跳到内容
BY 4.0许可 开放式访问 发布人:De Gruyter开放存取 2020年9月11日

利用形态学开闭网络进行图像恢复

  • 兰扬·蒙达尔 电子邮件徽标 , 莫妮·尚卡·戴伊 巴巴托什·钱达

摘要

数学形态学是图像处理任务的强大工具。设计数学形态学算法的主要困难是确定算子/滤波器的顺序和相应的结构元素(SE)。在这项工作中,我们开发了由交替的膨胀层和侵蚀层序列组成的形态网络,根据学习到的SE,这些网络可能会形成开放层或闭合层。这些按正确顺序排列的层以及(其输出的)线性组合在提取图像特征和处理它们时非常有用。以损失函数最小化为指导,采用反向传播方法学习网络中的结构元素。将该网络应用于两个有趣的图像恢复问题,即去训练脱手。结果与大多数图像的许多最先进算法的结果相当。值得一提的是,要处理的网络参数数量远少于用于类似任务的常用卷积神经网络。源代码可以在这里找到https://github.com/ranjanZ/Mophological-Open-Closing-Net网站

参考文献

[1] Codruta O Ancuti、Cosmin Ancuti,Radu Timofte和Christophe De Vleeschouwer。O-haze:一个具有真实模糊和无模糊室外图像的去模糊基准。IEEE计算机视觉和模式识别研讨会会议记录,第754-762页,2018年。10.1109/CVPRW.2018.00119在谷歌学者中搜索

[2] Cosmin Ancuti、Codruta O Ancuti和Christophe De Vleeschouwer。D-hazzy:用于定量评估去叠算法的数据集。2016 IEEE国际图像处理会议(ICIP),第2226–2230页。IEEE,2016年。10.1109/ICIP.2016.7532754在谷歌学者中搜索

[3] Cosmin Ancusti、Codruta O Ancuti、Radu Timofte、Luc Van Gool、Lei Zhang、Ming-Hsuan Yang、Vishal M Patel、He Zhang,Vishwanath A Sindagi、Ruhao Zhao等。2018年图像去噪挑战:方法和结果。CVPR研讨会,2018年第1卷。10.1109/CVPRW.2018.00134在谷歌学者中搜索

[4] 耶稣安古洛。细胞形状分析的数学形态学方法。ECMI 2006工业数学进展,第543–547页。施普林格,2008年。10.1007/978-3-540-71992-2_87在谷歌学者中搜索

[5] 艾米·比尔曼(Amy Bearman)、奥尔加·鲁萨科夫斯基(Olga Russakovsky)、维托里奥·费拉里(Vittorio Ferrari)和李菲菲(Li Fei-Fei)。重点是:语义分割和点监督。欧洲计算机视觉会议,第549-565页。斯普林格,2016年。10.1007/978-3-319-46478-7_34在谷歌学者中搜索

[6] D.Berman、T.Treibitz和S.Avidan。非局部图像去叠。2016年IEEE计算机视觉和模式识别会议(CVPR),第1674–1682页,2016年6月。10.1109/CVPR.2016.185。10.1109/CVPR.2016.185在谷歌学者中搜索

[7] 阿兰·博维克(Alan C Bovik)。图像和视频处理手册。200510.1201/9781420027822.ch14在谷歌学者中搜索

[8] 蔡伯伦、徐向敏、奎佳、青春梅、陶大成。Dehazenet:用于单图像雾度去除的端到端系统。IEEE图像处理汇刊, 25(11):5187–5198, 2016.在谷歌学者中搜索

[9] 尼克·埃福德。数字图像处理:java实用入门(附CD-ROM)Addison-Wesley Longman出版公司,2000年。在谷歌学者中搜索

[10] 拉安娜·法塔尔。使用色线进行脱毛。ACM图形事务(TOG), 34(1):13, 2014.10.1145/2651362在谷歌学者中搜索

[11] 拉安娜·法塔尔。使用彩色线条进行脱毛。ACM事务处理。图表。,34(1):13:1–13:14,2014年12月。ISSN 0730-0301。10.1145/2651362. 统一资源定位地址http://doi.acm.org/10.1145/2651362.10.1145/2651362在谷歌学者中搜索

[12] Richard J Feehs和Gonzalo R Arce。多维形态边缘检测。视觉通信与图像处理II第845卷,第285-292页。国际光学和光子学学会,1987年。2011年10月11日/12.976517在谷歌学者中搜索

[13] 吉安尼·弗朗奇(Gianni Franchi)、阿明·费里(Amin Fehri)和安吉拉·姚明(Angela Yao)。深层形态网络。模式识别,第107246页,2020年。2016年10月10日/j.附件.2020.107246在谷歌学者中搜索

[14] 傅学阳、黄嘉斌、丁兴浩、廖英浩和约翰·佩斯利。清澈的天空:一个深层网络架构,用于单图像雨水清除。IEEE提示, 26(6):2944–2956, 2017.在谷歌学者中搜索

