摘要：低速旋转弹导引头具有抖动和旋转等运动特性,使得其采集图像存在严重的模糊特点,直接影响了后续图像算法对目标识别的准确性,进而影响制导精度。针对以上问题,提出一种基于生成对抗神经网络的盲去模糊算法。利用复合运动模糊仿真系统,实现了对弹载图像抖动和旋转等运动模糊的模拟,并制作弹载图像模糊数据集。使用卷积神经网络作为生成器和判别器的基本架构,并设计多个损失函数共同优化网络,以减小图像在修复复原过程中的噪声并保持图像平滑。实现了弹载图像的去模糊,并获得更加稳定、清晰的图像序列。实验结果表明,该算法的去模糊效果在峰值信噪比、结构相似性指标上比现阶段其他算法更好,更符合人类视觉的主观感受,具有工程应用价值。

摘要：提出了一种基于正则化方法的多视角盲去模糊方法,对相机阵列拍摄的一系列初始模糊图像进行图像恢复处理.该方法分为3个步骤:首先,基于光流算法对多个镜头获取的同一场景图像进行配准;然后,将配准图像运用多图盲去模糊算法估计出各自的模糊核;最后,根据估计出的模糊核采用非盲去模糊算法准确估计出各自的清晰图像.实验结果表明:相比对每一视角图像单独使用单图盲去模糊算法进行处理,多视角盲去模糊方法对噪声具有良好的鲁棒性;应用于自己构建的相机阵列系统拍摄的多视角图像,该方法在2种无参考图像指标NIQE和SSEQ下分别提高了4.20%和55.60%.

摘要：目前,基于统计先验的图像去模糊方法对噪声敏感,细节恢复能力有限,而基于先验学习的算法对图像及其模糊类型、噪声水平等适应性较差。针对上述问题,基于图像模糊前后像素直方图统计,首先提出一种简单有效的低值像素先验。然后针对现有方法对图像去模糊后出现大量噪声或伪影等问题,设计深度卷积神经网络学习图像深度去噪先验,并联合低值像素先验、梯度稀疏先验提出新的去模糊模型。同时,在模糊核估计过程中,利用图像分解方法分离出图像的结构层,并在结构层估计模糊核,获得更为准确的估计结果。大量实验结果表明,本文算法不仅具有很好的细节恢复能力,且对图像及其模糊类型、噪声水平等更具稳健性。与现有主流算法相比,本文方法优势明显。

摘要：目的防伪码是一类经过特殊设计的QR(quick response)码,在防伪和溯源领域有着广泛应用。模糊的防伪码图像不利于解码和真伪鉴别,需要进行去模糊操作。目前主流的盲去模糊算法在用于防伪码图像时,去模糊效果不好且算法消耗时间较长。对此,本文提出一种基于防伪码功能图形的盲去模糊优化算法。方法首先,定义了防伪码图像的强度先验和梯度先验。强度先验是图像像素的灰度值,而梯度先验是图像像素水平方向和垂直方向的差分。然后,将整幅模糊防伪码图像均分为左上、左下、右上、右下4块,提取左上、左下、右上3个位置的探测图形和右下的校正图形。最后,将强度先验和梯度先验作为约束项,利用正则化方法求出4个分块的清晰图像和模糊核。结果本文测试了100幅人工添加模糊的防伪码图像和50幅手机实际拍摄的模糊防伪码图像,采用峰值信噪比(peak signal to noise ratio,PSNR)、结构相似度(structural similarity,SSIM)和自然图像质量评价器(natural image quality evaluator,NIQE)作为图像清晰度评价指标。从实验结果来看,相较于对比算法的最优结果,本文算法在手机拍摄的模糊防伪码图像数据集上的平均NIQE降低了3.02,复原时间缩短了22.07 s,且能较好地恢复防伪图案的细节信息。在人为添加模糊的防伪码图像数据集上,本文算法的性能也优于对比算法,且能够处理不同程度的运动模糊和离焦模糊。结论本文提出的防伪码图像盲去模糊优化算法简单易实现,在保证一定去模糊效果的前提下,算法耗时大幅缩短。

