什么是盲反卷積 離散信號(hào)卷積計(jì)算

圖像去模糊，反卷積中的那個(gè)模糊核的形式是什么？自適應(yīng)濾波器原理的目錄，反卷積和信號(hào)復(fù)原的介紹，圖像去模糊，反卷積中的那個(gè)模糊核的形式是什么？模糊圖像復(fù)原方法，一層反卷積層加一層卷積層有什么作用？

本文導(dǎo)航

• 對(duì)圖片進(jìn)行高斯核卷積
• 自適應(yīng)濾波四個(gè)經(jīng)典應(yīng)用
• 離散信號(hào)卷積計(jì)算
• 圖像卷積計(jì)算的邊緣是怎么計(jì)算的
• 模糊照片復(fù)原原理
• 卷積層的加速疊加

對(duì)圖片進(jìn)行高斯核卷積

在圖像去模糊處理中圖像是以矩陣的形式處理的，矩陣中的每一個(gè)元素代表一個(gè)像素值，模糊核是一個(gè)小的矩陣通常比圖像小的多，但是在卷積或反卷積的過(guò)程中需要模糊核與圖像尺寸相同，這就需要一些專(zhuān)業(yè)的處理，例如我知道的是一種將模糊核四周全填充0達(dá)到與圖像大小相同

自適應(yīng)濾波四個(gè)經(jīng)典應(yīng)用

背景與預(yù)覽第1章 隨機(jī)過(guò)程與模型第2章 維納濾波器第3章 線性預(yù)測(cè)第4章 最速下降算法第5章 最小均方自適應(yīng)濾波器第6章 歸一化最小均方自適應(yīng)濾波器第7章 頻域和子帶自適應(yīng)濾波器第8章 最小二乘法第9章 遞歸最小二乘自適應(yīng)濾波器第10章 卡爾曼濾波器第11章 平方根自適應(yīng)濾波器第12章 階遞歸自適應(yīng)濾波器第13章 有限精度效應(yīng)第14章 時(shí)變系統(tǒng)的跟蹤第15章 無(wú)限脈沖響應(yīng)自適應(yīng)濾波器第16章 盲反卷積第17章 反向傳播學(xué)習(xí)后記附錄A 復(fù)變量附錄B 對(duì)向量微分附錄C 拉格朗日乘子法附錄D 估計(jì)理論附錄E 特征分析附錄F 旋轉(zhuǎn)和映射附錄G 復(fù)數(shù)Wishart分布術(shù)語(yǔ)參考文獻(xiàn)

離散信號(hào)卷積計(jì)算

《反卷積和信號(hào)復(fù)原》是2001年國(guó)防工業(yè)出版社出版的圖書(shū)?！斗淳矸e和信號(hào)復(fù)原》內(nèi)容大致分為三個(gè)部分：理論基礎(chǔ)，一維信號(hào)反卷積和圖像復(fù)原。其中包括：導(dǎo)論；數(shù)學(xué)基礎(chǔ)；Fredholm第一類(lèi)積分方程的解、規(guī)整化和計(jì)算模型；一維信號(hào)反卷積和復(fù)原；有限支持域上的圖像盲目反卷積；圖像反降晰；相位恢復(fù)等。

圖像卷積計(jì)算的邊緣是怎么計(jì)算的

在圖像去模糊處理中圖像是以矩陣的形式處理的，矩陣中的每一個(gè)元素代表一個(gè)像素值，模糊核是一個(gè)小的矩陣通常比圖像小的多，但是在卷積或反卷積的過(guò)程中需要模糊核與圖像尺寸相同，這就需要一些專(zhuān)業(yè)的處理，例如我知道的是一種將模糊核四周全填充0達(dá)到與圖像大小相同

模糊照片復(fù)原原理

圖像復(fù)原-模糊圖像處理解決方案

機(jī)器視覺(jué)智能檢測(cè) 2017-06-16

造成圖像模糊的原因有很多，且不同原因?qū)е碌哪：龍D像需要不同的方法來(lái)進(jìn)行處理。從技術(shù)方面來(lái)講，模糊圖像處理方法主要分為三大類(lèi)，分別是圖像增強(qiáng)、圖像復(fù)原和超分辨率重構(gòu)。本文將從這三方面切入剖析。