[15] 傅学阳、黄嘉斌、曾德鲁、黄岳、丁兴浩和约翰·佩斯利。通过深度细节网络从单个图像中删除雨水IEEE计算机视觉和模式识别会议记录,第3855–3863页,2017年。在谷歌学者中搜索

[16] 罗斯·吉希克(Ross Girshick)。快速r-cnn。IEEE计算机视觉国际会议记录,第1440-1448页,2015年。10.1109/ICCV.2015.169在谷歌学者中搜索

[17] 泽维尔·格洛洛特和约舒亚·本吉奥。理解训练深度前馈神经网络的困难。第十三届人工智能和统计国际会议记录,第249-256页,2010年。在谷歌学者中搜索

[18] 何开明、孙健、汤晓鸥。使用暗通道去除单幅图像的雾霾。IEEE模式分析和机器智能事务, 33(12):2341–2353, 2010.10.1109/TPAMI.2010.168年10月10日在谷歌学者中搜索公共医学

[19] 何开明、孙健、汤晓鸥。使用暗通道优先去除单幅图像模糊。IEEE模式分析和机器智能汇刊,33(12):2341–23532011年12月。ISSN 0162-8828。10.1109/TPAMI.2010.168。10.1109/巴基斯坦.2010.168在谷歌学者中搜索

[20] 何开明(Kaiming He)、乔治亚·吉奥萨里(Georgia Gkioxari)、彼得·多拉(Piotr Dollár)和罗斯·吉希克(Ross Girshick)。遮罩r-cnn。IEEE计算机视觉国际会议记录,第2961–2969页,2017年。在谷歌学者中搜索

[21]HJAM Heijmans、Michael Buckley和Hugues Talbot。基于路径的形态开口。2004年国际图像处理会议,2004年。ICIP’04。第5卷,第3085–3088页。IEEE,2004年。在谷歌学者中搜索

[22]哈拉尔德·科什米德。水平面理论。Beitrage zur Physik der freien Atmosphare公司,第33-53页,1924年。在谷歌学者中搜索

[23]李伯义,彭秀莲,王章扬,徐继正,丹凤。Aod-net:All-in-one dehazing网络IEEE计算机视觉国际会议记录,第4770–4778页,2017年。在谷歌学者中搜索

[24]李伯义,彭秀莲,王章扬,徐继正,冯丹。AOD-Net:All-In-One Dehazing Network.InIEEE国际计算机视觉会议论文集,第4770–4778页,2017年。在谷歌学者中搜索

[25]余丽,罗比·T·谭,郭晓杰,卢江波,迈克尔·S·布朗。使用图层优先去除雨条纹。IEEE计算机视觉和模式识别会议记录,第2736–2744页,2016年。10.1109/CVPR.2016.299在谷歌学者中搜索

[26]于洛,徐勇,姬慧。通过区分性稀疏编码从单个图像中去除雨水。IEEE计算机视觉国际会议记录,第3397–3405页,2015年。10.1109/ICCV.2015.388在谷歌学者中搜索

[27]吉利·孟德尔。使用形态属性的光学字符识别。1993在谷歌学者中搜索

[28]孟高峰,王颖,段江勇,向世明,潘春红。基于边界约束和上下文正则化的高效图像去噪。IEEE计算机视觉国际会议记录,第617–624页,2013年。10.1109/ICCV.2013.82在谷歌学者中搜索

[29]Ranjan Mondal、Sanchayan Santra和Bhabatosh Chanda。通过使用双向一致性损失最小化fcn的透射率和空运联合估计进行图像去噪。CVPR研讨会,第920–928页,2018年。2010年10月10日/2013年8月20日在谷歌学者中搜索

[30]Ranjan Mondal、Deepayan Chakraborty和Bhabatosh Chanda。学习二维形态网络对旧文档图像进行二值化。2019年国际文件分析与识别会议(ICDAR),第65-70页。IEEE,2019年。10.1109/ICDAR.2019.00020在谷歌学者中搜索

[31]Ranjan Mondal、Pulak Purkait、Sanchayan Santra和Bhabatosh Chanda。用于图像去训练的形态学网络。计算机图像离散几何国际会议,第262-275页。斯普林格,2019年。10.1007/978-3-030-14085-4_21在谷歌学者中搜索

[32]Ranjan Mondal、Sanchayan Santra和Bhabatosh Chanda。稠密形态网络:一种通用函数逼近器。arXiv电子打印第19条:1901.001092019年1月。在谷歌学者中搜索

[33]Susanta Mukhopadhyay和Bhabatosh Chanda。局部对比度增强的多尺度形态学方法。信号处理, 80(4):685–696, 2000.10.1016/S0165-1684(99)00161-9在谷歌学者中搜索

[34]Noh Hyenwoo、Seunghoon Hong和Bohyung Han。用于语义分割的学习反卷积网络。IEEE计算机视觉国际会议记录,第1520–1528页,2015年。在谷歌学者中搜索

