一种改进的图像迭代盲反卷积算法

针对传统迭代盲反卷积算法收敛速度慢、容易出现解模糊等问题,提出一种改进的图像迭代盲反卷积算法。利用动量矩求解图像的有限支持域,在支持域中使频率域和空间域交替迭代,从而实现图像的盲复原。仿真结果表明,与传统迭代盲反卷积算法和基于小波变换的盲反卷积算法相比,该算法的收敛速度较快,具有较好的图像恢复效果。     

混沌卷积混合信号的预测重构盲反卷积方法

介绍了混沌序列的特性，然后利用混沌的类随机特性和盲信号处理技术，提出了一种针对混沌卷积混合信号的预测重构盲反卷积方法．该方法充分利用了混沌的物理特性，通过对混沌卷积混合信号使用基于直接预测误差分析所构成的混沌滤波器和基于相空间重构动力学系统方程的人工智能补偿技术去进行盲反卷积，从而实现对单输入单输出混沌卷积信号的源信号和传输函数的盲反卷积处理．仿真实验验证了该方法的有效性和可行性。     

一种基于ICA的同态盲反卷积算法

盲反卷积是图像处理、语音信号处理、通信、系统辨识和声学等许多研究和应用的基本问题,具有重要的理论与应用价值。根据无损检测中盲反卷积问题的特点,提出了一种新的基于ICA的同态盲反卷积算法。该算法首先将检测信号变换到复倒谱域,将卷积混合模型变为线性混合模型,即ICA问题;然后通过ICA将系统冲击响应和输入信号分离;最后,根据分离的复倒谱信号,重构其时域信号。论文提出的盲反卷积算法具有运算量小,计算速度快,分离精度高等特点,且不受信道是否为最小相位信道的影响。计算机模拟和实验数据都证明了算法的有效性。     

基于NBICA的盲反卷积方法

在线性系统假设下,根据地震记录估计地震子波和反射系数序列是一个典型的盲反卷积过程。针对带状独立分量分析反卷积方法对噪声敏感的缺点,提出一种的基于高斯矩的噪声带状独立分量分析反卷积方法,并利用邻近道间的相关信息实施子波提取。实验结果表明,对于带噪地震数据的盲反卷积,该算法性能更优。     

复合的图像盲复原算法

当点扩展函数未知或不确知的情况下,从观察到的退化图像中恢复原始图像的过程称为图像盲复原。近年来,图像盲复原算法得到了广泛地研究。迭代盲解卷积在抑制噪声放大与保留图像边缘信息有很好的效果,但在不知道点扩展函数并有噪声的情况下并不能有效的去除噪声导致图像恢复效果很差。针对图像盲复原的特点,提出了一种复合算法,该算法有效地解决了迭代盲解卷积的去噪问题,最后通过实验验证了算法的可行性和有效性。     

基于高阶累积量的盲反卷积算法的比较

通过对高阶统计理论以及对建立在高阶统计理论基础上的累积量盲反卷积算法的分析与研究,研究了两种基于高阶累积量的盲反卷积算法的原理,并且通过这两种算法对信号的处理结果,比较了这两种算法的性能.     

一种消除遥感影像中大气紊流的快速算法

根据大气紊流的特点建立了使图像退化的点扩展函数(PSF)模型,简要说明了近年来所用的LRW算法、迭代盲去卷积算法,提出了基于自相关函数的维纳(Wiener)滤波算法对退化图像进行快速处理.图像复原实验的结果表明,基于自相关函数的维纳(Wiener)滤波算法优于LRW算法和迭代盲去卷积算法.     