　　智能化設(shè)備管理技術(shù)是利用系統(tǒng)管理平臺(tái)軟件的設(shè)備管理服務(wù)，對(duì)所有的監(jiān)控設(shè)備包括攝像機(jī)、云臺(tái)、編碼器和系統(tǒng)服務(wù)器進(jìn)行不間斷的實(shí)時(shí)監(jiān)測(cè)，當(dāng)發(fā)現(xiàn)故障時(shí)能及時(shí)通過(guò)各種方式告警，提示維護(hù)人員及時(shí)處置。一個(gè)系統(tǒng)可以按照網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)部署多臺(tái)設(shè)備管理服務(wù)器，分區(qū)域?qū)υO(shè)備進(jìn)行實(shí)時(shí)的巡檢，這樣可以大大提高系統(tǒng)的維護(hù)效率，盡可能做到在設(shè)備發(fā)生故障時(shí)，在不超過(guò)10分鐘的時(shí)間內(nèi)被監(jiān)測(cè)到并告警。

　　建設(shè)目標(biāo)

　　本方案擬應(yīng)用先進(jìn)的機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)技術(shù)，仿真人類(lèi)的視覺(jué)系統(tǒng)，針對(duì)某市公共安全圖像資源前端攝像頭出現(xiàn)的雪花、滾屏、模糊、偏色、畫(huà)面凍結(jié)、增益失衡和云臺(tái)失控等常見(jiàn)攝像頭故障以及惡意遮擋和破壞監(jiān)控設(shè)備的不法行為做出準(zhǔn)確判斷，并自動(dòng)記錄所有的檢測(cè)結(jié)果，生成報(bào)表。以便用戶輕松維護(hù)市公共安全圖像資源系統(tǒng)。

　　技術(shù)路線

　　將視頻故障分成視頻信號(hào)缺失、視頻清晰度異常、視頻亮度異常、視頻噪聲、視頻雪花、視頻偏色、畫(huà)面凍結(jié)、PTZ運(yùn)動(dòng)失控八種類(lèi)型。其中視頻信號(hào)缺失、隨著“平安城市”的廣泛建設(shè)，各大城市已經(jīng)建有大量的視頻監(jiān)控系統(tǒng)，雖然監(jiān)控系統(tǒng)己經(jīng)廣泛地存在于銀行、商場(chǎng)、車(chē)站和交通路口等公共場(chǎng)所，但是在公安工作中，由于設(shè)備或者其他條件的限制，案情發(fā)生后的圖像回放都存在圖像不清晰，數(shù)據(jù)不完整的問(wèn)題，無(wú)法為案件的及時(shí)偵破提供有效線索。經(jīng)常出現(xiàn)嫌疑人面部特征不清晰、難以辨認(rèn)、嫌疑車(chē)輛車(chē)牌模糊無(wú)法辨認(rèn)等問(wèn)題，這給公安部門(mén)破案、法院的取證都帶來(lái)了極大的麻煩。隨著平安城市的推廣、各地各類(lèi)監(jiān)控系統(tǒng)建設(shè)的進(jìn)一步推進(jìn)，此類(lèi)問(wèn)題將會(huì)越來(lái)越凸顯。

　　模糊圖像產(chǎn)生的原因

　　造成圖像模糊的原因很多，聚焦不準(zhǔn)、光學(xué)系統(tǒng)的像差、成像過(guò)程中的相對(duì)運(yùn)動(dòng)、大氣湍流效應(yīng)、低光照、環(huán)境隨機(jī)噪聲等都會(huì)導(dǎo)致圖像模糊。另外圖像的編解碼、傳輸過(guò)程都可能導(dǎo)致圖像的進(jìn)一步模糊?？傮w來(lái)說(shuō)，造成圖像模糊的主要原因如下：

　　· 鏡頭聚焦不當(dāng)、攝像機(jī)故障等;

　　· 傳輸太遠(yuǎn)、視頻線老化、環(huán)境電磁干擾等;

　　· 攝像機(jī)護(hù)罩視窗或鏡頭受臟污、受遮擋等;

　　· 大霧、沙塵、雨雪等惡劣環(huán)境影響;

　　· 由視頻壓縮算法和傳輸帶寬原因?qū)е碌哪：?

