摘要：针对现有去雾算法存在的颜色失真、细节丢失和一些肉眼可见的薄雾残留等问题,提出了一种改进条件生成对抗网络的去雾算法。首先,为了能更好地保留图像的底层纹理信息和结构信息,共享浅层和深层图像之间的特征,设计了含对称层跳跃连接结构的生成器。其次,为了保留图像的细节并减少伪影,重新设计了损失函数,在原始网络损失的基础上引入L1损失和感知损失。提出的算法在HSTS数据集上的峰值信噪比可达27.3064 dB,结构相似度达0.9633,比其他算法的最优值分别提高了5.728 dB和0.0581。去雾后目标检测的mAP提高了2.51%,召回率提高了4.31%。实验结果表明,所提出算法可以减少色差,解决薄雾残留问题,块效应基本消除,在主观效果和客观评价上均具有明显优势。

摘要：为了提高PET重建的图像质量,提出一种基于空洞U-Net神经网络(Dilated U-Net,D-Unet)的PET图像重建方法。首先,在不增加参数量的情况下,为了更好地增强上下文语义信息,提取更深层次的图像特征,设计了嵌套空洞卷积的残差块(residual dense blocks nested with dilations,RnD Blocks)对含有径向条纹伪影和高噪声的图像进行处理。另外,结合基于预先训练的VGG网络特征的感知损失代替传统的均方误差作为训练损失函数来保留图像细节,构建了端到端的PET图像重构网络。实验结果表明,该算法在降低复杂性、保持较高收敛速度的同时,能够更好地抑制噪声,重构效果相比于传统方法有明显提高。

摘要：针对运动模糊在空间上非均匀且模糊核未知的特点,提出一种选择性内核卷积混合连接编解码网络。为避免估计模糊核产生误差,该网络采用对称编解码的结构,以端到端的方式实现盲去模糊;为消除非均匀模糊,设计一种选择性内核卷积混合连接块,使用两个感受野不同的分支增强网络提高非均匀模糊特征的适应能力;同时,该模块融合了通道注意力机制,对多分支特征图进行校准,增强有效特征信息;此外,使用均方误差与感知损失作为联合损失函数引导网络模型的训练。实验结果表明,该网络能够有效去除图像模糊,恢复出图像的边缘结构和纹理细节。

摘要：为解决现有字体模型不完善的笔画连接、不正确的拓扑结构、字形模糊等伪影问题,提出了一种基于改进条件生成对抗网络的汉字字体生成算法。本算法将字体生成任务视为图像转换问题,提出FontToFont和MSAFont两种自动字体生成方法。针对现有汉字字体生成模型存在的问题,提出了基于改进条件生成对抗网络的汉字字体生成算法FontToFont,通过引入U-Net网络结构,可以使生成器保存更详细的信息,并有利于模型性能。建立一种基于多种风格汉字字体的数据集,定性定量验证模型的性能。提出的这种基于改进条件生成对抗网络的汉字字体生成算法,能够从多风格汉字字体中的一部分字体生成高质量的一整套汉字字体。通过设计师的评价及模型消融实验,生成字体的视觉质量和完整度效果良好。

摘要：在投影系统中,常常伴随着复杂的物理杂散光效应,从而使投影图像质量受到严重影响。互反射补偿就是为了消除这些杂散光的影响。通过改变输入图像,使投影出的图像和原图一致。这是解决投影图像退化的一个重要但常常被忽视的问题。传统的方法通常通过计算矩阵求逆来解决这个问题。本文首先设计一个深度卷积神经网络,即投影补偿网络(PCN)来学习求逆的过程。PCN由一系列卷积层提取图像特征。此外,在VGG网络上计算特征图的损失来提高感知质量。然后建立一个沉浸式多投影相机显示系统,并在这个系统上开展实验。最后通过图像质量评价指标证明所提出方法的有效性。