基于Lucy-Richardson算法的运动模糊图像复原

图像复原一直是数字图像处理领域的一个研究热点,而运动模糊图像复原又是图像复原中的重要课题之一。本文主要介绍了在已知系统退化模型的情况下,对测量图像分别使用维纳滤波和Lucy-Richardson算法进行复原。仿真实验结果表明,要根据图像的具体信息选择恰当的方法才能使复原达到好的效果。     

基于频域滤波的视频图像帧复原技术研究

视频图像帧在通信过程中,由于受到各种噪声的干扰,使其质量下降,为了确保较高的通信质量需要对降质的图像帧进行复原。本文分析了频域中的逆滤波和维纳滤波即最小均方误差滤波的方法对退化的图像进行复原的基本原理,在 VC++中对其算法思想进行编程实现,对比两种图像复原技术的效果,实验结果表明,两种频域滤波技术各有特点,逆滤波算法思想简单,对于图像帧降质小的图像复原效果较好;而对于信噪比较小,对于降质明显的图像帧使用维纳滤波复原效果较好。     

基于RL和总变分的非盲模糊图像复原算法

基于模糊退化过程的空不变卷积模型,依据跳跃边缘的不连续性在总变分最小化过程中的指导性作用,提出一种在已知模糊核情况下,基于Richardson-Lucy和总变分(Total Variation)正则化的两步非盲模糊图像复原方法.Richardson-Lucy算法得到清晰边缘的初始估计,然后以边缘的不连续性指导总变分能量...     

维纳滤波在图像复原中的应用研究

本文进行了对退化图像进行图像复原的仿真实验,在退化图像中加入了噪声进行恢复,实验结果表明,加噪退化图像在进行图像恢复时必须考虑图像的信嗓比,才能取得较好的复原效果。     

基于SIFT特征点检测与维纳滤波的图像复原算法

为了解决当前图像局部模糊程度不一,导致图像复原效果欠佳,本文分别从图像特征点检测与滤波复原的角度出发,提出了基于SIFT特征点检测与维纳滤波的图像复原算法.根据尺度空间极值特性,进行关键点定位和方向分配,设计特征点描述子,得到模糊图像特征点分布,以建立圆盘复原模型中心坐标.基于点扩散圆盘函数特性,耦合傅里叶变换和最小二乘滤波,设计了无约束维纳滤波算子,达到图像复原处理的目的.根据特征角点定位,引导复原滤波圆盘函数计算起始位置,完成图像复原.实验测试结果显示,与当前复原算法相比,本算法拥有更高的复原视觉质量.     

运动模糊图像边缘振铃效应的抑制方法

边缘振铃效应是影响图像复原效果的重要因素之一,为此提出一种基于边缘恢复的运动模糊图像复原算法.首先将原运动模糊图像的边缘按图像点扩散函数在其扩散方向上移动的像素值进行二维边缘延拓,形成一个新的延拓图像;然后用最优窗函数对新图像进行加窗预处理;最后用维纳滤波算法对加窗处理结果进行复原.实验结果表明,提出的算法对边缘区域梯度变化较大的运动模糊图像的复原效果较好,可以有效地抑制复原图像边界处的振铃效应.     

基于ResNet及损失函数的模糊图像复原算法

以获取模糊图像细节特征,提升模糊图像的清晰度为目的,设计基于ResNet及损失函数的模糊图像复原算法。首先,将模糊图像作为残差神经网络的输入,通过残差神经网络提取模糊图像内的细节特征;其次,将模糊图像细节特征描述为若干幅高分辨率图像同对应的中等分辨率图像小波系数间的差异,并通过残差学习过程提升网络收敛效率;最后,通过残差神经网络输出的特征图与小波变换结果实现超分辨率图像的复原,并利用损失函数优化整体网络,获取更多模糊图像缺失的细节。实验结果表明,该方法在实际应用过程中选择ReLU函数作为激活函数、在迭代次数为200 000次的条件下可获取最优的复原图像,图像复原后峰值信噪比平均值为31.89,结构相似性平均值为0.90,具有较好的模糊图像复原效果。     

基于支持向量机的彩色序列图像复原模型更新算法

提出一种用于彩色序列图像复原的模型更新算法,计算退化图像序列各帧的图像质量,统计序列图像质量的方差,以方差差异作为判断准则,选择适当的模型进行复原。该算法扩展了基于支持向量机的彩色图像复原算法。仿真实验中,测试图像采用视频监控和智能交通领域常见的运动模糊进行退化处理。实验结果表明,该算法能有效标记出图像序列中质量发生显著变化的关键帧,复原效率得以提高,同时复原也更有针对性。     