　　· 攝像機(jī)分辨率低，欠采樣成像;

　　· 光學(xué)鏡頭的極限分辨率和攝像機(jī)不匹配導(dǎo)致的模糊;

　　· 運(yùn)動(dòng)目標(biāo)處于高速運(yùn)動(dòng)狀態(tài)導(dǎo)致的運(yùn)動(dòng)模糊等;

　　……

　　模糊圖像常用解決方案

　　對(duì)于模糊圖像處理技術(shù)，國(guó)內(nèi)大學(xué)和科研機(jī)構(gòu)在多年以前就在研究這些理論和應(yīng)用，相關(guān)文獻(xiàn)也發(fā)布了不少，已經(jīng)取得了一些很好的應(yīng)用。美國(guó) Cognitech軟件是相當(dāng)成熟的一套模糊圖像恢復(fù)應(yīng)用軟件，在美國(guó)FBI及其他執(zhí)法機(jī)構(gòu)中已有多年實(shí)際應(yīng)用，其恢復(fù)出的圖像可以直接當(dāng)作法庭證據(jù)使用，可見(jiàn)模糊圖像處理技術(shù)已經(jīng)取得了相當(dāng)?shù)膶?shí)際應(yīng)用。

　　前面提到，造成圖像模糊的原因有很多，要取得比較好的處理效果，不同原因?qū)е碌哪：枰煌奶幚矸椒?。從技術(shù)方面來(lái)講，模糊圖像處理方法主要分為三大類(lèi)，分別是圖像增強(qiáng)、圖像復(fù)原和超分辨率重構(gòu)。

　　圖像增強(qiáng)

　　很多傳統(tǒng)圖像算法都可以減輕圖像的模糊程度，比如圖像濾波、幾何變換、對(duì)比度拉伸、直方圖均衡、空間域銳化、亮度均勻化、形態(tài)學(xué)、顏色處理等。就單個(gè)來(lái)講，這些算法都比較成熟，相對(duì)簡(jiǎn)單。但是對(duì)于一個(gè)具體的模糊圖像，往往需要上面的一種或者多種算法組合，配合不同的參數(shù)才能達(dá)到理想的效果。這些算法和參數(shù)的組合進(jìn)一步發(fā)展成為具體的增強(qiáng)算法，比如“圖像去霧”算法、“圖像去噪”算法、“圖像銳化”算法、“圖像暗細(xì)節(jié)增強(qiáng)”算法等等。這些算法都不同程度提高了圖像清晰度，很大程度改善了圖像質(zhì)量。

　　綜合使用形態(tài)學(xué)、圖像濾波和顏色處理等算法可以實(shí)現(xiàn)圖像去霧的算法，圖1是一個(gè)去霧算法的實(shí)際使用效果，類(lèi)似的圖像增強(qiáng)算法還有很多，不再一一列舉。

　　

圖像復(fù)原

　　圖像復(fù)原與圖像增強(qiáng)技術(shù)一樣，也是一種改善圖像質(zhì)量的技術(shù)。圖像復(fù)原是根據(jù)圖像退化的先驗(yàn)知識(shí)建立一個(gè)退化模型，然后以此模型為基礎(chǔ)，采用各種逆退化處理方法逐步進(jìn)行恢復(fù)，從而達(dá)到改善圖像質(zhì)量的目的。

　　圖像復(fù)原和圖像增強(qiáng)是有區(qū)別的，兩者的目的都是為了改善圖像的質(zhì)量。但圖像增強(qiáng)不考慮圖像是如何退化的，只有通過(guò)試探各種技術(shù)來(lái)增強(qiáng)圖像的視覺(jué)效果，而圖像復(fù)原就完全不同，需要知道圖像退化過(guò)程的先驗(yàn)知識(shí)，據(jù)此找出一種相應(yīng)的逆過(guò)程方法，從而得到復(fù)原的清晰圖像。圖像復(fù)原主要取決于對(duì)圖像退化過(guò)程的先驗(yàn)知識(shí)所掌握的精確程度。