基于小波域的非平稳卷积混合 语音信号的自适应盲分离

一些卷积混合信号的盲分离算法是迭代性的，不适于实时应用．为此提出一种基于小波域的算法，用于卷积混合信号的自适应盲分离．对基于小波域的算法进行仿真，并与频域盲信号分离算法进行对比，结果表明所提出的算法能提高盲信号分离的性能。     

基于稀疏表示和梯度先验的图像盲去模糊

针对目前基于稀疏表示的图像盲卷积算法细节恢复有限等问题,提出一种基于稀疏表示和梯度先验的图像盲卷积算法。虽然每个图像块可以通过字典稀疏表示,但是图像块重构出的图像常常出现“伪像”,本文将梯度先验知识和超拉普拉斯先验知识融入稀疏表示盲卷积模型中,采用迭代方法交替估计中间清晰图像和模糊核,一旦获得模糊核,采用超拉普拉斯非盲去卷积算法恢复出最终的清晰图像。实验结果表明,与其他去模糊算法相比,本文算法在抑制振铃方面效果显著。     

基于稳健联合分块对角化的卷积盲分离

针对卷积盲分离问题,提出一种新的矩阵联合分块对角化(Joint block diagonalization, JBD)算法. 现有的迭代非正交联合分块对角化算法都存在不收敛的情况,本文利用分离矩阵的特殊结构确保其可逆性,使得算法的迭代过程稳定. 在已知矩阵分块结构的条件下,首先,将卷积盲分离模型写成瞬时形式,并说明其满足联合分块对角化结构; 然后,提出联合分块对角化的代价函数,依据代价函数的最小化等价于矩阵中每个分块的范数最小化, 将整个分离矩阵的迭代更新转化成每个分块的迭代更新;最后,利用最小化条件得到迭代算法. 实数和复数两种情况下的算法都进行了推导.基本实验验证了新算法在不同条件下的性能; 仿真实验中对在时域和频域都重叠的信号的卷积混合进行盲分离,实验结果验证了新算法具有更好的分离性能和更稳定的分离能力.     

一种基于单位超球面平均的盲反卷积方法

在机器学习理论中,为消除随机影响,对样本进行平均是一种广为使用的处理手段.为此,在具有相同物理激发过程的系统中,利用黎曼梯度的概念,构造了单位超球面上的平均算子.以地震数据盲反卷积为例,结合改进型的带状独立分量分析,提出了基于单位超球面平均的盲反卷积方法.仿真实验表明了所提出方法的有效性和优越性.     

高斯扩散特性图象的盲解卷积

图象的盲解卷积恢复具有重要的理论和实际意义，许多情况下系统的扩散特性不能精确获得。针对一类相对平滑或类似高斯分布的扩散特性，建立一种图象盲解卷积算法，采用交替迭代方法。适合总体最小二乘求解。算法能有效地确定点扩散函数，图象恢复质量有明显改善。最后的仿真实验表明了算法的有效性和稳定性。     

一种混合的单图像去运动模糊方法

图像的盲恢复一直是数字图像处理领域的难点,对运动模糊图像的复原进行研究,提出了一种混合的单图像去运动模糊方法。首先估计PSF,然后利用PSF和原始模糊图像评估潜像,并对边缘恢复、模糊核估计和反卷积进行多次迭代,采用自适应非盲反卷积方法得到高质量的去模糊图像。最后,与维纳滤波、露西-理查德森这两种经典算法的实验效果进行比较。实验结果表明,本算法保持细节的能力强,去模糊效果更好。     

一种结合自适应噪声完备经验模态分解和盲反卷积去除脑电中眼电伪迹的新方法

针对微弱的脑电（Electroencephalogram, EEG）信号在采集过程中夹杂着各种生理伪迹,特别易遭到眨眼和眼动产生的眼电（Electrooculography, EOG）伪迹干扰。本文提出在自适应噪声完备经验模态分解(Complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)的基础上,构建盲反卷积（Blind deconvolution, BD）模型,实现EOG伪迹分离的方法。该方法首先运用CEEMDAN方法将含有伪迹的EEG信号分解成若干固有模态函数（Intrinsic mode function, IMF）分量,再以模态分量为观测信号送入EEG信号和EOG伪迹两个源信号构成的盲反卷积模型中,通过构建代价函数迭代实现EEG信号与EOG伪迹分离。为了验证新提出的算法,采用标准CHB-MIT头皮脑电数据库进行实验验证,EOG伪迹分离后的数据跟原始脑电数据作相关性分析,其相关系数是0.82。结果证实本文提出的方法保留有大多数原始EEG信号分量,同时对EOG伪迹的分离也具有良好的效果。     

