下载文档原格式
5G 前传技术及发展探讨■ 俞兴明1,2 徐冬梅2 李亮亮2（1.苏州市职业大学 电子信息工程学院 江苏 苏州 215104）（2.江苏通鼎宽带有限公司 技术部 江苏 苏州 215200）５Ｇ是最新一代的移动通信技术，在我国即将大规模建设。
而５Ｇ前传网建设方案的选择决定着整个５Ｇ网络建设的成本。
主要介绍了光纤直驱、无源ＷＤＭ、有源ＷＤＭ／ＯＴＮ三种５Ｇ前传方案的组成和优缺点，最后介绍了ＰＡＢ－ＷＤＭ和ＷＤＭ－ＰＯＮ两种正在研发的５Ｇ前传新技术。
5G is the latest mobile communication technology, which is about to be built on a large scale in China. The choice of 5G Fronthaul network construction plan determines the cost of the whole 5G network construction. This paper mainly introduces the composition and advantages and disadvantages of three 5G Fronthaul schemes, namely optical fiber direct drive, passive WDM, active WDM/OTN and so on. Two new 5G Fronthaul technologies that are being developed, namely PAB-WDM and WDM-PON were introduced finally.５Ｇ 前传网络 光纤直驱 ＷＤＭ5G; Fronthaul Network; Optical fiber direct-drive; WDMDoi:10.3969/j.issn.1673-5137.2019.06.004摘 要Abstract关键词Key Words１． 前言2019年6月6日，我国工信部对四大电信运营商发放了5G运营牌照，标志着我国将开始5G网络的大规模建设。
一种基于数字投影散斑的双目视觉图像匹配改良技术【摘要】本文探讨了一种基于数字投影散斑的双目视觉图像匹配改良技术。
在介绍了研究背景、研究意义和研究目的。
在对数字投影散斑技术进行了介绍，分析了双目视觉图像匹配方法，阐述了改良技术的原理，并通过实验验证了其有效性。
对改良技术与传统方法的性能优势进行了对比分析。
在展望了技术的应用前景，总结了研究成果，并提出了进一步研究的方向。
本研究的成果为双目视觉图像匹配技术的发展提供了新的思路和方法，具有广阔的应用前景。
【关键词】关键词：数字投影散斑、双目视觉、图像匹配、改良技术、实验验证、性能优势、应用前景、研究成果、研究方向1. 引言1.1 研究背景数字投影散斑技术是一种利用数字投影和散斑成像相结合的先进成像技术，能够提高双目视觉系统的成像质量和匹配精度。
随着计算机视觉和机器视觉技术的快速发展，双目视觉图像匹配在三维重建、目标识别和定位等领域有着广泛的应用前景。
传统的双目视觉图像匹配方法在处理复杂场景和光照变化时存在诸多挑战，如匹配算法的稳定性和精度不高等问题。
对双目视觉图像匹配技术进行改良和优化具有重要意义。
本文旨在基于数字投影散斑技术，提出一种改良的双目视觉图像匹配技术，通过引入数字投影散斑技术的先进成像原理和算法，改进传统双目视觉图像匹配方法，提高匹配的准确性和效率。
通过对改良技术的研究与实验验证，探讨其在实际应用中的性能优势与潜在的技术应用前景。
1.2 研究意义数字投影散斑技术是一种基于数字散斑的成像方法，通过对物体进行数字散斑光源照射，利用物体表面产生的散斑信息来实现三维重建和深度信息获取。
在双目视觉图像匹配中，传统的匹配方法存在着计算复杂度高、匹配精度不高等问题，限制了其在实际应用中的效果和性能。
基于数字投影散斑的双目视觉图像匹配改良技术具有重要的研究意义。
该技术可以有效提高双目视觉图像的匹配效率和精度，从而提升了双目视觉系统在三维重建、目标检测和测距等领域的应用性能。
AI实现宽带二维码用户自助诊断报障落实数字化转型助力高质量发展摘要：在以落实数字化转型,助力高质量发展为战略指引，围绕“提价值、谋发展、重基础、有激情”的工作目标，持续强化网络服务支撑能力、提升网络运营效能、加快推进网络数字化转型、全面深化运营体系变革，打造网络差异化竞争优势，助力开创高质量发展新征程的大的战略背景下，结合实际情况，利用OSGI/C系统智能网关和二维码新技术特性，根据服务和业务需求，通过AI人工智能，设定6类场景，设计了系统体系架构，率先在国内外行业内完全自主创新规模化实现宽带二维码自助诊断报障，规模化应用赋能一线生产（智家工程师、客服、用户自助、市场业务推送等），切实提升了生产效能和用户服务感知，推动了数字化转型，助力了高质量发展。
