图像拍摄过程中会不可避免地产生由相机抖动或物体运动引发的图像模糊问题。针对该问题,提出了一种基于图像边缘判别机制的盲图像去模糊方法,以恢复图像并使之具有清晰的边缘。首先,提出一个PNet子网,将模糊图像作为输入并利用数据驱动的方式进行判别学习,直到网络收敛。将模糊图像再次输入到训练收敛的PNet子网的生成器中,可得到去模糊图像,并将此图像记作边缘弱化图像。其次,提出一个DNet子网,将模糊图像和边缘弱化图像输入到DNet子网中进行训练,得到的训练收敛的DNet生成器即为图像去模糊模型。此外,提出边缘重建函数和图像语义内容损失函数用于约束图像的边缘和语义信息。最后,提出图像边缘判别的目标损失函数,使得DNet子网的判别器在完成生成图像与标签图像真假判别的同时,还完成对边缘弱化图像和标签图像的进一步判别,因此图像边缘信息的判别学习得到了强化。实验结果表明,所提方法能够有效地恢复大幅度模糊图像和运动引起的模糊图像,这证明了边缘判别机制对图像边缘恢复的重要作用。

为提升不同颜色水下图像的增强效果,提出一种基于条件生成对抗网络的水下图像增强方法。该网络在生成模型中加入残差密集块中的残差模块,其密集级联和残差连接可以提取图像的特征信息,改善梯度消失现象;在目标函数中增加两种新的损失函数建立网络模型,使得增强后的图像与输入图像的内容和结构保持一致。实验结果表明,所提方法对不同颜色水下图像的增强效果优于现有算法,具有更好的视觉效果。

针对低照度水下图像存在色偏和细节模糊的问题,提出一种基于白平衡和相对全变分的低照度水下图像增强算法。该算法依据光线在水中选择性衰减的特性,对水下图像进行全局光照补偿以提高图像亮度,并采用灰度世界算法校正水下图像颜色;依据引导滤波的保边平滑性构造新的相对全变分约束来估计照度图,并基于低照度成像模型得到反射图像,即增强后的水下图像。主观效果、客观分析及应用比较实验均证明了本文算法在校正色偏和增强图像细节方面的有效性。

为了提高不同像素之间的相干性,基于最小化嵌入损失函数框架提出了一种空域图像自适应隐写算法。使用Daubechies小波构造滤波器预测载体图像的残差权重并获得损失值,利用均值滤波器对损失值进行平滑处理,结合校验格编码嵌入信息。使用两种不同的图像特征进行抗隐写分析,实验结果表明,当信息嵌入率较小时,所提算法的抗检测能力与HILL(Hill-pass,Low-pass,Low-pass)隐写算法的相近,且优于其他对比算法;当信息嵌入率较大时,所提算法的抗检测能力明显优于小波获得权重法、S-UNIWARD(Spatial-Universal Wavelet Relative Distortion)等主流隐写算法。

为了提高隐写算法的安全性能, 提出了一种利用无方向性滤波器设计的空域自适应隐写算法。首先, 利用无方向性滤波器对载体图像进行滤波计算, 获得图像中难于被建模检测分析的复杂区域, 然后利用高斯低通滤波器对复杂区域进行平滑处理, 增加嵌入信息区域相邻像素间的相关性, 进而得到损失函数, 最后按照损失函数通过校验格编码完成信息嵌入。抵抗富模型隐写分析实验表明: 当信息嵌入率较小时, 该算法的抗检测性能与S-UNIWARD算法相近; 当信息嵌入率较大时, 该算法优于S-UNIWARD算法。

为了确定自适应隐写中载体图像复杂区域, 提高像素间相关性, 提出了一种利用无方向性滤波器设计的空域自适应隐写算法。利用无方向性滤波器对载体图像进行滤波计算, 获得图像中难以被建模检测分析的复杂区域, 再利用高斯低通滤波器对复杂区域进行平滑处理, 增加嵌入信息区域相邻像素间的相关性, 进而得到损失函数, 最后按照损失函数通过校验格编码完成信息嵌入。实验结果表明, 当信息嵌入率较小时, 该算法的抗检测性能与S-UNIWARD算法相近; 当信息嵌入率较大时, 该算法优于S-UNIWARD算法。

失效元对红外焦平面阵列器件成像质量的影响较大.本文在给出失效元定义的基础上,对失效元的产生机理进行了分析,并给出了具体的失效元检测方法.基于DSP实现了红外图像的硬件处理系统并编写了失效元处理的软件程序,实现了失效元的自动检测和校正.实验结果表明,所设计的软硬件符合实时性、可靠性的要求,取得了较好的处理效果.

针对红外焦平面探测器现有非均匀性校正算法在实际应用中存在的问题,结合实际系统的开发,提出了一种改进算法--一点加两点校正算法.先求两点校正算法的校正增益和校正偏置,再求一点校正算法的校正偏置,求取一点校正算法的偏置参数时的图像数据来自前面求得的两点校正之后的数据,即最后的校正结果是两点校正后的再校正.理论分析和应用表明该算法与目前流行的算法相比具有实时性好、误差小、处理效果好等特点.