改进频点权重系数的频域盲源分离排序算法

为解决卷积混合频域盲源分离排序不确定问题,研究了分离矩阵行列式变化和频点距离对基于相邻频点幅度相关性排序算法的影响,提出了改进的盲源分离排序算法.改进算法用权重系数来衡量频点对排序的影响,并将分离矩阵作为下一频点分离矩阵的迭代初值,给出了权重系数设定函数.最后对瞬时混合信号、卷积混合信号、实际房间采集信号分别进行盲源分离实验.实验结果表明,与Murata算法相比,改进算法分离信号信噪比提高、分离速度加快、算法鲁棒性强.     

基于时间可预测性的粒子群优化盲解卷积算法

针对信道对声音信号的卷积效应,提出了一种基于粒子群优化的盲解卷积新算法。利用信号的时间可预测性作为盲解卷积的解卷测度,采用粒子群优化算法对基于该测度的代价函数进行优化求解,从而成功得到解卷积滤波器系数,实现对信号的盲解卷积。仿真实验表明,所提出的算法对于声音信号具有很好的盲解卷积效果,所恢复信号与原始信号的相关系数和重构信噪比均较高。     

微延迟病态卷积混叠盲源分离的可分性研究

1 引言自从Herault和Jutten提出盲源分离问题以来,该问题引起广大学者的极大兴趣。由于这种技术可以应用到无线通讯、语音分离、声纳信号处理、图像分离等许多领域,近几年盲源分离已经成为信号处理领域一个引人注目的研究热点。关于线性混叠的盲源分离算法已出现了大量文献,而对盲反卷积的研究相对较少。     

基于盲反卷积的超声合成孔径图像复原

本文研究了超声合成孔径检测信号的盲反卷积复原技术。通过分析超声信号在检测材料中的传输规律,建立了检测信号与代表检测材料特性的点扩散函数之间的成像关系。根据最大似然估计原理,形成了超声合成孔径信号盲反卷积复原数学模型。为了验证所研究方法的有效性,进行了一系列实验,实验结果表明:盲反卷积能有效改进超声合成孔径检测图像的分辨率。     

基于稀疏表示和结构自相似性的单幅图像盲解卷积算法

图像盲解卷积研究当模糊核未知时,如何从模糊图像复原出原始清晰图像.由于盲解卷积是一个欠定问题,现有的盲解卷积算法都直接或间接地利用各种先验知识.本文提出了一种结合稀疏表示与结构自相似性的单幅图像盲解卷积算法,该算法将图像的稀疏性先验和结构自相似性先验作为正则化约束加入到图像盲解卷积的目标函数中,并利用图像不同尺度间的结构自相似性,将观测模糊图像的降采样图像作为稀疏表示字典的训练样本,保证清晰图像在该字典下的稀疏性.最后利用交替求解的方式估计模糊核和清晰图像.模拟和真实数据上的实验表明本文算法能够准确估计模糊核,复原清晰的图像边缘,并具有很好的鲁棒性.     

基于2-D公共因子提取的单幅图像盲复原研究

利用2-D公共因子（GCD）提取可以有效地实现图像盲复原,但通常需要原始图像的两幅降晰图像,这在某些条件下并不能满足,极大限制了此方法的应用。发展了一种基于2-D公共因子的单幅图像盲复原方法,利用2-D公共因子提取从一幅降晰图像中估计降晰函数,再利用经典的图像反卷积技术,从而复原原始图像,仿真实验证明了该方法的有效性。