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。     

图像盲复原算法研究现状及其展望

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的研究。本文首先根据点扩展函数的特点，将图像盲复原算法分为单通道盲复原算法、空间不变多通道盲复原算法和空间变化图像盲复原算法等3种类型；然后讨论了3种算法的研究现状并指出了现有各种算法的优缺点，最后通过研究总结出以下结论：现有算法的改进以及新的算法研究、基于非线性退化模型的算法研究、去噪处理算法研究、实时处理算法以及算法的应用研究是今后进一步研究的发展方向。     

基于多分辨率盲目去卷积的气动光学效应退化图像复原算法

为了有效地恢复气动光学效应退化图像．该文提出了一种基于两帧退化图像的多分辨率盲目去卷积复原算法．该算法在大气流场的光学退化模型未知的情况下，采用两帧退化图像数据来估计点扩展函数值．为了克服噪声的干扰，该文将点扩展函数非负性和光滑性约束转化为数学上可表达的惩罚项，融合到目标函数中，建立了一个基于各向异性调整的目标函数表达式，采用约束优化原理迭代估计点扩展函数值．同时，针对复原图像的快速需求，将多分辨率技术用在点扩展函数的最优估计和图像复原过程中，提出了基于图像多分辨率的盲目去卷积复原新算法．在微机上进行了一系列的图像恢复实验和对比分析，实验结果表明该文复原算法十分有效，在抑制噪声和提高复原速度方面取得了明显的效果．     

基于NAS-RIF算法和神经网络的图像盲复原

在图像盲复原中,NAS-RIF算法在无噪情况下,能够得到较好的复原结果,但是对有观测噪声的图像复原效果不理想。而Hopfield神经网络有利于缓解图像复原过程中的震铃效应,但前提是知道退化图像的点扩展函数。将二者相结合提出一种基于NAS-RIF算法和神经网络的图像盲复原新算法,首先由NAS-RIF算法先估计出退化图像的点扩展函数,再利用Hopfield神经网络算法对其进行复原。实验结果表明,该算法具有较好的盲复原效果。     

基于NAS-RIF算法和神经网络的图像盲复原

在图像盲复原中,NAS-RIF算法在无噪情况下,能够得到较好的复原结果,但是对有观测噪声的图像复原效果不理想。而Hopfield神经网络有利于缓解图像复原过程中的震铃效应,但前提是知道退化图像的点扩展函数。将二者相结合提出一种基于NAS-RIF算法和神经网络的图像盲复原新算法,首先由NAS-RIF算法先估计出退化图像的点扩展函数,再利用Hopfield神经网络算法对其进行复原。实验结果表明,该算法具有较好的盲复原效果。     

逆主元法盲目复原高斯模糊图像

盲目图像复原的一个重要方法是检测出图像退化的点扩展函数的参数，然后根据估计的点扩展函数复原图像，但是对于高斯模糊的图像，很难检测出其点扩展函数，因此高斯模糊图像的盲复原一直是个棘手问题。本文提出一种新的算法：逆主元法，利用高斯点扩展函数的特性，在径向基神经网络的模型下，对图像进行盲目复原。实验表明，这种方法对轻度的高斯模糊图像，有很好的复原效果。     

一种基于倒谱相关特性的散焦模糊图像复原方法

由于设备环境、人为因素等诸多原因造成的散焦退化图像,在天文、交通、医疗等众多领域的实际应用效果受到较大程度的影响.针对散焦模糊图像的盲复原技术进行研究,以探索一种较好的散焦模糊图像盲复原方法.在退化图像的复原过程中,点扩展函数(Point spread Function)的参数估计最为关键.因此,文中提出的散焦模糊图像复原方法,基于频域倒谱及其相关特性.进行散焦模糊图像的PSF估计.通过仿真实验表明,该算法可以较为准确地估计出散焦模糊图像的模糊半径,实验证明了估计结果的准确性以及对模糊图像恢复的有效性.可以得出结论:利用倒谱相关性对散焦模糊图像进行肓复原,是一条切实可行的研究路线.     

多信道图像盲复原算法

为充分利用观测图像中的信息及信息之间的互补性,提高图像复原的质量,提出了贝叶斯框架下的多信道图像盲复原算法。首先,建立原始图像、点扩散函数和观测图像的先验模型,由先验模型得到原始图像、点扩散函数和观测图像的先验概率;然后用伽马分布描述未知的模型参数;最后基于最大后验概率的推导,利用实证分析法估计原始图像和点扩散函数的最优值。实验结果表明,相比单信道的图像盲复原算法,多信道的图像盲复原算法可以得到更好的复原结果。同时,与某些经典的多信道图像盲复原算法相比,提出的算法在复原效果方面具有一定的优势。     

基于双重循环交替迭代的湍流退化图像复原

湍流退化图像复原是一个富有挑战性的世界性难题,在航天光电成像领域具有广泛的应用前景。为了从少数几帧湍流退化图像中将目标图像有效地恢复出来,提出一种新颖的基于双重循环交替迭代的湍流退化图像复原算法,建立了基于内外循环交替求解目标图像及各帧点扩展函数的迭代关系。在微机上进行了一些复原实验,实验结果表明该算法能用少数几帧图像获取目标图像和点扩展函数的最佳联合估计,证实了算法的可行性和实用价值。     

基于Split Bregman算法的图像复原

图像复原研究由来已久。一种比较传统的图像复原方法是假设系统的脉冲响应,即事先知道点扩散函数。然而,在大多数实际情况下,很难具体确定点扩散函数,我们仅能通过退化之后的图像来恢复图像,即图像盲复原法。图像盲复原法是在已经观测到的退化图像的基础上,根据特定条件建立合适的数学模型,从而在一定条件下获得最接近原始图像的逼近值。文章通过Split Bregman算法对灰度图和LAB图进行图像复原,并进行了对比实验。     

