本发明公开了一种基于TV和小波正则化的空间变化模糊图像复原方法，包括：(1)对模糊图像进行灰度化；(2)根据灰度化的模糊图像构建模糊核分解模型，在所述模糊核分解模型中，采用奇异值分解方法将模糊核分解为基滤波矩阵和系数矩阵；(3)应用所述模糊核分解模型，并结合TV正则项和小波正则项构建去模糊模型；(4)将所述去模糊模型转化为增广拉格朗日形式后，在对增广拉格朗日形式的去模糊模型进行改进，得到新去模糊模型；(5)采用ADMM算法对新去模糊模型进行数值迭代求解，获得复原图像。该方法解决了TV正则化算法在复原过程中产生的细节信息丢失问题。
📄 2018109613324
📂 G06T5_00
👤 浙江工业大学
📅 2018-08-22
一种基于非对称光学系统点扩散函数模型的图像复原方法，以VPW模型来近似图像退化的点扩散函数，用于图像的复原算法当中，由于高斯型PSF是无法十分逼近真实的模糊过程，同时从光学系统衍射的形态上近似考虑，选择VPW模型更具广泛的适应性，相较于高斯模型而言，采用四个参量来具体描述客观的模糊过程会更加逼近于模糊的实际情况，通过理论分析及实验结果得到，该模型用于去模糊算法中，提高了图像复原的效果。
📄 2020107775073
📂 G06T5_00
👤 浙江工业大学
📅 2020-08-05
本发明涉及图像复原技术领域，具体公开了一种基于多流聚合双注意力稠密连接网络的图像复原方法，使用同一种网络模型同时处理图像去雨、图像去雾、低照度增强三个任务。首先，为了充分提取图像上下文信息，本方法设计了多流细节上下文聚合模块，利用不同等级的感受野提取多级结构化、互补化的高阶抽象特征。然后，为了增强信息流在深层网络中的传递，同时缓解梯度消失问题，本方法引入了稠密连接模块，实现多级特征信息跨模块的融合及复用。接着，由极化自注意力模块及监督校准模块组成的双注意力模块依次从通道维度、空间维度中对关键特征进行深入调整。其效果是，在图像去雨、图像去雾、低照度图像复原任务中表现出了具有竞争力的结果。
📄 2022108451564
📂 G06T5_73
👤 西南大学
📅 2022-07-19
本发明为一种基于边缘图块锐化的模糊图像非盲复原方法，包括以下步骤：建立边缘图块数据库；提取模糊图像G的边缘分割图像G1和平滑区域分割图像G2；对边缘分割图像G1进行网格划分，在划分好的网格区域中针对有像素值的边缘区域位置图块进行匹配锐化处理，获得锐化更新后的边缘区域图像G1′；对平滑区域分割图像G2进行复原，获得复原的平滑区域图像G2′；获得模糊图像G的复原图像G′。本发明的优点是：通过对边缘区域图像进行网格划分，对于每个划分的单元网格，搜索确定图块数据库中与其灰度相似度匹配系数最大的清晰图块，完成边缘区域的的图块锐化更新，实现边缘清晰度提升的同时，避免了复原算法迭代引起的振铃效应。
📄 2019107745408
📂 G06T5_00
👤 杭州电子科技大学
📅 2019-08-21
本发明公开了一种基于条件扩散模型的偏振复原成像方法，包括以下步骤：步骤一、拍摄水下目标物清晰的偏振图像与对应不同浑浊程度的偏振图像，步骤二、按照7：2：1的比例将拍摄得到的偏振图像划分为训练集、验证集、测试集；根据扩散模型生成图像的思想，结合偏振信息预处理模块，以及残差卷积模块和自注意力机制模块构建了条件扩散网络模型，建立数据集，充分利用图像的偏振信息，对网络进行训练使其能够根据输入的浑浊偏振图像和服从标准正态分布的噪声图像输出清晰图像，使用该条件扩散模型对浑浊偏振图像进行复原可以取得良好的增强效果，且在多种环境下都能够保持稳定的性能。
📄 2024118157491
📂 G06T5_73
👤 浙江理工大学
📅 2024-12-11
本发明提供了一种基于生成对抗网络的浑浊水下偏振图像复原方法。包括以下步骤：步骤1、搭建水下主动成像系统，拍摄清晰水下强度图像和浑浊水下的偏振图像；步骤2、建立数据集；将数据集按8:1:1的比例分为训练集、验证集、测试集；步骤3、构建生成网络；步骤4，预训练；利用步骤二中的数据集对所述生成网络进行预训练；步骤5、构建一个判别网络；步骤6、构建生成对抗网络；与步骤四中预训练好的生成网络构成一个生成对抗网络，利用交叉熵作为损失函数对生成对抗网络进行训练；步骤7、利用训练好的生成对抗网络进行图像复原。与现有技术相比，本发明可实现高浑浊度水下偏振图像复原。
📄 2021115149377
📂 G06T5_60
👤 浙江理工大学
📅 2021-12-13
本发明公开了一种基于深度去噪器的压缩红外图像复原方法，首先原始红外图像经过编码测量后获得原始测量值，复原原始红外图像时在传统基于优化的算法中插入深度网络学习获得的深度去噪器，然后通过设计基于空间注意力和通道注意力的特征提取网络得到深度去噪器，最后迭代求解两个子过程得到复原的红外图像，从而同时具有基于模型的优化算法的可解释性和基于卷积神经网络的鲁棒性和快速性，提高了图像复原的质量。
📄 2022117001237
📂 G06T5_70
👤 无锡学院
📅 2022-12-28
本发明公开一种基于有监督对比学习的多阶段渐进式混合失真图像复原方法，构建的网络模型由三个阶段组成，利用编码‑解码器体系结构学习上下文特征，并将相邻的两个阶段进行组合，实现早期阶段和晚期阶段之间的信息交换。每个阶段引入逐像素自适应设计，在特征处理块之间增加水平连接，避免信息丢失；此外，采用双池化通道注意块来推断更精细的通道注意，提高网络的表示能力，然后为模型设置正类和负类，构造适当的对比学习损失函数，从而在特征空间中进一步修正输出，能够同时去除图像中的噪声并恢复原本模糊的细节。
📄 2022100245319
📂 G06T5_70
👤 辽宁师范大学
📅 2022-01-11
本发明涉及图像处理技术领域，具体涉及一种针对驾驶室环境的单尺度运动模糊图像帧复原方法，包括：对恢复模型进行迭代训练，得到训练好的恢复模型；将运动模糊图像帧和最优模糊核输入到训练好的恢复模型中，恢复模型对运动模糊图像进行复原，输出复原后的图像。本发明方法可以比多尺度方法更好地恢复出模糊图像的整体结构，并且本发明方法能够明显缩减运行时间增加图像帧恢复的效率。
📄 2020114012226
📂 G06T5_73
👤 重庆邮电大学
📅 2020-12-03
本发明公开了一种噪声模糊图像非盲复原方法、系统及存储介质，所述方法包括：基于预建立的噪声模糊图像复原模型进行迭代计算，所述迭代计算包括：采用梯度投影算法获取噪声模糊图像相关矩阵对，根据图像中相邻像素之间灰度值的差异自适应生成该像素横向和纵向正则化加权参数；根据所述矩阵对及像素横向和纵向正则化加权参数构建的矩阵组获取复原图像。本发明能够在对噪声模糊图像去噪、去模糊的同时提升图像中纹理部分和细节部分复原效果。
📄 2019111567032
📂 G06T5_00
👤 南京信息职业技术学院
📅 2019-11-22
柿子坊 · 知识产权运营
柿子坊知识产权运营平台