进一步实现特征互补,设计了特征交互融合模块,先用语义特征激活细节特征,再将两者融合。针对内镜图像亮通道、中间通道和暗通道的特征差异性设计了梯度重建和频域重建损失函数,提升了重建图像的锐度。在EAD和Kvasir-SEG数据集上,该算法的PSNR分别达到32.88 dB和33.01 dB,SSIM分别达到0.972和0.973。实验结果表明,该算法的性能优于主流去模糊算法,视觉上重建图像的纹理更清晰,且未产生伪影。

摘要：针对云南天文台拍摄的模糊太阳斑点图像使用有监督学习模型进行重建时容易产生伪像、训练时间长、重建结果过分依赖参考图像等问题,提出一种基于结构重参数化与多分支模块相结合的弱监督去模糊方法重建太阳斑点图。首先,结合单尺度与多尺度网络设计去模糊模型,在模型中构造多分支模块提取不同尺度的特征,增强细节信息,减少伪像生成;其次,对每个分支结构进行重参数化,使得结构参数的重用贯穿整个特征提取过程,节省计算时间;之后,将去模糊模型分别嵌入退化学习与逆退化学习的弱监督训练中,先对模糊图像进行等级划分,利用退化模型分别学习不同等级的退化,构成对应等级的配对数据集,再使用去模糊模型对数据集进行逆退化,实现太阳斑点图的重建。实验结果表明,该方法与现有深度学习去模糊方法相比,模型训练效率更高,对参考图像的依赖较小,能够满足太阳斑点图像高分辨率重建要求。

摘要：为解决图像模糊引起的车牌识别性能下降问题,提出一种自适应的图像去模糊方法。基于最小能量准则交互估计核函数和最优图像,构建图像质量评价因子判决条件作为迭代终止条件,实现自适应的图像去模糊处理。通过融合锐化指数和自然图像质量评价指标构造图像质量评价因子,用于区分清晰图像和模糊图像,仅对模糊图像进行去模糊处理,并用于控制交互估计的迭代进程。实验结果表明,所提方法能有效区分模糊图像和清晰图像,去模糊效果好,可以提高车牌识别率。

摘要：为从模糊图像中恢复出更多细节和纹理信息,提出一种基于结合全变差(TV)和分数阶全变差(FOTV)模型的数字图像去模糊方法。用全局梯度提取法将模糊图像分解成平滑区域、凸边和纹理3部分,用全变差模型约束平滑区域和凸边,用分数阶全变差模型约束细节部分,建立去模糊的凸优化模型,用变量分裂和交替方向法快速求解该模型。实验结果验证了该模型和求解算法的有效性和快速性,给出了每组实验的PSNR和SSIM值。

摘要：为解决图像中运动物体的模糊问题,提出一个基于图像视觉显著性的快速去模糊机制。根据图像的显著图将其划分为视觉显著区域和非显著区域,使用改进的快速去模糊算法对非显著区域的模糊核进行预测;使用可以将显著区域运动物体的空间可变模糊转换为空间不可变模糊的补偿机制对显著区域进行补偿,把预测到的非显著区域模糊核应用到显著区域的去模糊处理中;使用反卷积算法恢复图像。实验结果表明,在保证整个图像具有统一的模糊度和不产生回铃现象的前提下,该机制具有较好的去模糊效果。

摘要：针对数字图像在处理过程中容易产生模糊的现象,提出了基于无参考图像质量评价的自适应反卷积去模糊算法。首先,根据无参考图像质量评价结果与其失真等级的强相关性,通过计算模糊图像的无参考评价参数确定图像的模糊等级,进而根据图像模糊等级与模糊核的对应关系确定反卷积核;其次,提出将失真图像颜色空间转变到YUV,仅对失真图像Y通道进行去模糊处理,保证了彩色图像处理前后颜色的忠实性,并提高算法运算效率;最后,针对图像灰度剧烈变化的邻域出现类吉布斯(Gibbs)振荡分布的现象,提出基于梯度的权重矩阵进行控制。实验结果表明,本文提出的算法在Tid2008图库不仅能够对图像模糊进行快速有效去除,并且恢复图像的纹理细节能够得到有效保留。

摘要：在实际应用中,模糊图像清晰化处理难以在空域实现,为此需对图像进行频域转换,在频域中实现图像去模糊。采用FPGA开发平台“硬件”实现图像处理,实时性强,但消耗资源过多,执行效率低。针对此问题,提出了一种“软硬结合”的设计方案,以DE1-SoC开发板为硬件平台,在FPGA中配置Frame Reader、SDRAM、混合器、频域转换模块等,并映射到HPS中,HPS利用HPS-FPGA总线访问SDARM,获取模糊图像频谱图。利用Linux C编程在HPS中对模糊图像频谱图进行模糊尺度及角度估计,得到点扩散函数PSF,并利用经典复原算法进行复原,实现图像盲去模糊。系统应用基2-DIT-FFT对图像的行列依次进行频域转换,相比于固有IP核及通用频域转换模块,提高了图像频域转换精度,减少硬件资源消耗。

摘要：工程应用中,在对模糊图像处理时,由于空域去卷积的方式难度较大,通常对图像进行频域变换后,在频域中进行相关的处理与实现。针对图像去模糊系统的频域处理硬件资源消耗大、转换灵活性差、处理时间长等问题,以DE2开发板为硬件平台,结合模糊图像及去模糊算法特点,采用输入数据预处理、原位计算、抛位、流水线结构、并行处理等方式设计实现了一种针对图像去模糊系统的频域处理方式。实验数据显示,方法对图像数据频域处理的精确度始终保持在98.5%以上,硬件资源仅用了9 162个逻辑单元。实验结果表明,所设计的系统在处理精度及资源利用上优于其他同类系统。