关键字：二维码、AI、智能网关、赋能、触点、首创背景：在以落实数字化转型,助力高质量发展为战略指引，围绕“提价值、谋发展、重基础、有激情”的工作目标，持续强化网络服务支撑能力、提升网络运营效能、加快推进网络数字化转型、全面深化运营体系变革，打造中国联通网络差异化竞争优势，助力开创公司高质量发展新征程的大的战略背景下，山东联通结合省内实际，为解决一线赋能，实现用户、智家工程师、客服前置预处理自助方便灵活诊断预处理拦截报障及进度查询，利用新技术特性，根据服务和业务需求，通过AI率先在国内外行业内完全自主创新规模化实现宽带二维码自助诊断报障，规模化应用赋能一线生产（智家工程师、客服、用户自助等），切实提升了生产效能和用户服务感知，推动了数字化转型，助力了高质量发展。
一、全场景宽带二维码用户自助诊断报障逻辑设计和系统实现及应用1、行业内自主首创实现宽带二维码（自动弹码）用户自助诊断报障，提升生产效能和用户服务感知。
逻辑设计与实现原理：率先在国内外行业内完全自主原创设计利用智能网关技术特性和当前互联网化的数字化信息技术（二维码、自助化），巧妙利用近端故障输出逻辑，设定6类确定场景（可扩展），每类场景制定了触发弹码逻辑和标准弹出话述及统一的故障代码，设计了二维码各类参数，通过完全自主设计开发相关业务逻辑和流程及制定技术规范，通过AI人工智能状态机逻辑算法，拉通相关系统，实现FTTH智能网关型路由光猫“宽带二维码”故障时自动弹出，并支持自动智能计算恢复，附带宽带账号和相关价值参数，用户全自动自助扫码/点击实现诊断报障和后台根据标准化的故障代码实现精准派单。
论新兴网络构式“V不了一点”目录1. 内容简述 (2)1.1 研究背景与意义 (2)1.2 研究目的和问题界定 (3)1.3 文献综述 (4)1.4 研究方法和框架 (5)2. 语言学理论基础 (6)2.1 构式语法理论 (8)2.2 新兴网络语言的概念 (9)2.3 “V不了一点”的构式性质 (11)3. 构式语用与网络语境分析 (12)3.1 语言变异与网络语言的形成 (13)3.2 “V不了一点”的构式发展和应用 (14)4. “V不了一点”的语义特性 (15)4.1 词汇意义与构式意义之间的关系 (16)4.2 意义的动态变化与文化反映 (18)5. 社会语言学透视 (19)5.1 身份认同与网络社群里的话语实践 (20)5.2 传播机制与话语影响力 (21)6. 实例分析 (22)6.1 语言学实例解析 (24)6.2 社会文化案例研究 (25)6.3 语用功能与互动效果 (26)7. 语用价值与交流功能探讨 (27)7.1 舆情引导与情感表达 (28)7.2 社会反应与管理 (30)8. 结论与未来研究方向 (31)8.1 主要研究发现 (32)8.2 语构发展趋势和潜在问题 (33)8.3 研究方法的局限性和发展方向 (34)1. 内容简述本文旨在探讨新兴网络构式“V不了一点”的优势、挑战以及未来发展趋势。
受传统网络架构局限的启发，V不了一点构式以分散、可扩展、容错的特性重新构建网络连接方式，并引入了全新概念与机制。
本文将首先阐述V不了一点构式的核心原理和特征，分析其在数据传输、网络安全、资源分配等方面的优势。
将深入剖析V不了一点构式面临的挑战，例如复杂性、技术标准化、生态建设等问题。
展望V不了一点构式的未来发展方向，包括可能的应用场景、技术突破以及面临的机遇和挑战。
1.1 研究背景与意义随着互联网的迅猛发展和社交媒体的普及，新兴的网络语言和构式不断涌现，深刻地影响着人们的交流方式和社会文化。
光网络技术课程综述——你所了解光网络的主要技术、发展及其应用（10级电子与通信工程丁彦学号：**********）光纤通信是以光波为载波，以光纤为传输介质的一种通信方式。
随着通信网传输容量的不断增加，光纤通信也发展到了一定的高度。
但是目前的光纤通信技术存在不少弊端，急需对其进行改进。
为了解决这些弊端，人们提出了光网络。
光网络以其良好的透明性、波长路由特性、兼容性和可扩展性，已成为下一代高速宽带网络的首选。
这，AON）。
里的光网络，是指全光网络（All Optical Network1 全光网络的概念全光网络是指光信息流从源节点到目的节点之间进行传输与交换中均采用光的形式，即端到端的完全的光路，中间没有电信号的介入，在各网络节点的交换，则使用高可靠、大容量和高度灵活的光交叉连接设备（OXC）。
它是建立在光时分复用（OTDM）或者密集波分复用（DWDM）基础上的高速宽带信息网。
2 全光网络的特点全光网络的发明与运用，可以不用在源节点与目的节点之间的各节点进行光电交换、电光交换，弥补了传统光纤通信中存在的带宽限制、严重串话、时钟偏移、高功耗等一些不足，拥有更强的可管理性、透明性、灵活性。
全光网络与传统通信系统相比，具有以下一些特点：1)节约成本。
由于全光网络中不需要进行光电转换，这就避免使用传统通信系统中需要的光电转换器材，节省这些昂贵的器材费用，也克服了传输途中由于电子器件处理信号速率难以提高的困难，大大提高了传输速率。
此外，在全光网络中，大多会采用无源光学器件，这也带来了成本和功耗的降低。
2)组网灵活。
全光网络可以根据通信容量的需求，在任何节点都能抽出或加入某个波长，动态地改变网络结构，组网极具灵活性。
当出现突发业务时，全光网络可以提供临时连接，达到充分利用网络资源的目的。
3)透明性好。
全光网络采用波分复用技术，以波长选择路由，对传输码率、数据格式以及调制方式等具有透明性。
可方便地提供多种协议的业务。