　　對(duì)由于離焦、運(yùn)動(dòng)、大氣湍流等原因引起的圖像模糊，圖像復(fù)原的方法效果較好，常用的算法包括維納濾波算法、小波算法、基于訓(xùn)練的方法等。圖3是使用維納濾波解決運(yùn)動(dòng)模糊圖像的例子，取得了很好的復(fù)原效果。在知道退化模型的情況下，相對(duì)圖像增強(qiáng)來(lái)說(shuō)，圖像復(fù)原可以取得更好的效果。

　　

　　圖像超分辨率重構(gòu)

　　現(xiàn)有的監(jiān)控系統(tǒng)主要目標(biāo)為宏觀場(chǎng)景的監(jiān)視，一個(gè)攝像機(jī)，覆蓋一個(gè)很大的范圍，導(dǎo)致畫(huà)面中目標(biāo)太小，人眼很難直接辨認(rèn)。這類(lèi)由于欠采樣導(dǎo)致的模糊占很大比例，對(duì)于由欠采樣導(dǎo)致的模糊需要使用超分辨率重構(gòu)的方法。

　　超分辨率復(fù)原是通過(guò)信號(hào)處理的方法，在提高圖像的分辨率的同時(shí)改善采集圖像質(zhì)量。其核心思想是通過(guò)對(duì)成像系統(tǒng)截止頻率之外的信號(hào)高頻成分估計(jì)來(lái)提高圖像的分辨率。超分辨率復(fù)原技術(shù)最初只對(duì)單幅圖像進(jìn)行處理，這種方法由于可利用的信息只有單幅圖像，圖像復(fù)原效果有著固有的局限。序列圖像的超分辨率復(fù)原技術(shù)旨在采用信號(hào)處理方法通過(guò)對(duì)序列低分辨率退化圖像的處理來(lái)獲得一幅或者多幅高分辨率復(fù)原圖像。由于序列圖像復(fù)原可利用幀間的額外信息，比單幅復(fù)原效果更好，是當(dāng)前的研究熱點(diǎn)。

　　序列圖像的超分辨率復(fù)原主要分為頻域法和空域法兩大類(lèi)，頻域方法的優(yōu)點(diǎn)是：理論簡(jiǎn)單，運(yùn)算復(fù)雜度低，缺點(diǎn)是：只局限于全局平移運(yùn)動(dòng)和線性空間不變降質(zhì)模型，包含空域先驗(yàn)知識(shí)的能力有限?？沼蚍椒ㄋ捎玫挠^測(cè)模型涉及全局和局部運(yùn)動(dòng)、空間可變模糊點(diǎn)擴(kuò)散函數(shù)、非理想亞采樣等，而且具有很強(qiáng)的包含空域先驗(yàn)約束的能力。常用的空域法有非均勻插值法、迭代反投影方法（IBP）、凸集投影法（POCS）、最大后驗(yàn)估計(jì)法（MAP）、最大似然估計(jì)法 （ML）、濾波器法等，其中，MAP和POCS二方法研究較多，發(fā)展空間很大。對(duì)于具體的算法，不是本文的重點(diǎn)，這里不做詳細(xì)介紹。圖五是一個(gè)使用多幀低分辨率圖像超分辨率重構(gòu)的例子。

　　模糊圖像處理技術(shù)的關(guān)鍵和不足

　　雖然很多模糊圖像的處理方法在實(shí)際應(yīng)用中取得了很好的效果，但是當(dāng)前仍然有一些因素制約著模糊圖像處理的進(jìn)一步發(fā)展，主要如下。

　　算法的高度針對(duì)性

　　絕大部分的模糊圖像處理算法只適用于特定圖像，而算法本身無(wú)法智能決定某個(gè)算法模塊的開(kāi)啟還是關(guān)閉。舉例來(lái)說(shuō)，對(duì)于有霧的圖像，“去霧算法”可以取得很好的處理效果，但是作用于正常圖像，反而導(dǎo)致圖像效果下降，“去霧算法”模塊的打開(kāi)或者關(guān)閉需要人工介入。

