1 西安工业大学 计算机科学与工程学院，陕西西安7002
2 西南财经大学 经济信息工程学院，四川成都611130
3 宁夏大学 信息工程学院，宁夏银川750021
4 四川师范大学 工学院，四川成都610101
为设计合理有效的神经网络框架，提高去雾算法的精度，保留完整的边缘细节，提出了常微分方程（Ordinary Differential Equation， ODE）启发的多级特征逐步细化及边缘增强的去雾算法。利用多级特征提取子网络，从输入雾图中提取出包含细节信息的低级特征和包含语义信息的高级特征，用于后续去雾结果的逐步细化。受残差网络框架与ODE求解策略关联性启发，依据两步两阶的蛙跳方法Leapfrog设计出Leapfrog模块，并串联多个Leapfrog模块，模拟ODE离散的逼近求解过程，构造逐步细化的去雾子网络。此子网络中，每个Leapfrog模块在交替输入的低级/高级特征的互补信息引导下，不断细化前一个Leapfrog模块估计的去雾结果。受二阶微分算子实施边缘增强的启发，边缘增强子网络利用预训练的UNet估计最后一个Leapfrog模块的去雾图像边缘，并叠加到此去雾图像上得到增强边缘，保留细节的最终去雾结果。实验表明，在真实图像及合成图像上，本算法均能取得较好的去雾效果，且在视觉评价和客观评价方面优于已有的去雾算法，与EAAN相比去雾精度提高了5%，运行时间仅有0.032 s，能有效用于图像去雾的工程实践中。
图像去雾 常微分方程 蛙跳法 边缘增强 神经网络 image dehazing ordinary differential equation leapfrog method edge enhancement convolutional neural network
1 四川师范大学 工学院, 四川 成都 610101
2 西南财经大学 经济信息工程学院, 四川 成都 610074
3 西南财经大学 金融智能与金融工程四川省重点实验室, 四川 成都 610074
4 西南财经大学 互联网金融创新及监管四川省协同创新中心, 四川 成都 610074
有效地实现单幅水下降质图像复原对水下资源探索及环境监控领域的清晰图像获取具有极其重要的意义。为解决常用暗通道先验方法来复原图像时, 背景光的估计易受白色物体干扰, 且无法有效估计前景中白色物体透射率, 复原质量不高的问题。本文提出了自适应背景光估计与非局部先验的水下图像复原算法。首先根据背景光具有高亮度及平坦性的特点, 利用阈值分割算法获得背景光的候选区域, 再通过图像的色调信息从候选信息中选取最佳的背景光点。随后, 利用各颜色通道光的波长与散射系数的相关性, 提出了适用于水下图像的非局部先验, 并利用该先验估计各通道的透射率。最后针对复原结果中, 因水下介质, 微生物, 水流影响而产生的加性噪声, 设计去噪的最小优化问题, 并利用引导滤波求解该问题, 以去除复原结果中的加性噪声。实验表明: 该算法在确保运行效率的基础上, 准确地估计透射率, 较常用算法的复原精度提高了约18%。证明了该算法能有效用于单幅水下图像复原的工程实践中。
水下成像 机器视觉 非局部先验 引导滤波 图像复原 underwater imaging machine vision non-local prior guided filter image restoration
1 西南财经大学 经济信息工程学院, 四川 成都 611130
2 四川师范大学 工学院, 四川 成都 610101
针对当前多级模糊熵算法在分割人体红外图像时, 存在划分数需人工指定, 全局划分导致熵的信息度量精度受背景干扰, 分割精度不高等问题, 提出了非监督层次化模糊相关分割。首先采用熵率法将图像划分为若干超像素, 确保区域一致性, 提高后续处理效率; 随后, 用准确度量划分适当性的模糊相关来描述图像, 构建模糊相关图割2-划分算子, 提高层次化分割中单步分割的精度。2-划分算子的核心思想是利用提出的递推计算策略, 快速搜索最大模糊相关时目标和背景的划分概率, 并用其来设置图割的数据项, 实施超像素的模糊相关图割2-划分。最后将2-划分算子与自顶向下的非监督层次化分割策略相结合, 迭代地对目标超像素区域实施2-划分, 自适应确定划分数, 获得人体目标。实验结果表明: 较常用算法, 该算法不但能自动确定划分数, 而且分割精度还提高了约18%, 运行时间约为3.8 s,能有效用于人体红外图像分割的工程实践中。