文章编号：1673-887X(2023)06-0016-04水产养殖业低成本氨氮在线监测仪的设计开发张鹏1，龙文昌2，周武平1，李玉瑛1，刘长宇1（1.五邑大学生物科技与大健康学院，广东江门529000；（2.江门市蓝达环保科技有限公司，广东江门529000）摘要针对传统人工试纸检测无法全面、连续评估养殖水体氨氮浓度变化的问题，设计了一种基于靛酚蓝分光光度法的低成本氨氮在线监测仪表。
利用恒流LED 与硅光电池完成光信号到电信号的转换，开发了分段定量取样技术实现试剂的精确取样定量，设计了以STM32RCT6单片机为核心的工作电路，包括LED 恒流电路、模数转换电路等。
并搭建工程样机开展仪表性能测试。
仪表对多量程标准样品的相对标准偏差为0.34%~3.72%，对3种实际水样的测量误差不高于0.03mg/L，测试准确度与稳定性均能满足农业生产实际要求。
高效低成本氨氮在线监测仪将为水产养殖业提供高性价比的氨氮检测方案。
关键词低成本；氨氮；LED；在线监测；分段定量中图分类号S951.2文献标志码Adoi:10.3969/j.issn.1673-887X.2023.06.005Design and Development of Low-cost Ammonia Nitrogen On-line Monitor for AquacultureZhang Peng 1,Long Wenchang 2,Zhou Wuping 1,Li Yuying 1,Liu Changyu 1(1.School of Biotechnology and Health Sciences,Wuyi University,Jiangmen 529000,Guangdong,China;2.Jiangmen Landa Environmental Protection Technology Co.,Ltd.,Jiangmen 529000,Guangdong,China)Abstract ：A low-cost ammonia nitrogen online monitoring instrument based on the indophenol blue spectrophotometric method was designed for the problem that the traditional manual test paper detection cannot comprehensively and continuously assess the chang ‐es of ammonia nitrogen concentration in farmed water ing constant current LED and silicon photocell to complete the con ‐version of light signal to electric signal,we developing segmented quantitation sampling technology to achieve accurate sampling and quantification of reagents,and designed a working circuit with STM32RCT6microcontroller as the core,including LED constant current circuit,analog-to-digital conversion circuit,etc.Finally,an engineering prototype was built to verify the performance of the instrument.The relative standard deviation of the instrument for multi-range standard samples was 0.34%~3.72%,and the measure ‐ment error for three actual water samples was not higher than 0.03mg/L.The test accuracy and stability could meet the actual re ‐quirements of agricultural production.The high efficiency and low-cost ammonia nitrogen online monitor will provide a cost-effec ‐tive ammonia nitrogen detection solution for the aquaculture industry.Key words ：low cost,ammonia nitrogen,LED,online monitoring,subsection quantification随着人们对水产品的需求日益增加，水产养殖业得到了迅猛发展，但也给环境带来了一定的危害。