[35]布莱恩·普卢默(Bryan A Plummer)、王利伟(Liwei Wang)、克里斯·塞万提斯(Chris M Cervantes)、胡安·凯塞多(Juan C Caicedo)、朱莉娅·霍肯迈尔(Julia Hockenmaier)和斯维特兰娜·拉泽布尼克。Flickr30k实体:为更丰富的图像到句子模型收集区域到短语的对应关系。IEEE计算机视觉国际会议记录,第2641–2649页,2015年。10.1109/ICCV.2015.303在谷歌学者中搜索

[36]小肯达尔·普雷斯顿(Kendall Preston Jr)和迈克尔·巴克·达夫(Michael JB Duff)。现代细胞自动机:理论与应用《施普林格科学与商业媒体》,2013年。在谷歌学者中搜索

[37]约瑟夫·雷德蒙和阿里·法哈迪。Yolov3:一个渐进式的改进。arXiv预打印arXiv:1804.02767, 2018.在谷歌学者中搜索

[38]任文琪,刘思,张华,潘金山,曹晓春,杨明慧。基于多尺度卷积神经网络的单幅图像去噪。欧洲计算机视觉会议,第154-169页。斯普林格,2016年。10.1007/978-3-319-46475-6_10在谷歌学者中搜索

[39]任文琪,刘思,张华,潘金山,曹晓春,杨明慧。基于多尺度卷积神经网络的单图像去噪。计算机视觉——ECCV 2016《计算机科学课堂讲稿》,第154-169页。查姆施普林格,2016年10月。10.1007/978-3-319-46475-6_10.10.1007/978-3-319-46475-6_10在谷歌学者中搜索

[40]奥拉夫·伦尼伯格(Olaf Ronneberger)、菲利普·菲舍尔(Philipp Fischer)和托马斯·布洛克斯(Thomas Brox)。U-net:生物医学图像分割的卷积网络。医学图像计算和计算机辅助干预国际会议,第234-241页。斯普林格,2015年。10.1007/978-3-319-24574-4_28在谷歌学者中搜索

[41]罗森菲尔德。Ac kak数字图像处理第2卷,1982年。在谷歌学者中搜索

[42]丹·肖恩菲尔德(Dan Schonfeld)和约翰·古齐亚斯(John Goutsias)。含噪二值图像的最优形态模式恢复。IEEE模式分析与机器智能汇刊, (1):14–29, 1991.10.1109/34.67627在谷歌学者中搜索

[43]斯坦利·斯特恩伯格(Stanley R Sternberg)。灰度形态学。计算机视觉、图形和图像处理, 35(3):333–355, 1986.10.1016/0734-189X(86)90004-6在谷歌学者中搜索

[44]唐科坦,杨建超,王珏。在图像去噪的学习框架中研究与模糊相关的特征。IEEE计算机视觉和模式识别会议记录,第2995–3000页,2014年。10.1109/CVPR.2014.383在谷歌学者中搜索

[45]吕克·文森特。灰度图像的形态学区域打开和关闭。图片中的形状,第197-208页。斯普林格,1994年。10.1007/978-3-662-03039-4_13在谷歌学者中搜索

[46]周旺,Alan C Bovik,Hamid R Sheikh,Eero P Simoncelli。图像质量评估:从误差可见性到结构相似性。IEEE提示, 13(4):600–612, 2004.在谷歌学者中搜索

[47]贺章(He Zhang)和维沙尔·帕特尔(Vishal M Patel)。密集连接的金字塔去叠网络IEEE计算机视觉和模式识别会议记录,第3194–3203页,2018年。10.1109/CVPR.2018.00337在谷歌学者中搜索

[48]何章,维什瓦纳斯·辛达吉,维沙尔·帕特尔。基于感知金字塔深度网络的多尺度单幅图像去噪IEEE计算机视觉和模式识别研讨会会议记录,第902–911页,2018年。10.1109/CVPRW.2018.00135在谷歌学者中搜索

[49]张凯,左王蒙,陈云锦,孟德玉,张雷。超越高斯去噪器:用于图像去噪的深度cnn残差学习。IEEE图像处理汇刊, 26(7):3142–3155, 2017.在谷歌学者中搜索

[50]张凯,左望猛,张磊。Ffdnet:为基于cnn的图像去噪寻求一种快速灵活的解决方案。IEEE图像处理汇刊, 27(9):4608–4622, 2018.在谷歌学者中搜索

[51]朱庆松,麦嘉明,邵凌。一种基于颜色衰减先验的快速单幅图像去雾算法。IEEE图像处理事务, 24(11):3522–3533, 2015.10.1109/TIP.2015.2446191在谷歌学者中搜索公共医学

收到:2019-09-12
认可的:2020-08-06
在线发布:2020-09-11

©2020 Ranjan Mondal等人,由De Gruyter出版

本作品根据知识共享署名4.0国际许可证授权。

于2014年6月14日从下载https://www.degruyter.com/document/doi/10.1515/mathm-2020-0103/html
滚动到顶部按钮