1 四川轻化工大学 自动化与信息工程学院，四川 宜宾 644000
2 四川轻化工大学 人工智能四川省重点实验室，四川 宜宾 644000
针对人脸图像修复的深度学习网络存在修复后的人脸图像面部语义信息不合理和面部轮廓不协调的问题，提出了一种基于人脸结构信息引导的人脸图像修复网络。首先，采用编码器-解码器网络技术构建人脸结构草图生成网络，并在结构草图生成网络的生成器中加入跳跃连接和引入带膨胀卷积的残差块以生成待修复区域的结构草图。其次，在构建人脸修复网络时，在修复网络生成器中引入注意力机制，让修复网络在修复过程中更多关注待修复区域，并以生成的人脸结构草图为引导从而实现人脸图像面部语义结构和纹理信息的生动修复。最后，在结构草图生成网络的损失函数中引入特征匹配损失进行模型训练，从而约束生成器生成与真实结构草图更相似的结果；在修复网络的损失函数中联合感知损失和风格损失进行模型训练，从而更好地重建待修复区域的人脸图像面部轮廓结构和颜色纹理，使修复后的图像更接近真实图像。对比实验结果表明，在人脸图像数据集中，本文所设计的网络模型的修复性能有较高的提升。
人脸修复 解码器-编码器 膨胀卷积 跳跃连接 注意力机制 face inpating encoder-decoder dilated convolution skip connections attention mechanism
1 四川轻化工大学 人工智能四川省重点实验室, 四川 宜宾 644000
2 国网四川省电力公司电力研究院, 四川 成都 610000
在复杂的施工环境中, 基于机器视觉技术的安全帽佩戴检测算法常常出现漏检、误检, 其检测能力有限。为提高安全帽佩戴检测的精度, 本文建立了一种基于注意力机制的双向特征金字塔的安全帽检测卷积神经网络。为兼顾卷积神经网络中的浅层位置信息和深层语义信息的表达能力, 实现对弱小安全帽目标的检测能力, 该网络将跳跃连接和注意力机制CBAM技术引入双向特征融合的特征金字塔网络PANet模块中, 构建基于注意力机制的双向特征金字塔模块CPANet。为提高模型的收敛能力, 采用了CIoU来代替IoU进行优化锚框回归预测, 降低该网络的训练难度。对比实验表明, 本文建立的检测网络比YOLOv3、RFBNet、SSD、Faster RCNN的mAP值分别提高了0.82, 4.43, 23.12, 23.96, 检测速度达到21 frame/s, 实现了施工现场安全帽佩戴实时高精度检测。
目标检测 特征融合 target detection feature fusion PANet PANet CBAM CBAM CIoU CIoU
1 四川轻化工大学 人工智能四川省重点实验室, 四川 自贡643000
2 西南科技大学 特殊环境机器人技术四川省重点实验室, 四川 绵阳 621000
在对图像变分描述的前提下, 为有效地利用条带噪声之间的相似性, 本文将条带噪声的群稀疏表示引入到单向变分模型中, 提出群稀疏技术限制的单向变分模型, 并采用交替方向乘子法求解该模型。对比实验证明, 本文所提出的群稀疏限制的单向变分模型能有效地利用条带噪声的相似性实现条带噪声的消除, 更好地重构图像的细节信息, 峰值信噪比与结构相似性比其他模型分别提高6.76 dB和0.25, 图像去噪性能更优。
条带噪声 变分 群稀疏 交替方向乘子法 strip noise variation group sparse alternating direction method of multipliers
1 四川理工学院 自动化与信息工程学院,四川 自贡 643000
2 电子科技大学 电子工程学院, 四川 成都 611731
进行人脸识别前, 首先要精确定位出一幅图像中人脸的位置, 为了快速定位人脸位置, 本文提出一种肤色定位的人脸检测算法。首先将实际获取的彩色图像转换为YCbCr和HSI空间图像, 并将Cb和Cr图像中的数值进行四舍五入处理, 结合Cb、Cr、H和S的阈值去除大部分背景, 再统计当前图像中的彩色部分的Cb和Cr值, 分别取最多2个数值来共同确定肤色位置, 最后由当前位置的亮度信息图像排除手等纯肤色部分, 准确定位人脸。本文算法能提高正检率并降低误检率, 有利于人脸检测。
人脸检测 肤色定位 face detection YCbCr YCbCr skin color location
四川理工学院 自动化与电子信息学院, 四川 自贡 643000
针对L2范数的非局部变分模型在迭代过程中未考虑图像局部梯度信息, 模糊图像细节信息的缺点, 提出了一种基于L1范数的非局部变分模型。首先, 对基于L1范数的非局部变分模型的扩散性能进行了详细的分析。接着, 将该模型应用于退化图像的复原中, 并推导出该模型的Bregman交替迭代求解过程。最后, 通过对比实验, 证明本文提出的L1范数的非局部变分复原模型能更好地重构图像的细节信息, 相对于L2范数的非局部变分模型峰值信噪比提高大于1 dB, 图像复原性能更优。
图像复原 非局部变分 Bregman迭代 非局部梯度 image recovery non local total variation bregman iteration non local gradient
四川理工学院 自动化与电子信息学院，四川 自贡 643000
针对全变分模型(total variation，TV)以图像的梯度信息作为去噪的尺度参数，未考虑图像局部纹理的方向性的缺点，提出了一种基于图像局部方向特性的自适应全变分去噪模型(Adaptive directional total variation，ADTV)，并推导出该模型的迭代数值求解过程。在该模型中，首先，计算出图像局部方向的角度矩阵。然后，构造与图像纹理方向一致的椭圆区域代替TV模型的圆形区域。最后，通过优化最小化算法迭代求解以获得去噪后图像。通过对比实验证明，本文提出的模型取得了更高的峰值信噪比，去噪过程中更好地增强了图像的细节信息。
图像去噪 全变分 优化最小化算法 图像局部方向 image denoising total variation optimal minimization algorithm image local direction
四川理工学院 自动化与电子信息学院，四川 自贡 643000
针对非局部均值滤波的权值由相似块的欧式距来确定而未考虑其受噪声影响的缺点，提出了一种权值由相似块欧式距的统计特性确定的去噪算法。该算法首先对受到高斯噪声干扰的图像相似块的欧式距建立概率分布函数，再由概率分布函数确定权值大小，从而有效地减小高斯噪声对加权系数的影响，以提高去噪性能。实验中，从主客观方面与传统非局部均值滤波进行对比分析，实验数据表明本文提出的算法峰值信噪比提高约1 dB，去除噪声的同时保留更多图像的细节信息，去噪性能更优。
非局部均值 概率密度 欧式距 图像去噪 non-local means probability density euclidean distance image denoising
四川理工学院自动化与电子信息学院，四川自贡 643000
本文分析了图像复扩散去噪算法的优缺点 , 针对复扩散强度参数 k与迭代步长 Δt在扩散过程中恒定的缺点，提出了一种基于扩散强度参数与迭代步长的自适应复扩散去噪算法。在该扩散过程中，用图像实部的局部梯度控制扩散强度参数大小实现在不同在梯度区域的不同扩散速度，同时对迭代步长随迭代次数增加而逐渐增加，以实现在更短的扩散时间内获得更好的去噪效果。实验结果表明，本文提出的方法在去除噪声的同时更好地保留了图像的细节信息，取得更高的峰值信噪比，所用时间更少。
复扩散 扩散函数 迭代步长 图像去噪 complex diffusion diffusion function iterative step image denoising