第41卷 第3期吉林大学学报(信息科学版)Vol.41 No.32023年5月Journal of Jilin University (Information Science Edition)May 2023文章编号:1671⁃5896(2023)03⁃0552⁃07基于变分贝叶斯的视觉散焦光图像快速盲复原算法收稿日期:2022⁃06⁃01基金项目:山西省自然科学基金资助项目(201901D111061)作者简介:姜新军(1981 ),男,山东济宁人,太原卫星发射中心工程师,主要从事光学测量技术研究,(Tel)86⁃133****8358(E⁃mail)zhangnan684@㊂姜新军(太原卫星发射中心技术部,太原030000)摘要:为实现数字图像的高精度应用,降低外界光线对视觉成像的影响,提出一种基于变分贝叶斯的视觉散焦光图像快速盲复原算法㊂通过梯度和卷积处理,计算视觉散焦光图像后验概率期望,利用Sobolev 空间函数分布方法提取最优初始图像和散焦光模糊函数先验概率㊂以变分贝叶斯的近似分布思想,无限逼近实际的后验概率;使用相对熵计算多个分布间距离,最大程度贴近真实值;将最小损耗代价函数输入双边滤波器内,即以近似清晰图像为指导图,剔除剩余高频噪声,得到最优图像盲复原结果㊂实验结果表明,所提算法盲复原后图像对比度高,边缘细节清晰,复原速度快,具有极高的应用价值㊂关键词:最小损耗代价函数;变分贝叶斯;散焦光图像;后验概率;相对熵;双边滤波器中图分类号:TP391文献标志码:AFast Blind Restoration Algorithm of Visual Defocus Image Based on Variable BayesianJIANG Xinjun(Department of Technical,Taiyuan Satellite Launch Center,Taiyuan 030000,China)Abstract :In order to realize the high⁃precision application of digital images and reduce the influence of external light on visual imaging,a fast blind restoration algorithm for visual defocused light images based on variational Bayesian is proposed.Through gradient and convolution processing,the posterior probability expectation of the visual defocused light image is calculated,and the optimal initial image and the prior probability of the defocused light blur function are extracted by using the Sobolev space function distribution method.The actual posterior probability is reached infinitely,using relative entropy to calculate the distance between multiple distributions,to approximate the true value of the greatest extent,and input the minimum loss cost function into the bilateral filter,that is,take the approximate clear image as the guide map,to remove the remaining high⁃frequency noise.The optimal image blind restoration results are obtained.The experimental results show that the proposed algorithm has high image contrast,clear edge details and fast restoration speed after blind restoration,which has extremely high application value.Key words :minimum loss cost function;variable decibels;defocus image;a posteriori probability;relative entropy;bilateral filter 0 引 