　　算法參數(shù)復(fù)雜性

　　模糊圖像處理里面所有的算法都會(huì)包含大量的參數(shù)，這些參數(shù)的選擇需要和實(shí)際的圖像表現(xiàn)相結(jié)合，直接決定最終的處理效果。就目前的算法，還沒(méi)有辦法智能地選擇哪些是最優(yōu)的參數(shù)。

　　算法流程的經(jīng)驗(yàn)性

　　由于實(shí)際圖像非常復(fù)雜，需要處理多種情況，這就需要一個(gè)算法處理流程，對(duì)于一個(gè)具體的模糊視頻，采用什么樣的處理流程很難做到自動(dòng)選擇，需要人工選擇一個(gè)合適的方法，只能靠人的經(jīng)驗(yàn)。

　　結(jié)語(yǔ)

　　由于環(huán)境、線路、鏡頭、攝像機(jī)等影響，監(jiān)控系統(tǒng)建成并運(yùn)營(yíng)一段時(shí)間后，都會(huì)出現(xiàn)一部分的視頻模糊不清的問(wèn)題。

　　總體來(lái)說(shuō)，雖然模糊圖像處理算法已經(jīng)取得了非常廣泛的應(yīng)用，但是圖像算法畢竟有局限性，不能將所有問(wèn)題都寄希望于圖像算法，對(duì)于不同種類(lèi)的模糊問(wèn)題，要區(qū)別對(duì)待。對(duì)于由鏡頭離焦、灰塵遮擋、線路老化、攝像機(jī)故障等造成的模糊或者圖像質(zhì)量下降，在視頻診斷系統(tǒng)的幫助下，一定要及時(shí)維修，從源頭上解決問(wèn)題。對(duì)于低光照等優(yōu)先選擇日夜兩用型高感光度攝像機(jī)，對(duì)于雨霧、運(yùn)動(dòng)和欠采樣等造成的圖像質(zhì)量下降，可以借助于“視頻增強(qiáng)服務(wù)器”包含的各種模糊圖像處理算法來(lái)提升圖像質(zhì)量。

　　

喜歡此內(nèi)容的人還喜歡

17個(gè)教師常用網(wǎng)站推薦給你，再也不用到處找資源了

17個(gè)教師常用網(wǎng)站推薦給你，再也不用到處找資源了 ...

高校教師服務(wù)工作室

不喜歡

不看的原因

確定

內(nèi)容質(zhì)量低 不看此公眾號(hào)

什么是水磨石？被設(shè)計(jì)師玩出新高度

什么是水磨石？被設(shè)計(jì)師玩出新高度 ...

聯(lián)盟設(shè)計(jì)庫(kù)

不喜歡

不看的原因

確定

內(nèi)容質(zhì)量低 不看此公眾號(hào)

卷積層的加速疊加

不僅可以解決了擴(kuò)充圖片尺寸的任務(wù)，同時(shí)提取了圖片的特征。
反卷積層并不是卷積層的逆運(yùn)算，我認(rèn)為它屬于卷積層的一種變體。但它的任務(wù)與卷積層的不同在于卷積層的操作過(guò)程中會(huì)將圖片的尺寸變小或保持不變，而反卷積層的任務(wù)是將特征圖尺寸變大以實(shí)現(xiàn)全卷積神經(jīng)網(wǎng)絡(luò)的目的（往往我們會(huì)使用它來(lái)實(shí)現(xiàn)輸入為圖片，輸出也是圖片的任務(wù)）。
卷積層的過(guò)程就是使用卷積核翻轉(zhuǎn)后在原圖片上進(jìn)行遍歷點(diǎn)乘，而反卷積層由于需要放大特征圖的尺寸，所以我們首先會(huì)使用padding的方法，對(duì)特征圖進(jìn)行填充（一般補(bǔ)充零），進(jìn)一步進(jìn)行卷積操作。
比如一個(gè)443的特征圖，我們首先會(huì)對(duì)他進(jìn)行填充，通過(guò)補(bǔ)0的方式將它變?yōu)?83的特征圖，進(jìn)一步使用28個(gè)333的卷積核對(duì)它進(jìn)行卷積操作，我們就得到了66*28的特征圖，很好的解決了擴(kuò)充圖片尺寸的任務(wù)，同時(shí)提取了圖片的特征。