基于双重控制网络的图像去模糊方法

传统的图像复原问题主要采用分治法,即将图像复原问题分为不同的子问题,通过对子问题处理得到最优解。由于不同处理环节之间的衔接和损失问题,子问题的最优解并不能得到全局最优解。针对此问题,提出一种端到端的双重控制网络,采用控制模块通过参数分别控制退化分支和处理分支。该网络通过特殊的编解码器结构处理特征问题——在固定尺度因子子网下,采用循环跳跃连接结构消除卷积层的堆叠块,增强输出端的特征显示。实验证明,提出方法与对比方法复原的图像峰值信噪比(PSNR)数值在30以上,结构相似度(SSIM)指标在0.90以上,且有效的改善了视觉效果。     

基于MATLAB的模糊图像的复原方法探究

图像复原是图像处理的一个核心环节,它是后期图像分析和处理的重要前提。模糊图像复原的主要目的就是改善图像质量,研究如从所得到的模糊图像中复原出真实图像。本文首先从图像复原技术的相关概念谈起,然后就典型的模糊图像复原方法进行分析,最后利用MATLAB,以维纳滤波恢复算法为例,就实现模糊图像复原的应用实例进行分析说明。     

基于DeblurGAN的运动模糊图像盲复原算法研究

DeblurGAN方法利用条件生成对抗网络解决了端到端的图像去模糊问题,但存在图像边缘细节恢复不足以及鲁棒性不高的问题,针对此问题,提出一种基于DeblurGAN的运动模糊图像盲复原方法。在生成网络中,采用多尺度卷积核神经网络提取特征,并使用级联空洞卷积扩大神经元的感受野;采用自适配归一化方法代替原来生成器中使用的实例归一化方法。其次,引入了梯度图像L1损失,结合对抗损失和感知损失,将其作为图像去模糊的正则约束,使得生成图像的边缘特征更加清晰。实验结果表明,提出方法复原的图像峰值信噪比数值较DeblurGAN算法高出5.4%,结构相似性指标高出1%;在主观上清晰化效果较好,且消除了网格效应。     

融合图像局部和退化表征信息的盲超分辨重建

针对假设的退化模型与实际模型不一致时图像超分辨性能显著降低的问题,提出了一种融合图像空间局部和退化表征信息的深度卷积神经网络模型。首先对低分辨图像提取初始特征和退化表达量;然后构建级联的空间局部信息和退化信息模块以及特征融合块,这些模块进一步级联组成特征变换子网络;最后,利用反卷积层得到高分辨率图像。在基准测试数据集上的实验表明,当高斯核宽度不为0时,算法在采样因子为×2和×4的盲超分辨重建中均取得了较当前主流算法更高的峰值信噪比值(PSNR),其中×2盲超分辨时最高的PSNR值为37.56,×4盲超分辨时最高的PSNR值为31.87,并且与主流算法相比也有较高的重建效率和较好重建视觉效果。     

半监督卷积神经网络遥感图像融合

近几年随着深度学习的发展,学者们利用卷积神经网络实现遥感图像融合取得了不错的效果。由于没有高分辨率多光谱图像作为参考图像,所以一般基于深度学习的方法在退化图像上训练模型,然后用训练好的模型去预测高分辨率多光谱图像,但是退化图像的融合过程并不能完全反映原始图像的融合过程。为了改善融合性能,提出了一种半监督卷积神经网络遥感图像融合方法,该方法在退化图像和原始图像上使用同一个融合网络同时进行训练。退化图像的融合具有相应的参考图像,采用常规的监督学习方式对融合网络进行训练,还加入了光谱损失来更好的保持光谱信息。而原始图像的融合不存在高分辨率多光谱参考图像,设计了光谱退化网络和空间退化网络对融合图像进行退化,再训练融合网络。实验结果表明,提出的方法光谱与细节保真效果好,优于对比方法。     

基于稀疏先验的运动模糊图像盲复原方法

运动模糊图像的盲复原是一个极具挑战性的逆问题。为了能够复原出高质量的清晰图像,提出了一种基于稀疏先验的运动模糊图像盲复原方法。首先,根据自然图像的稀疏特性,提出了一种结合梯度域和空间域的稀疏先验模型对复原图像进行正则化约束;然后,根据运动模糊核(MBK)的稀疏平滑特性,提出了一种结合L0先验和Lp(0p1)先验的新的双重正则化约束模型来同时对MBK的稀疏特性和平滑特性进行很好的约束,实现MBK的准确估计;最后,采用了半二次性的变量分裂策略对提出的模型进行最优化求解,能够在准确估计MBK的同时复原出高质量的清晰图像。大量的实验结果表明,提出的方法较近几年的一些成功的运动模糊图像盲复原方法相比,能够估计出更加准确的运动模糊核,复原出更高质量的清晰图像,在客观的评价指标和主观的视觉效果上均有明显的改进。     