言人工智能和大数据时代加快了数字图像领域研究进程,并已广泛应用于传感探索㊁军事防御㊁医学可视化等多个领域,使其在降低人类劳动强度的同时,通过机器视觉实现高精细化的重复性工作㊂由于设备在成像过程中,将受到自然光㊁背景环境噪声等多方面干扰,即使器械具有调焦点功能,但也会在长期高强度运行下出现零部件偏移,导致呈现重叠㊁虚影㊁模糊的散焦光图像,不能为使用者提供精准可视化结果㊂且在视场范围小㊁景深长度短的环境中,难以校正微型显像零部件误差㊂因此如何快速有效地实现散焦光图像精准复原成为现阶段科研领域研究重点,为此盲复原算法[1]应运而生,该算法不需要明确散焦光成因或其他干扰因素,就能准确预测原始信息,重构清晰图像㊂目前已有对视觉散焦光图像快速盲复原算法的研究报道,例如郭立文等[2]提出一种分割和拼接图像块的复原方法,划分模糊图像边界,将特征多的图像块合并,分析模糊函数和分割线边界间关系,最后拼接交替迭代实现模糊估计和恢复;涂春梅等[3]考虑到不清晰图像的本质是像素的非稀疏性,即成像中明暗像素的不加权平衡问题,导致暗像素比例大增㊁非稀疏性降低,为此在暗像素先验算法中引入损耗最小线性近似,求出估计最优解,实现盲复原㊂但上述方法都没有考虑先验知识对盲复原的积极作用,导致图像盲复原效果较差㊂为此笔者通过变分贝叶斯提取散焦光图像先验知识,转化为复原后验概率分布信息,充分利用原始图像特征向量,降低复原图像细节误差㊂最后引入双边滤波器最大程度去除高频信息,并将复原结果和散焦光图像比较㊂1 视觉散焦光图像分析1.1 视觉散焦光图像数学建模图像的散焦光模糊成像过程的数学模型为G =F ⊗v +φ,(1)其中F 为初始未散焦光的图像,v 为散焦光模糊函数,G 为散焦光后的图像,φ为干扰噪声,⊗为卷积㊂图像的散焦光过程中,边缘背景特征相比目标区域降质程度更严重[4],呈现的图像细节信息少,所以凭借梯度域进行恢复前处理[5]㊂∇F 与∇G 为初始图像和散焦光图像的梯度值,通过线性卷积处理[6]后,式(1)可转化为∇G =∇f ⊗v +φ㊂(2) 固定散焦光梯度值∇G 的同时,保持∇F 与v 彼此独立,仅根据基础贝叶斯原理进行分析,∇F 与v 的复原后验概率[7]为P (v ,∇G ∇F )=P (∇G v ,∇F )P (v ,∇F )P (∇G )∝P (∇G v ,∇F )P (v )P (∇F )㊂(3)分析式(3)可得出,通过贝叶斯进行盲复原的关键在于详细分析初始图像,提取合适先验概率和散焦光模糊函数先验概率㊂1.2 初始图像先验概率考虑到视觉散焦光对图像各异性扩散的影响[8],使用Sobolev(索伯列夫空间)建立初始图像F 的先验概率模型,作为由函数构建的赋范向量空间,其经典调和模型可最大程度保留图像的边缘特征,降低估计损失[9]㊂通过将初始图像最优估计问题转换为线性优化求解,可知F 的先验概率模型为Sob(F )=‖Δx F ‖22+‖Δy F ‖22,(4)其中Δx 与Δy 分别为在二维空间内水平与垂直方向上一阶差分算式㊂Sob(F )在高斯函数分布[10]中为P (F α)∝αN /2-α2(‖Δx F ‖22+‖Δy F ‖22[]),(5)其中α为初始图像先验概率算子,且α>0,α-1为Sob(F )的高斯方差,通过P (F α)避免解出现局部最优问题;N 为初始图像内像素数量,是不为零的正整数㊂1.3 散焦光模糊函数先验概率散焦光图像降质问题主要是由光线和非正常扩散和衰减产生的,且扩散会随着深度加大图像逐渐降低对比度,导致图像表面物体的亮度增加㊂衰减会随着深度加大光线逐层递减[11],导致成像过程中光线355第3期姜新军:基于变分贝叶斯的视觉散焦光图像快速盲复原算法不足,目标明暗对比不明显,即散焦光的支持域相对较为平滑[12],难以提取出精准特征用于后续盲复原㊂为此,使用Sobolev空间表示散焦光模糊函数先验概率模型为Sob(v)=‖Δx v‖22+‖Δy v‖22㊂(6) Sob(F)在高斯函数分布中为P(vβ)∝βN/2-β2(‖Δx v‖22+‖Δy v‖22[]),(7)其中β为初始图像先验概率算子,且β>0,β-1为Sob(v)的高斯方差,通过P(vβ)避免解出现局部最优问题㊂将β的支持域横纵扩展成r×c,即β∈R N×1㊂2 变分贝叶斯下视觉散焦光图像快速盲复原2.1 变分贝叶斯估计充分考虑初始图像先验概率和散焦光模糊函数先验概率后,笔者发现存在部分噪声未知参数[13],难以获得其有效先验概率,为此,通过变分贝叶斯的近似分布思想处理复原估计问题㊂凭借近似分布Q(v,∇F)无限逼近实际的后验概率P(v,∇G∇F)[14],并且摒弃了传统共轭后验理念,使用相对熵[15] (又称Kullback⁃Leibler散度)计算多个分布间距离,以最大程度贴近真实值㊂由于干扰噪声φ是变分贝叶斯估计中的未知参数,其方差可描述为σ2,此时近似分布Q(v,∇F)可改写为Q(v,∇F,σ2),定义近似和真实后验概率间相对熵为K KL[Q(v,∇F,σ2)‖P(v,∇G∇F)]=∫Q(v,∇F,σ2)In Q(v,∇F,σ2)P(v,∇G∇F)d∇F d v+In P(∇Q)≥0,(8)其中有且仅有Q(v,∇F,σ2)=P(v,∇G∇F)时等式才成立,后验概率最准确,复原效果最好㊂2.2 盲复原损耗最小化问题求解通过分析式(8)可看出,在全部估计过程中P(∇Q)都为一个常量,为此定义最小损耗代价函数R KL 求出近似分布的最优解,则有R KL=K KL[Q(v,∇F,σ2)‖P(v,∇G∇F)]-In P(∇Q)=∫Q(∇F)In Q(∇F)P(∇F)d∇F+∫Q(v)Q(∇F)Q(v)P(v)d v+∫Q(-σ2)In Q(-σ2)P(-σ2)d(-σ2)㊂(9) 凭借变分贝叶斯最优期望的最大值原则,实现散焦光盲复原估计损耗最小化,得出近似分布的降质函数[16],最后在双边滤波内输入R KL,即以一个近似清晰图像为指导图,进而计算出剩余高频信息[17],获得最优图像盲复原结果㊂F r为经R KL估计后近似清晰图像,^G㊁^F r为散焦光图像G㊁F