基於稀疏表示的單幅圖像聯合盲復原及識別

《基於稀疏表示的單幅圖像聯合盲復原及識別》是依託天津大學，由何宇清擔任項目負責人的面上項目。

基本介紹

• 中文名：基於稀疏表示的單幅圖像聯合盲復原及識別
• 項目類別：面上項目
• 項目負責人：何宇清
• 依託單位：天津大學

項目摘要

目前的圖像復原算法多是面向人類視覺感知而設計，無法保證復原後的圖像得到很好的識別；另一方面，現有的視覺識別系統大多數假設輸入為高質量圖像，而現實套用中如監控視頻等所感興趣的目標往往是各種模糊降質後的低質量圖像，使得識別任務面臨很大挑戰。少量為識別而設計的算法或基於多幅圖像、或在模糊降質模型參數已知等條件下進行。本項目突破傳統'先復原再識別'、僅考慮視覺而未從識別角度最佳化圖像復原質量等局限，提出基於稀疏表示的單幅圖像聯合盲復原及識別研究方案。首先研究單獨圖像盲復原、圖像識別方法；然後探索圖像復原和識別之間的相互影響和促進機理；最後以同時改善圖像復原質量並提高圖像識別性能為目標構建基於稀疏表示的聯合盲復原及識別數學模型，並設計合理的稀疏先驗作為模型的約束項，反演模型並求解，同時獲取模糊降質函式、清晰圖像以及高精度識別結果等目標。項目算法可廣泛用於視頻監控、人臉識別系統、智慧型手機處理系統等領域。

結題摘要

本項目圍繞基於稀疏表示和多先驗正則化的圖像盲復原、基於全局-局部特徵的圖像識別進行研究，提出新的圖像復原、圖像識別算法。有效促進圖像復原及識別領域理論和套用研究進展，研究成果在視頻監控、人臉識別、軍事偵察、智慧型手機系統等計算機視覺領域具有廣泛的套用。 針對現有稀疏表示模型中重疊分塊計算複雜度高的問題，提出多模式非重疊分塊策略，在每種模式下獨立求解復原圖像，然後對各模式下復原圖像求平均以消除“偽像”；用l1/l2範數作為稀疏性度量，將圖像梯度稀疏先驗融入基於稀疏表示的圖像盲復原模型，提出了聯合新型分塊字典稀疏表示和圖像梯度稀疏先驗的盲復原模型，採取疊代方法交替估計模糊核和待覆原圖像。利用邊緣檢測對傳統TV模型進行改進，並結合圖像的變換域自相似性，提出一種基於邊緣檢測的多方向加權TV和變換域自相似性正則化的圖像去模糊算法。將暗通道先驗融入上述模型，提出基於暗通道先驗和多方向加權TV的圖像盲去模糊方法。基於圖像模糊前後低值像素的稀疏性變化，提出了一種簡單有效、更具普適性的低值像素先驗；針對目前去模糊研究中極少考慮噪聲影響的問題，設計了深度卷積神經網路，學習圖像的深度去噪先驗；將包括梯度稀疏先驗的統計先驗與深度去噪先驗融合到同一數學框架，構建新的圖像盲去模糊模型，並提出有效的求解方法。 提出一種基於自適應近鄰的局部保持投影的人臉識別方法。在特徵提取時利用可變的相似度、近鄰信息以及數據類別信息構建目標函式，通過最小化目標函式來自適應最佳化鄰接矩陣與投影矩陣，使用最佳化後的投影矩陣對高維人臉數據進行維數約減，採用降維後的數據來進行人臉分類識別。基於NNNF行人檢測算法，提出了一種方法來解決行人特徵對尺度變化敏感的問題，以及視窗虛檢的問題。本項目提出了一種二分支卷積單元，該卷積單元包含兩種不同類型的濾波器，分別用於提取特徵通道內信息和特徵通道間信息。該卷積單元能有效增加特徵的多樣性，減少信息損失。提出了一種最佳化圖像高頻部分幾何分量的去雨方法。首先採用平滑濾波做圖像分解，得到雨圖像的高頻部分；然後結合稀疏表示與近鄰傳播算法分離出圖像高頻部分的雨分量，用圖像的高頻部分減去雨分量並做平滑處理，以此作為幾何分量；此外，對稀疏表示過程得到的字典進行再分類，完善雨分量與非雨分量的區分，最後完成圖像恢復。