为了提高低分辨率模糊图像的质量,提出了一种基于自适应双l_p-l_2范数的超分辨率盲重建方法。该方法分为模糊核估计子过程和超分辨率非盲重建子过程。在模糊核估计子过程中,使用双l_p-l_2范数先验同时约束锐化图像和模糊核的估计,并使...为了提高低分辨率模糊图像的质量,提出了一种基于自适应双l_p-l_2范数的超分辨率盲重建方法。该方法分为模糊核估计子过程和超分辨率非盲重建子过程。在模糊核估计子过程中,使用双l_p-l_2范数先验同时约束锐化图像和模糊核的估计,并使用图像梯度的阈值分割,实现锐化图像l_p-l_2范数约束的自适应组合;在超分辨率非盲重建子过程中,结合估计到的模糊核,使用基于非局部中心化稀疏表示的超分辨率方法重建出最终的高分辨率图像。仿真实验中,与基于双l_0-l_2范数的方法相比,该算法重建结果的平均峰值信噪比(PSNR)提高了0.16 d B,平均结构相似度(SSIM)提高了0.004 5,平均差方和比降低了0.13。实验结果表明,所提方法能估计出较准确的模糊核,最终的重建图像中,振铃得到有效抑制,图像质量较好。展开更多
文摘为了提高低分辨率模糊图像的质量,提出了一种基于自适应双l_p-l_2范数的超分辨率盲重建方法。该方法分为模糊核估计子过程和超分辨率非盲重建子过程。在模糊核估计子过程中,使用双l_p-l_2范数先验同时约束锐化图像和模糊核的估计,并使用图像梯度的阈值分割,实现锐化图像l_p-l_2范数约束的自适应组合;在超分辨率非盲重建子过程中,结合估计到的模糊核,使用基于非局部中心化稀疏表示的超分辨率方法重建出最终的高分辨率图像。仿真实验中,与基于双l_0-l_2范数的方法相比,该算法重建结果的平均峰值信噪比(PSNR)提高了0.16 d B,平均结构相似度(SSIM)提高了0.004 5,平均差方和比降低了0.13。实验结果表明,所提方法能估计出较准确的模糊核,最终的重建图像中,振铃得到有效抑制,图像质量较好。
文摘工业精密制造中,视觉检测设备的成像系统往往景深较小,易产生离焦模糊,严重影响检测效果。针对这一问题,提出了一种针对于均匀离焦图像的盲去模糊网络(Uniform Defocus Blind Deblur Net,UDBD-Net)。首先,提出一种模糊核估计网络,提取离焦模糊的特征,并准确地估计出模糊核;其次,提出一种反卷积网络,通过神经网络学习并估计基于特征维纳反卷积(Feature-based Wiener Deconvolution,FWD)公式中的未知量,更准确地生成去模糊图像的潜在特征;最后,使用一个编解码网络(Encoder-Decoder Net)增强图像的细节,并去除伪影。实验结果表明,该方法在DIV2K和GOPRO图片上的峰值信噪比(Peak Signal to Noise Ratio,PSNR)分别达到31.16 dB和36.16 dB;与目前主流的方法相比,该方法在不显著增加模型推理时间的同时能够复原出更高质量、更自然地去模糊图像。此外,该方法对真实的均匀离焦模糊图像也有较好的去模糊效果,且能够显著提升工业视觉检测算法对于离焦模糊图像的检测效果。
