1 合肥工业大学,a.电气与自动化工程学院
2 合肥工业大学,b.计算机与信息学院, 合肥 230009
雨天会大幅度降低图像质量, 对图像的后续处理产生阻碍。为了实现含雨图像的雨滴去除, 提出一种基于条件生成对抗网络的单图像去雨滴方法。该方法采用条件生成对抗网络（CGAN)基本架构, 以雨滴图像作为附加条件信息, 并且添加Lipschitz约束条件;采用条件对抗损失、内容损失以及感知损失相结合的方式来训练网络模型, 以修复有雨滴的区域, 并重建图像。实验结果表明, 提出的方法相较于现有算法雨滴去除效果更好, 并且在保证雨滴去除效果的基础上避免图像模糊。
雨滴去除 条件生成对抗网络 Lipschitz约束条件 网络模型 raindrop removal conditional generative adversarial network Lipschitz constraint network model
合肥工业大学计算机与信息学院, 合肥 230009
针对多目标跟踪中, 目标瞬间丢失、目标交错或重叠时目标跟踪失败等情况, 本文提出了一种改进的离散连续优化多目标跟踪算法。该方法根据离散连续优化多目标跟踪算法原理, 采用增加速度约束项能量函数以及改进原能量函数的策略, 以达到约束轨迹形态的目的。采用在全局优化后进行聚类处理的策略, 以达到区分不同目标运动轨迹的目的。实验结果表明, 该算法具有较好的鲁棒性, 能够很好地实现复杂图像序列中的多目标跟踪。
多目标跟踪 离散连续优化 能量函数 multi-target tracking discrete continuous optimization energy function
合肥工业大学 计算机与信息学院，合肥 230009
图像超分辨率重建技术在提升图像质量，改善图像视觉效果等方面有着重要意义。为了充分利用图像自身蕴含的信息，本文提出一种基于自相似性和稀疏表示的单幅图像超分辨率重建算法。针对图像中存在的相同尺度和不同尺度的相似结构，算法联合稀疏K-SVD 字典学习方法和非局部均值方法将蕴含在其中的有效信息以正则项的形式加入到最大后验概率估计框架中，然后，采用梯度下降法求解算法构建的目标函数，重建出高分辨率图像。实验表明，与经典的算法相比，本文算法在视觉效果和评价指标上都有一定的提高。
超分辨率 自相似性 稀疏表示 稀疏K-SVD 非局部均值 super-resolution self-similarity sparse representation sparse K-SVD non-local means