r的去卷积形式,假设指导图为^G-ω(^G-^Fr),ω为权重系数,且ω∈[0,1],则得到优化图像函数为min E(F)=‖F-(^G-ω(^G-^F r))‖2+λ∑l m=-l∑l n=-l(F-D m,n F)W m,n(F-D m,n F)T,(10)其中λ为平滑因子方差,D m,n为转移系数,用于描述散焦光图像在水平和垂直方向上分别移动了m㊁n个像素,l为像素领域区间,W m,n为减少盲复原中平滑作用权重矩阵[18],若处于图像非对角线上则元素值是0,反之非对角线上元素值是1,元素值和边缘特征像素强度成反比[19],T为平滑作用周期㊂通过高斯双边滤波求出盲复原图像:^F1(i,j)=∑l m=-l∑l n=-l a(m,n,i,j){^G(i-m,j-n)-ω[^G(i-m,j-n)-^F((i-m,l-n))]},(11)其中a(m,n,i,j)=1Z(i,j)exp-m2+n22δ2s -[^G(i,j)-^G(i-m,j-n)2]2δ2()r ,(12)455吉林大学学报(信息科学版)第41卷其中a (m ,n ,i ,j )为双边滤波器,Z 为归一化因子,(i ,j )为任意像素点坐标位置,δ2s 和F 1为图像特征值域和空间域在进行滤波时的高斯标准差㊂最后计算^F 1和^G 之间的灰度方差[20],如果得出方差值小于等于0.001,则输出盲复原图像^F1;反之,用^F 1代替^F r ,再次运算式(10),式(11),直至满足灰度方差小于等于0.001㊂3 盲复原算法性能测试与研究为验证所提基于变分贝叶斯的视觉散焦光图像快速盲复原算法的有效性,在开源图数据库TigerGraph㊁Janus Graph 中随机挑选200张图作为实验样本集合,用于进行算法性能测试实验㊂为使验证结果更具普适性,与分割和拼接图像块盲复原法和暗像素先验盲复原法进行对比分析㊂3.1 盲复原效果评价在样本集中任意挑选2张图像作为复原对象㊂原始Lena 图像与进行散焦光处理后降质图像如图1所示,3种方法复原效果如图2所示㊂图1 Lena 原始和散焦光处理后图像Fig.1 Lena original and defocused images after processing 图2 3种方法的Lena 图像盲复原效果对比Fig.2 Comparison of the blind restoration effects of Lena images of the three methods 通过图2a 可看出,笔者算法图像细粒度高㊁边缘细节保留完好㊁可提取特征多,人物头发丝和帽子上的流苏都清晰可分,能完整辨别人物的五官和姿态动作㊂这是因为所提算法充分考虑到光线衰减和随成像深度的扩展作用,优先计算散焦光模糊函数先验概率,使近似后验分布能引导复原为最优结果㊂图2b 分割和拼接图像块盲复原法没有完全去除不均匀高频噪声,图2c 暗像素先验盲复原法在此基础上,还存在一层低频模糊度噪声,二者人脸盲复原结果都不理想,难以应用于人脸识别领域㊂原始森林图像与进行散焦光处理后降质图像如图3所示,3种方法复原效果如图4所示㊂森林图像相比人脸的散焦光程度更高,且样本图像内光影㊁树木以及景物深度关系复杂,但通过图4a,图4b 可看出,分割和拼接图像块盲复原法和笔者算法复原结果近乎一致,都能清晰呈现出光线透过树木枝叶投射的光以及光晕,且林间小路也清晰可见,没有被错误复原成落叶或草地;放大观察能看出分割和拼接图像块盲复原法还是存在一定模糊度,复原效果没有笔者算法好㊂图4c 暗像素先验盲复原法方法辨识度最低,纹理和光影细节比较模糊,难以辨识㊂555第3期姜新军:基于变分贝叶斯的视觉散焦光图像快速盲复原算法图3 森林原始和散焦光处理后图像Fig.3 The original and defocused images of the forest after processing 图4 3种方法的森林图像盲复原效果对比Fig.4 Comparison of blind restoration effects of three methodsfor forest image restoration 3.2 盲复原效率评价图5 盲复原算法效率对比Fig.5 Efficiency comparison of blind restoration algorithms 在开源图数据库内200张样本集合中随机挑选11张图像,其中包含森林花草㊁道路车辆和人脸躯干等多个种类,进行盲复原效率测试,3种方法的对比结果如图5所示㊂从图5可看出,因为每个图像编号包含的内容不同,方法在处理先验概率㊁特征等步骤时花费时间也不同,3种方法的盲复原耗时都在上下波动,但是可清晰看出,笔者算法的复原速度最快㊂这是因为充分655吉林大学学报(信息科学版)第41卷考虑了降质图像先验概率,选择最优近似分布,降低了后续因灰度方差不满足要求而需再次进行迭代的次数,实现快速盲复原㊂4 结 语为提高机器视觉的适用范围,降低光线衰减和设备深度对成像结果的影响,提高其对外界干扰的抵抗力,笔者提出一种基于变分贝叶斯的视觉散焦光图像快速盲复原算法㊂通过分析散焦光图像先验概率和模糊函数先验概率,全方面汲取原始图像内有效信息,最大程度提高复原后图像与原始图像间相似度,面对无法完全去除的高频干扰,使用变分贝叶斯近似分布思想,无限逼近真实结果㊂实验证明所提算法复原质量高㊁耗时少,能有效提升复原后视觉散焦光图像的分辨率㊂参考文献:[1]黄彦宁,李伟红,崔金凯,等.