机器视觉 红外图像分割 超像素 模糊相关 machine vision infrared image segmentation superpixel fuzzy correlation
1 西南财经大学经济信息工程学院, 四川 成都 610074
2 四川师范大学工学院, 四川 成都 610101
3 宁夏大学信息工程学院, 宁夏 银川 750021
针对显微图像盲复原算法存在的计算量大、振铃效应以及噪声敏感的问题，提出贝叶斯框架下两次引导滤波的快速盲复原算法。利用显微图像成像原理中基于深度信息估计点扩展函数的概率模型，构建了贝叶斯框架下盲复原的最小优化问题；通过分析最大后验概率的最小优化问题求解过程，推出了实施引导滤波器可快速求解优化问题的结论；为有效去除振铃和噪声，设计了两次引导滤波的求解方案，其将第一次引导滤波求解的结果作为优化问题的二次输入。实验结果表明，复原结果的像素误差率约为0.04，较常用盲复原算法的复原准确度提高了约20%，运行时间也大幅缩短，该方法能有效应用于显微视觉下微装配散焦图像盲复原的工程实践中。
图像处理 图像复原 贝叶斯框架 微装配 引导滤波
1 西南财经大学 经济信息工程学院, 四川 成都 611130
2 西北工业大学 自动化学院, 陕西 西安 710072
3 宁夏大学 数学计算机学院, 宁夏 银川 750021
考虑现有图割算法没有充分考虑红外图像的模糊特性, 分割精度和运行效率低的缺点, 提出了基于快速递推模糊2-划分熵图割的红外图像分割算法以实现复杂背景下红外图像的自动高效分割。该方法利用图像感兴趣区域的最大模糊熵信息设计图割能量函数的似然能, 基于局部最大模糊2-划分熵值迭代检测出包含图像最大信息的感兴趣区域来确保提取目标信息的完整性。为了提高最大模糊熵寻优的效率, 引入时间复杂度为O(n2)的递推算法, 将模糊熵计算转化为递推过程, 并保存所有递推的熵函数值用于后续的穷举寻优。针对确定的感兴趣区域, 利用该区域最大模糊2-划分时隶属度函数分布设置图割能量函数的似然能, 从而充分考虑图像的模糊特性。对分割结果与几种常用的算法进行了视觉比较及运行时间, 错分率, F指标的量化分析。结果表明：该算法分割精度F值高达95%, 运行时间较其他常用算法至少缩短了72%, 基本满足自动红外图像分割对精度、效率和鲁棒性的要求。
红外图像 图像分割 模糊划分熵 递推算法 图割 infrared image image segmentation fuzzy partition entropy recursive algorithm graph cut
长安大学 信息工程学院, 陕西 西安 710064
针对现有寻优算法存在的重复计算问题, 提出了基于递推遗传的模糊3-划分熵多阈值荧光原位杂交(Fluorescence in Situ Hybridization, FISH)基因提取算法来提高用模糊划分熵算法提取多阈值FISH基因的效率。采用迭代验证法确定隶属度函数窗宽, 并使用附加边界条件及灰度权重的隶属度函数对图像进行模糊3-划分。为了提高阈值寻优的效率, 引入递推算法将模糊熵的计算转化为递推过程, 并保存部分不重复的递推结果用于后续的计算, 最后采用遗传算法寻优, 使得种群个体的计算能使用预存结果快速搜索全局最优阈值。对提取结果与几种常用算法进行了直观比较, 并对处理时间、分类概率等性能指标进行了量化分析。对多幅不同类型的仿真人工图像和真实FISH图像的测试表明, 处理时间仅为常用算法的1%, 错误划分概率小于6.00×10-2。提出的算法可以准确, 高效地提取FISH基因目标。
FISH图像 图像分割 模糊划分熵 递推算法 遗传算法 FISH image image segmentation fuzzy partition entropy recursive algorithm genetic algorithm