结构稀疏通道先验盲图像去模糊方法

针对盲图像去模糊过程中主结构不准确和边缘不清晰问题,提出了一种结构稀疏通道先验(SSCP)盲图像去模糊方法。SSCP表示模糊图像比清晰图像具有更少结构稀疏通道的先验方法。利用SSCP的性能特性,将其作为新的正则化项引入经典去模糊模型,构建盲去模糊新模型,实现对模糊核的准确估计。通过坐标下降法,交替优化求解潜像与模糊核变量。最后,通过反卷积得到去模糊的清晰复原图像,在基准数据集和自然状态模糊图像上开展主观和客观对比实验,并进行人脸和低亮度真实模糊图像的应用拓展实验。实验结果表明,提出的方法在模糊去除、结构恢复、边缘保留和视觉效果方面的性能比经典去模糊方法平均提高了1.72%,通过该方法设计出的计算装置能够实现机器视觉领域中模糊图像的高精度清晰化处理。     

基于尺度信息边缘提取的模糊核估计方法

模糊图像的盲复原一直以来都是图像处理领域长期的挑战性问题,其中,能否复原出高质量清晰图像的关键是能否准确的估计出引起图像模糊的模糊核(BK)。为了能够实现BK的准确估计,提出了一种基于相对全变差模型(RTVM)的模糊核估计方法。首先,直接将RTVM作为图像的先验,直接代入到最优化的求解过程中,能够在迭代求解的过程中直接复原出锐化的大尺度边缘,而不需要额外的边缘提取步骤;然后,在对BK的正则化约束方面,利用L_0范数,在梯度域,对BK的梯度进行L_0范数的约束,能够同时保护BK的稀疏特性和连续特性;最后,结合一种分解的策略、迭代的重权重最小平方法(IRLS)和半二次性的变量分裂算法对提出的模型进行最优化求解。为了验证提出方法的优越性,将提出的方法与近几年一些极具代表性的模糊图像盲复原方法在大量的模糊图像上进行了比较实验,实验结果证明了所提方法的优越性。     

基于压缩感知的电力设备红外图像盲超分辨率方法

电力设备红外图像采集过程中出现的分辨率降低和模糊现象是影响红外诊断准确性的重要因素。然而现有超分辨率方法一般假设模糊核已知,但当假设核偏离真实核时方法性能会显著降低。该文针对这一问题,提出一种压缩感知盲超分辨率改进方法。以图像退化模型为基础,结合图像在变换域内稀疏为先验知识,实现图像的超分辨率重建。在重建过程中通过红外图像亮度分量的极值分布先验信息促进模糊核的优化求解以及重建图像反卷积去模糊运算,将传统的非盲超分辨率方法改进为盲超分辨率方法。在提高模型准确性的同时,提升了重建图像细节纹理的质量。并对压缩感知基础模型进行改进变形,以此为基础设计了高效求解算法,最终实现高分辨率图像的高质量重建,从而更好地适应工程应用需求。实验结果表明该文提出的盲超分辨率方法与已有方法相比,其重建得到的红外图像结果无论在主观视觉还是客观评价指标上,均有着一定优势,能够更好地适应现场采集到的低分辨率红外图像超分辨率重建需求。     

基于无人机倾斜摄影的溢流坝缺陷监测

云南地区地质条件复杂，地震、泥石流等自然灾害多发、频发，对水电站溢流坝造成严重的安全威胁。本文针对传统的依赖人工对溢流坝进行裂缝巡检存在成本高、安全风险大、耗时长等问题，提出了一种基于无人机倾斜摄影的溢流坝缺陷监测技术，构建了基于优化pix2seq的溢流坝裂缝智能识别模型，实现了溢流坝裂缝的主动识别，针对贴近摄影时图像容易产生退化的问题，本文讨论了退化图像复原模型，并完成了基于无人机倾斜摄影的溢流坝裂缝长度自主监测，并于同类别其它方法进行了对比，通过实验证明了所提方法的有效性，预计可为水电站大坝安全运维的信息化、智能化发展提供技术支撑。     

基于盲恢复的POCS图像超分辨率重建

在传统凸集投影(POCS)算法基础上,考虑到算法对于初始图像的依赖性,尝试通过引入近似点扩散函数检测(APEX)盲解卷积技术,对POCS算法的初始参考图像进行盲恢复,然后再进行超分辨率图像重建。仿真实验证明,APEX盲恢复后的初始图像,相比原初始图像,更加接近真实图像。重建后,直观上图像的清晰度有了一定程度的提高,由于更好地抑制了噪声,表现在PSNR有了一定的提升;另外,由于APEX的引入,改进算法在一定程度上降低了原算法对初值的依赖程度,增强了POCS算法的鲁棒性。     

基于MATLAB图像复原算法研究

通过研讨经典图像算法,在已知系统退化模型的情况下,对测量图像分别使用逆滤波、维纳滤波、有约束的最小二乘方滤波等算法进行复原,在这几种算法的选取上得到了丰富的经验数据,并对实验结果进行了分析总结。