计算机视觉基础(12)——图像恢复

前言

我们将学习图像恢复相关知识。主要有图像恢复的定义、评价标准和实现图像恢复的方法。图像恢复任务包括图像去噪、去模糊、图像超分辨率、图像修复等;评价标准有峰值信噪比和结构相似性;图像超分辨的方法有传统方法和基于深度学习的方法:传统方法包括了基于插值的方法和基于字典学习,而深度学习方法有很多,包括SRCNN,VDSR等。

一、图像恢复的定义

1.1 图像恢复的意义

由于环境的⼲扰(速度过快、天⽓原因、识别噪声等)导致的图像退化:

图像恢复与图像分割区别在于:图像分割是提取⾼级特征;而图像恢复的意义是做图像的理解。

1.2 图像恢复任务的定义

1.2.1 通用的简单退化模型

1.2.2 图像去噪

加性噪声有:

  • 拍摄噪声(shot noise):服从泊松分布
  • 读取噪声(read noise):服从高斯分布
  • 暗电流噪声(Dark noise):和器件本身有关

注意区分图像去噪与图像去模糊的区别:前者使⽤滤波,后者是叠加

1.2.3 图像去模糊

1.2.4 图像超分辨率

这部分内容将在本人第三部分进行详细阐述。

1.2.5 图像修复

1.2.6 图像分离

1.2.7 病态问题

二、图像恢复的评价标准

常用评价标准有峰值信噪比(PSNR)和结构相似性(SSIM),注意区分二者的优缺点:

三、图像超分辨率

3.1 图像超分辨率任务的定义

从低分辨率图像恢复原始的高分辨率图像

  • 产生逼真的、有细节的图像------内容、细节真实性
  • 忠实于低分辨率图像的内容------内容匹配性

3.2 传统图像超分辨率方法

3.1.1 基于插值的方法

3.1.2 基于字典学习

基于一对互相对应的外部字典,分别对应高清图像空间和低清图像空间

3.3 基于深度学习的图像超分辨率方法

3.3.1 SRCNN & VDSR

3.3.2 ESPCN & SRResNet

3.3.3 Perceptual loss

3.3.4 Texture matching loss

3.3.5 SRGAN

3.3.6 SFTGAN

3.4 数据集采集

3.5 基本框架

【第一种多帧超分 (Multi-frame SR) 】

【第二种递归式序列超分 (Recurrent)】

总结

在本文中,我们学习了图像处理的又一技术------图像恢复。读者需要掌握图像恢复的定义是将含噪声图像、模糊图像、低分辨率图像或者破损图像等实现超分辨率重建,图像恢复的评价标准是峰值信噪比和结构相似性,以及图像超分辨率的相关方法,包括传统的方法(插值和字典),基于深度学习的方法

相关推荐
阿坡RPA12 小时前
手搓MCP客户端&服务端:从零到实战极速了解MCP是什么?
人工智能·aigc
用户277844910499312 小时前
借助DeepSeek智能生成测试用例:从提示词到Excel表格的全流程实践
人工智能·python
机器之心12 小时前
刚刚,DeepSeek公布推理时Scaling新论文,R2要来了?
人工智能
算AI14 小时前
人工智能+牙科:临床应用中的几个问题
人工智能·算法
凯子坚持 c15 小时前
基于飞桨框架3.0本地DeepSeek-R1蒸馏版部署实战
人工智能·paddlepaddle
你觉得20515 小时前
哈尔滨工业大学DeepSeek公开课:探索大模型原理、技术与应用从GPT到DeepSeek|附视频与讲义下载方法
大数据·人工智能·python·gpt·学习·机器学习·aigc
8K超高清16 小时前
中国8K摄像机:科技赋能文化传承新图景
大数据·人工智能·科技·物联网·智能硬件
hyshhhh16 小时前
【算法岗面试题】深度学习中如何防止过拟合?
网络·人工智能·深度学习·神经网络·算法·计算机视觉
薛定谔的猫-菜鸟程序员16 小时前
零基础玩转深度神经网络大模型:从Hello World到AI炼金术-详解版(含:Conda 全面使用指南)
人工智能·神经网络·dnn
币之互联万物16 小时前
2025 AI智能数字农业研讨会在苏州启幕,科技助农与数据兴业成焦点
人工智能·科技