强边缘提取网络用于非均匀运动模糊图像盲复原[J].自动化学报,2021,47(11):2637⁃2653.HUANG Y N,LI W H,CUI J K,et al.Strong Edge Extraction Network for Non⁃Uniform Blind Motion Image Deblurring [J].Acta Automatica Sinica,2021,47(11):2637⁃2653.[2]郭立文,廖永忠.应用图像块的运动模糊图像盲恢复算法[J].小型微型计算机系统,2020,41(10):2225⁃2229.GUO L W,LIAO Y Z.Blind Deblurring of Motion Blurred Image Base on Image Patch Mosaic [J].Journal of ChineseComputer Systems,2020,41(10):2225⁃2229.[3]涂春梅,陈国彬,刘超.暗像素先验的模糊图像盲复原方法[J].计算机工程与应用,2020,56(10):213⁃219.TU C M,CHEN G B,LIU C.Dark⁃Pixel⁃Prior Blind Deblurring Method [J].Computer Engineering and Applications,2020,56(10):213⁃219.[4]MENG H,YAN Y,CAI C,et al.A Hybrid Algorithm for Underwater Image Restoration Based on Color Correction and ImageSharpening [J].Multimedia Systems,2020(4):1⁃11.[5]徐宁珊,王琛,任国强,等.混合梯度稀疏先验约束下的图像盲复原[J].光电工程,2021,48(6):61⁃72.XU N S,WANG C,REN G Q,et al.Blind Image Restoration Method Regularized by Hybrid Gradient Sparse Prior [J].Opto⁃Electronic Engineering,2021,48(6):61⁃72.[6]何祥宇,李静,杨数强,等.基于ET⁃PHD 滤波器和变分贝叶斯近似的扩展目标跟踪算法[J].计算机应用,2020,40(12):3701⁃3706.HE X Y,LI J,YANG S Q,et al.Extended Target Tracking Algorithm Based on ET⁃PHD Dilter and Variational BayesianApproximation [J].Journal of Computer Applications,2020,40(12):3701⁃3706.[7]马天力,张扬,陈超波.带不确定混合噪声系统的变分贝叶斯期望最大滤波算法[J].中国惯性技术学报,2021,29(4):475⁃481,490.MA T L,ZHANG Y,CHEN C B.Variational Bayesian Expectation⁃maximization Filter for Systems with Uncertain HybridNoises [J].Journal of Chinese Inertial Technology,2021,29(4):475⁃481,490.[8]NAN Y,JI H.Un⁃Supervised Learning for Blind Image Deconvolution via Monte⁃Carlo Sampling [J].Inverse Problems,2022,38(3):035012.[9]龚平,贺杰,刘娜,等.基于稀疏正则化和渐近边界假设的运动模糊图像盲复原[J].济南大学学报(自然科学版),2021,35(1):16⁃23.GONG P,HE J,LIU N,et al.Blind Restoration of Motion Blurred Images Based on Sparse Regularization and Asymptotic Boundary Hypothesis [J].Journal of University of Jinan (Science and Technology),2021,35(1):16⁃23.[10]吴兰,范晋卿,文成林.基于多尺度编解码网络的道路交通模糊图像盲复原[J].郑州大学学报(理学版),2022,54(2):8⁃15.WU L,FAN J Q,WEN C L.Blind Restoration of Road Traffic Blurred Image Based on Multi⁃Scale Encoder⁃Decoder Network[J].Journal of Zhengzhou University (Natural Science Edition),2022,54(2):8⁃15.[11]柳宁,赵焕明,李德平,等.基于L_0稀疏先验的运动模糊标签图像盲复原[J].