基于DNA计算模型和深度学习的图像盲恢复算法研究

It is an important research topic to get a clear image by blind equalization technique in the fields of image processing and information processing. In this project, novel algorithm of image blind restoration was created by using the latest technologies on DNA computing model, deep learning network, and multi wavelet analysis, and so on, to improve the quality of image restoration. The main research points can be concluded as follows. First, multi wavelet convolution neural network based non-uniform relative motion blur kernel model and removal method were researched from the point of view of the fuzzy image formation mechanism. In this study, convolutional neural network (CNN) was used to construct the motion fuzzy kernel model, multi wavelet function was used as the incentive function of CNN node. Second, in order to obtain the novel structure of multi wavelet self-encoding network based blind image restoration algorithm, multi wavelet basis function was used as the incentive function of self-encoding network node, and DNA computing model and multi wavelet self-encoding network based blind image restoration algorithm was proposed. Finally, on the basis of the features of DNA computing model and genetic algorithm, multi population evolution Tabu search DNA genetic algorithm was proposed and adaptive dynamic adjustment rules was designed to optimize the all parameters of the CNN, multi wavelet self-encoding network, and the DNA computing model and multi wavelet self-encoding network based blind image restoration algorithm.

通过盲均衡技术获得清晰图像是图像处理和信息处理等学科的前沿研究课题。本课题以DNA计算模型、深度学习、多小波分析和盲均衡等最新技术为手段，构建图像盲恢复新方法，以提高图像恢复质量。具体内容为：(1) 从模糊图像形成机制出发，拟用卷积神经网络(CNN)构建运动模糊核模型，用多小波基函数作CNN节点激励函数，提出基于CNN的非均匀相对运动模糊核建模与去除方法；(2) 用多小波基函数作为自编码网络神经元的激励函数，得到基于多小波自编码网络的盲均衡算法结构，提出基于DNA计算模型和多小波自编码网络的图像盲恢复新算法；(3) 利用DNA计算模型和遗传算法性能，提出多种群进化禁忌搜索DNA遗传算法，设计自适应动态调整规则，调整自编码网络和CNN神经元激励函数中所有参数，优化图像盲恢复算法。

无论何种图像，成像和传输过程中的各种因素影响着图像质量，从而影响着图像的应用。针对这一问题，本课题开展了图像去运动模糊和图像盲恢复研究。.1.主要研究内容、重要结果、关键数据.① 基于深度学习的图像盲去运动模糊研究。提出了基于梯度选择的稀疏图像平滑方法，将梯度域图像块送入卷积神经网络训练后，通过优化算法实现模糊核的估计，并由TV项进行图像去模糊。实验表明：本研究在主观视觉效果和客观评价等方面都具有明显提高。.② 基于新型 DNA遗传萤火虫优化的二维图像盲恢复算法研究。该研究将提出的新型 DNA 遗传萤火虫优化算法应用优化盲均衡器的初始权矩阵，模糊图像经过二维盲均衡器处理后，有效提高了图像质量，由仿真验证了得到验证。.③ 基于卷积神经网络的图像去雨算法研究。该研究将雨天图像分解为低频基层图与高频细节图后由图像处理领域知识来修改目标函数，再由卷积神经网络将一百万个64×64的干净/雨图图像对作为训练样本，最终生成一个56×56的输出以避免出现卷积造成的边界效应。实验表明，本方法在网络训练后能够有效去除图像中的雨线，并较好地保留场景的细节信息。 .④ 基于多分辨率分析与深度学习的遥感图像融合算法。本研究将深度学习的方法与传统的优化方法结合，用神经网络从梯度域拟合图像，再利用优化方法对梯度域图像实现到像素域的融合重构。.⑤ 基于深度卷积神经网络的红外云图去条带噪声算法。该研究在分析了噪声和噪声图像的像素分布特征之后，用更宽的卷积核从噪声图像中学习与噪声相似的像素分布，提出一个全局与局部相连接的方法，将不同卷积层的映射结果相结合，更加有利于恢复出云图复杂的结构。实验表明，本方法体现出了优异性。.2. 本研究科学意义.通过以上研究，较好地解决了目前复杂场景下图像盲恢复问题中非均匀运动模糊、低信噪比下图像噪声估计误差大、图像盲恢复算法在收敛性、复杂度、可靠性之间难以获得很好平衡且工程实用性差等问题。