摘要：为了使模糊图像在边缘区域和平滑区域有更好的复原效果,通过分析图像的稀疏平滑特性,提出一种基于Tikhonov和全变分正则化混合约束（Tikhonov-Total variation model,TTV）模型的盲去模糊方法。首先用Shock-Direction Filter（简称为SDF滤波器）提取图像边缘信息,然后利用Tikhonov模型和全变分模型分别在图像特殊区域的不同表现,分别对不同区域进行不同的正则化约束,最后提出一种多变量正阈值约束的分裂布雷格曼（Multivariable Positive threshold constraint Splitting Bregman,MPSB）算法对提出的新型模型进行数值最优化求解。从实验结果可以看出,相对对比算法,该方法不仅能够准确的估算模糊核（Blurring Kernel,BK）,而且在主观上实现了更好的复原效果,在客观上本文方法的峰值信噪比（PSNR）增量提高了3.4~4.7 d B。

摘要：图像去模糊是图像识别和视频分析的基础性工作.在实际应用中,多数情形是模糊核未知的盲去模糊问题.盲去模糊问题是一个病态问题,通常需建立某种正则化模型求解.已有的图像去模糊正则化模型难以恢复模糊图像的细节,本文提出了一种基于L1/2/L2的正则化模型,并设计了求解该模型的交替投影迭代算法.数值实验表明,所提出的模型和算法能够更好地恢复模糊图像的细微结构,并且计算效率高,对参数的鲁棒性强.

摘要：针对盲图像去模糊过程中主结构不准确和边缘不清晰问题,提出了一种结构稀疏通道先验(SSCP)盲图像去模糊方法。SSCP表示模糊图像比清晰图像具有更少结构稀疏通道的先验方法。利用SSCP的性能特性,将其作为新的正则化项引入经典去模糊模型,构建盲去模糊新模型,实现对模糊核的准确估计。通过坐标下降法,交替优化求解潜像与模糊核变量。最后,通过反卷积得到去模糊的清晰复原图像,在基准数据集和自然状态模糊图像上开展主观和客观对比实验,并进行人脸和低亮度真实模糊图像的应用拓展实验。实验结果表明,提出的方法在模糊去除、结构恢复、边缘保留和视觉效果方面的性能比经典去模糊方法平均提高了1.72%,通过该方法设计出的计算装置能够实现机器视觉领域中模糊图像的高精度清晰化处理。

摘要：为解决因运动模糊导致的图像关键信息丢失问题,提出一种高效盲去模糊算法。鉴于图像的模糊过程会显著降低图像在频域的表达,同时也会显著改变清晰图像的稀疏性,提出基于图像卷积谱和L0正则化的鲁棒去模糊算法,分别对图像与模糊核进行约束。该算法基于分离变量的方法,保证每个子问题都有良好的收敛性,在文本与自然图像去模糊任务中都取得了良好的效果。

摘要：条码的解码景深是条码解码能力的重要评估指标。解码景深越长,对模糊条码的识别能力要求越高。该问题是一个典型的盲去模糊问题。本文结合条码的二值化特性,基于自回归模型,设计相应的优化函数和优化方法,提出条码图像盲去模糊算法Blind-TVDWSAR。通过仿真实验和实拍图像实验验证了所提算法的有效性。将该算法嵌入条码识读设备发现,相比未做盲去模糊,条码解码景深有至少5cm的延拓效果。

摘要：针对当前单图像盲去模糊算法处理的图像存在纹理模糊、图像质量欠佳的问题,提出一种嵌入注意力机制的图像盲去模糊网络.该网络首先采用多尺度循环架构,通过不同分辨率的图像在网络内部循环处理实现多尺度,由粗到精复原图像;然后在网络内部嵌入残差通道选择模块和跨层长连接对特征进行强化提取,并设计多尺度结构损失函数进行训练优化;最后在两个使用广泛的数据集GoPro和Kohler上与经典去模糊网络进行对比,并在数据集Lai上进行视觉直观对比.实验结果表明,该网络在视觉上取得了较好的图像盲去模糊效果,与其他算法相比在峰值信噪比和结构相似性上有提升,可改善去模糊图像质量欠佳的问题.