摘要：目前基于卷积神经网络的超分方法虽然在峰值信噪比和结构相似性评价指标上能取得优异的结果,但是得到的超分图像视觉质量较差,会丢失人脸五官区域的细节信息。针对这一现象,设计了一种新的深度神经网络来预测超分小波系数以获得信息丰富的超分辨率人脸图像。首先利用人脸图像的先验知识手动地给予五官区域更多的关注,然后在网络中引入线性低秩卷积运算,最后利用长距离依赖的思想补充超分图像的细节。实验验证该算法可以在获得较高的峰值信噪比和结构相似性的同时,使超分人脸图像五官区域更加清晰、视觉质量更优。

摘要：传统的图像复原技术主要是通过单一的方法对图像进行复原,而图像融合技术主要集中于对多聚焦图像融合和多源图像融合.文中从图像融合的基本思路出发,基于局部特征信息的模糊相似度的融合策略将多幅复原图像进行融合,提出基于模糊相似度融合的图像复原算法.首先依据区域特征(方差、梯度和均值)确定模糊相似度,然后将具有一定相似性的复原图像进行基于像素点加权平均,权系数由该像素点处的区域特征确定,最后获得融合图像;对不具有一定相似性的复原图像按照"最大值选取"原则,依据"区域特征较明显者提取像素点"来获得融合图像.实验结果表明,该算法复杂度小,融合后复原图像改善的信噪比比融合前提高了0.1～1dB;同时,比经典算法的效果有明显改善.

摘要：针对任意形状遮挡下人脸修复,现有方法容易产生边缘模糊和恢复结果失真等问题。提出了一种结合边缘信息和门卷积的人脸修复算法。首先,通过先验人脸知识产生遮挡区域的边缘图,以约束人脸修复过程。其次,利用门卷积在部分像素缺失下的精确局部特征描述能力,设计面向图像修复的门卷积深度生成对抗网络(GAN)。该模型由边缘连接生成对抗网络和图像修复生成对抗网络两部分组成。边缘连接网络利用二值遮挡图和待修复图像及其边缘图的多源信息进行训练,实现对缺失边缘图像的自动补全和连接。图像修复网络以补全的边缘图为引导信息,联合遮挡图像进行缺失区域修复。实验结果表明:相比其他算法,该算法修复效果更好,其评价指标比当前基于深度学习的图像修复算法更优。

摘要：为提高图像分类性能,解决因训练数据不足导致卷积神经网络模型过拟合的问题,提出一种基于迁移学习和特征融合的轮胎花纹图像分类算法。将HSV颜色直方图、GIST描述子与方向梯度直方图结合作为轮胎图像低层特征;将迁移学习引入卷积神经网络模型训练中,通过轮胎图像数据集对预训练模型参数微调,获得适用于轮胎花纹图像的新模型,提取全连接层特征作为图像高层特征;将低层和高层特征融合作为轮胎图像最终特征用于训练SVM分类器,实现高效分类。实验结果表明了所提算法的有效性。

摘要：提出一种基于空间变换网络的图像超分辨率重建算法。通过设计空间变换网络,学习合适的变换参数进而对齐原始图像;利用视觉注意机制扩充网络,在训练过程中自动选择感兴趣的区域特征。最后,利用生成对抗网络进行超分辨率图像重建,从而达到高分辨率图像重建的目的。与其他算法在数据集上的重建效果对比结果表明,所提算法的超分辨率重建效果较好,且评价指数均有所提高。