华南理工大学学报(自然科学版),2021,49(3):8⁃16.LIU N,ZHAO H M,LI D P,et al.Blind Restoration of Motion Blur Label Image Based on L_0Sparse Priors [J].Journal of 755第3期姜新军:基于变分贝叶斯的视觉散焦光图像快速盲复原算法855吉林大学学报(信息科学版)第41卷South China University of Technology(Natural Science Edition),2021,49(3):8⁃16.[12]姚海燕.基于微分方程的退化图像盲复原数学模型构建[J].计算机仿真,2021,38(5):185⁃188,431.YAO H Y.Construction of Blind Restoration Mathematical Model of Degraded Image Based on Differential Equation[J]. Computer Simulation,2021,38(5):185⁃188,431.[13]陈荣军,郑志君,赵慧民,等.一种基于模糊成像机理的QR码图像快速盲复原方法[J].光子学报,2021,50(7): 99⁃107.CHEN R J,ZHENG Z J,ZHAO H M,et al.Fast Blind Restoration of QR Code Images Based on Blurred Imaging Mechanism [J].Acta Photonica Sinica,2021,50(7):99⁃107.[14]WANG Y,CHANG D,ZHAO Y.A New Blind Image Denoising Method Based on Asymmetric Generative Adversarial Network [J].IET Image Processing,2021,15(6):1260⁃1272.[15]陈晨,许金鑫,危才华,等.基于显著性强度和梯度先验的多尺度图像盲去模糊[J].激光与光电子学进展,2020,57 (4):271⁃277.CHEN C,XU J X,WEI C C,et al.Multi⁃Scale Image Blind Deblurring Based on Salient Intensity and a Priori Gradient[J]. Laser&Optoelectronics Progress,2020,57(4):271⁃277.[16]李佳田,吴华静,林艳,等.顾及模糊核连通性的无人机图像半盲复原方法[J].武汉大学学报(信息科学版),2021, 46(6):816⁃824.LI J T,WU H J,LIN Y,et al.A Semi⁃Blind Restoration Method of UAV Image Considering the Blurred Kernel Connectivity [J].Geomatics and Information Science of Wuhan University,2021,46(6):816⁃824.[17]吴笑天,杨航,孙兴龙.基于区域选择网络的图像复原及其在计算成像中的应用[J].光学精密工程,2021,29(4): 864⁃876.WU X T,YANG H,SUN X L.Image Restoring Method Based on Region Selection Network and Its Application in Computational Imaging[J].Optics and Precision Engineering,2021,29(4):864⁃876.[18]冯象初,王萍,何瑞强.一种应用博弈和L0约束的盲图像修复方法[J].西安电子科技大学学报(自然科学版), 2021,48(4):103⁃112.FENG X C,WANG P,HE R Q.Method for Inpainting Blind Images Using the Game and L0Constraint[J].Journal of Xidian University(Natural Science),2021,48(4):103⁃112.[19]胡佳成,颜迪新,曹丛,等.基于条件生成式对抗网络的AFM图像盲重构方法[J].计量学报,2021,42 (5):545⁃551.HU J C,YAN D X,CAO C,et al.Blind Reconstruction Method of AFM Image Based on Conditional Generative Adversarial Network[J].Acta Metrologica Sinica,2021,42(5):545⁃551.[20]HOU Y,XU J,LIU M,et al.NLH:A Blind Pixel⁃Level Non⁃Local Method for Real⁃World Image Denoising[J].IEEE Transactions on Image Processing,2020,29:5121⁃5135.(责任编辑:刘东亮)。
