文档名：基于映射空间编码的高速运动轨道图像去模糊研究
摘要：针对轨道缺陷检测系统因镜头抖动或相机快速移动而导致所采集图像较为模糊的问题,提出一种基于最大后验概率估计思想的映射空间编码的高速运动轨道图像去模糊算法.首先,该算法使用深度编解码器和残差网络分别对数据集中清晰图像到模糊图像的映射关系和模糊核进行编码,为了保证编码时频率信息的完整性,算法在传统的残差模块上引入快速傅里叶变换通道构成双通道残差网络,以补偿多次特征提取带来的频率损失;其次,算法采用深度图像先验(DeepImagePrior,DIP)将潜在的清晰图像和模糊核进行参数化,再利用先验得到的模糊核和清晰图像来调用编码空间中的映射关系;最后,通过交替优化潜在的清晰图像和模糊核,从而去逼近一个真实未知的映射,进而实现真实场景下高速运动轨道图像的去模糊.实验结果表明,双通道残差模块提取的特征图频率信息分量强度普遍高于传统的残差模块,相较于使用传统残差模块实现该算法,采用双通道残差模块可使峰值信噪比(PeakSignal-to-NoiseRatio,PSNR)提升0.84dB,结构相似性(StructuralSimilarity,SSIM)提高0.0251.与现有的深度学习去模糊算法相比,提出的去模糊算法对高速轨道检测系统所采集图像的去模糊效果更佳,在性能方面相较于最好的去模糊算法,PSNR提高了1.84dB,SSIM提升了0.0173,显著提升了采集图像的质量.研究结果可为下一步识别轨道部件是否存在缺陷提供清晰图像.
Abstract：Thispaperproposedahigh-speedmotionrailwayimagedeblurringalgorithmbasedonMaximumAPosteriori(MAP)estimationandmappingspaceencoding,aimingtoaddresstheproblemofimageblurringcausedbylensjitterorrapidcameramovementsintherailwaydefectdetectionsystem.First,thealgorithmemployeddeepencoder-decoderandresidualnetworkstoencodethemappingrelationshipbetweenclearandblurredimagesinthedataset,aswellastheblurkernel.Topreservethefrequencyinformationduringencoding,thealgorithmintroducedadual-channelresidualnetworkwithfastFouriertransform(FFT)channelsonthetraditionalresidualmodulestocompensateforthefrequencylosscausedbymultiplefeatureextractions.Second,thealgorithmutilizedtheDeepImagePrior(DIP)toparameterizethelatentclearimageandblurkernel,andsubsequentlyleveragedtheobtainedpriorblurkernelandclearimagetoinvokethemappingrelationshipwithintheencodingspace.Finally,throughalternatingoptimizationofthelatentclearimageandblurkernel,thealgorithmapproximatedanunknownmappingtoachievethedeblurringofhigh-speedmotionrailwayimagesinrealscenes.Theexperimentalresultsindicatethatthefrequencycomponentintensityofthefeaturemapsextractedbythedual-channelresidualmoduleisgenerallyhigherthanthatofthetraditionalresidualmodule.Comparedtoimplementingthealgorithmusingatraditionalresidualmodule,adoptingadual-channelresidualmodulecanresultinanincreaseof0.84dBinPeakSignal-to-NoiseRatio(PSNR)andanimprovementof0.0251inStructuralSimilarity(SSIM).Comparedwithexistingdeeplearningdeblurringalgorithms,theproposeddeblurringalgorithmshowssuperiordeblurringperformanceforimagesacquiredbythehigh-speedrailwaydetectionsystem,achievinganimprovementof1.84dBinPSNRand0.0173inSSIMoverthebestdeblurringalgorithmandsignificantlyenhancingthequalityoftheacquiredimages.Theproposedmethodcanprovideclearimagesforthenextsteptoidentifywhethertherearedefectsintherailwaycomponents.
作者：鄢化彪 刘词波 黄绿娥 赵恒 Author：YANHuabiao LIUCibo HUANGLü'e ZHAOHeng
作者单位：江西理工大学理学院,江西赣州341000江西理工大学电气工程与自动化学院,江西赣州341000中铁二院工程集团有限责任公司,四川成都610000
刊名：铁道科学与工程学报
Journal：JournalofRailwayScienceandEngineering
年，卷(期)：2024, 21(2)
分类号：U216.3
关键词：运动去模糊 编码-解码器 映射空间 深度图像先验 残差网络
Keywords：motiondeblurring encoder-decoder mappingspace depthimageprior residualnetwork
机标分类号：TP391TN911.73TP23
在线出版日期：2024年3月19日
基金项目：江西省自然科学基金资助项目，江西省教育厅科学技术重点研究项目基于映射空间编码的高速运动轨道图像去模糊研究[
期刊论文] 铁道科学与工程学报--2024, 21(2)鄢化彪 刘词波 黄绿娥 赵恒针对轨道缺陷检测系统因镜头抖动或相机快速移动而导致所采集图像较为模糊的问题,提出一种基于最大后验概率估计思想的映射空间编码的高速运动轨道图像去模糊算法.首先,该算法使用深度编解码器和残差网络分别对数据集中...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于映射空间编码的高速运动轨道图像去模糊研究 Research on deblurring of high-speed motion railway images based on mapping spatial coding
基于映射空间编码的高速运动轨道图像去模糊研究.pdf
- 文件大小:
- 4.74 MB
- 下载次数:
- 60
-
高速下载
|