Blind image deconvolution using machine learning for three-dimensional microscopy

In this work, we propose a novel method for the regularization of blind deconvolution algorithms. The proposed method employs example-based machine learning techniques for modeling the space of point spread functions. During an iterative blind deconvolution process, a prior term attracts the point spread function estimates to the learned point spread function space. We demonstrate the usage of this regularizer within a Bayesian blind deconvolution framework and also integrate into the latter a method for noise reduction, thus creating a complete blind deconvolution method. The application of the proposed algorithm is demonstrated on synthetic and real-world three-dimensional images acquired by a wide-field fluorescence microscope, where the need for blind deconvolution algorithms is indispensable, yielding excellent results.     

Improving Medical CT Image Blind Restoration Algorithm Based on Dictionary Learning by Alternating Direction Method of Multipliers

In this paper, the medical CT image blind restoration is translated into two sub problems, namely, image estimation based on dictionary learning and point spread function estimation. A blind restoration algorithm optimized by the alternating direction method of multipliers for medical CT images was proposed. At present, the existing methods of blind image restoration based on dictionary learning have the problem of low efficiency and precision. This paper aims to improve the effectiveness and accuracy of the algorithm and to improve the robustness of the algorithm. The local CT images are selected as training samples, and the K-SVD algorithm is used to construct the dictionary by iterative optimization, which is beneficial to improve the efficiency of the algorithm. Then, the orthogonal matching pursuit algorithm is employed to implement the dictionary update. Dictionary learning is accomplished by sparse representation of medical CT images. The alternating direction method of multipliers (ADMM) is used to solve the objective function and realize the local image restoration, so as to eliminate the influence of point spread function. Secondly, the local restoration image is used to estimate the point spread function, and the convex quadratic optimization method is used to solve the point spread function sub problems. Finally, the optimal estimation of point spread function is obtained by iterative method, and the global sharp image is obtained by the alternating direction method of multipliers. Experimental results show that, compared with the traditional adaptive dictionary restoration algorithm, the new algorithm improves the objective image quality metrics, such as peak signal to noise ratio, structural similarity, and universal image quality index. The new algorithm optimizes the restoration effect, improves the robustness of noise immunity and improves the computing efficiency.     

基于Gauss-Markov随机场的贝叶斯盲复原

针对图像盲复原中图像细节恢复的同时块效应放大的问题,提出了一种贝叶斯盲复原算法。首先使用贝叶斯框架模式,对原始图像、观察图像、点扩散函数(PSF)及模型参数分别建立先验模型,并将能有效描述图像局部统计特征的带有高斯特性的Markov(Gauss-Markov)随机场模型作为原始图像的先验模型;然后利用贝叶斯公式推导出原始图像及点扩散函数的迭代公式。实验结果表明,与总变分(TV)先验模型的恢复图像相比,所提算法的恢复图像块效应明显减少,并且视觉效果更好;在点扩散函数的大小已知和未知的情况下,相比TV先验模型,所提算法的改善信噪比(ISNR)能提高1dB左右。     

Regularization Methods for Blind Deconvolution and Blind Source Separation Problems

This paper is devoted to blind deconvolution and blind separation problems. Blind deconvolution is the identification of a point spread function and an input signal from an observation of their convolution. Blind source separation is the recovery of a vector of input signals from a vector of observed signals, which are mixed by a linear (unknown) operator. We show that both problems are paradigms of nonlinear ill-posed problems. Consequently, regularization techniques have to be used for stable numerical reconstructions. In this paper we develop a rigorous convergence analysis for regularization techniques for the solution of blind deconvolution and blind separation problems. Convergence of regularized point spread functions and signals to a solution is established and a convergence rate result in dependence of the noise level is presented. Moreover, we prove convergence of the alternating minimization algorithm for the numerical solution of regularized blind deconvolution problems and present some numerical examples. Moreover, we show that many neural network approaches for blind inversion can be considered in the framework of regularization theory. Date received: August 17, 1999. Date revised: September 1, 2000.     

基于Gibbs分布的盲图像修复

针对盲图像去卷积问题,首先建立了一个基于Gibbs分布加权算法模型,然后讨论了关于能量泛函极小解的存在性,最后导出了相应的热流。在计算机模拟中,除了某些限制条件外,即使对于点扩散函数和原始的真实图像没有更多精确的信息,此算法也运行得很好。为了进一步观察此算法的实效性,与全变差盲去卷积模型的实验结果进行了比较。     

基于整体变分正则的图像盲恢复研究

实现了一种基于TV正则化的图像盲恢复算法。采用了交替迭代算法,保证迭代中能同时恢复出图像以及点扩张函数,并在每步迭代中自适应调整其扩散参数。实验结果也显示了迭代过程的收敛以及鲁棒性(特别是对于非连续的模糊),而且图像和点扩张函数可以在很高的噪声级下恢复。     

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。     

基于频域共轭梯度算法的盲目图像恢复

在分析了目前各种算法存在的一些基本问题的基础上，提出了盲目图像恢复的频域共轭梯度算法，算法假设退化系统的点扩散函数具有圆对称性，并考虑图像的频域具有复共轭对称性，在频域里建立了新的优化判据；采用共轭梯度算法搜索判据，从而在有实际物理意义的区域中收敛于最优解；对光学成像系统常见的离焦、衍射模糊问题进行了仿真；用该算法实现了其退化图像的恢复，给出并分析了结果。