小孔径成像系统衍射退化图像恢复

针对小孔径成像系统图像的衍射退化,本文介绍了一种基于凸集投影法(POCS)的超分辨率图像复原技术,这是一种将各种先验约束引入到计算中以降低噪声和奇异性解的迭代算法,该算法可以很好的保持高分辨率图像的边缘和细节信息.使用衍射退化图像恢复技术的小孔径成像系统在航空航天相机、天文望远镜、受光源、镜头或能量大小限制的特殊光学成像系统等场合有广泛的应用前景.     

基于梯度直方图变换增强红外图像的细节

针对红外图像信噪比低、目标边缘和细节模糊等缺点,提出了一种基于梯度直方图变换增强红外图像细节的方法。通过分析红外图像的梯度直方图,构造出一个高斯函数来扩展梯度直方图,增大图像的梯度值。采用直方图规定化法,实现图像的梯度直方图规定化,得到变换的梯度场。在从变换的梯度场重建增强的图像时,引入全变分(TV)模型来抑制噪声。实验结果表明,提出算法的图像信息熵比灰度直方图均衡化和规定化算法显著提高,明显增强了红外图像的纹理细节,为目标检测、跟踪和识别提供了高质量的图像信息。提出的算法采用有限差分法迭代进行求解和Visiual C++编程,对大小为480pixel×480pixel的图像的处理时间约为40ms,基本达到了工程应用对图像处理的要求。     

长春光机所红外弱小目标处理研究获进展

正随着红外成像相关产业的兴起,红外成像技术具有的隐蔽性好、探测范围广、定位精度高、穿透距离远,以及轻质小巧、低耗可靠等优点备受青睐,已成为当前智能化光电探测发展的主流方向。然而,红外弱小目标的图像细节特征少、信噪比低等特点成为红外图像应用的瓶颈,如何提高红外弱小目标成像效果成为目前的研究热点。     

基于边缘预测和稀疏约束的湍流图像盲复原

大气湍流严重影响天文观测图像的成像效果,必须对退化图像进行处理才能获得清晰的图像。经典的湍流退化图像盲复原算法(IBD、NAS-RIF等)使用的先验知识过于简单,导致很多场合不能获得较优的复原效果。近几年提出的稀疏表达理论,使用自然图像边缘的稀疏先验信息指导图像复原,能复原出较多的细节,但它直接使用模糊图像的梯度图像指导点扩散函数复原,而模糊的梯度图像包含很多噪声和伪边缘,无效的梯度会误导点扩散函数的估计,从而使复原图像中出现较多伪迹。针对上述问题,提出了一种基于边缘预测和稀疏比值正则约束的湍流退化图像盲复原算法,该算法首先从当前的复原图像中预测出有效的边缘,然后将边缘预测信息与自然图像边缘的稀疏先验信息相结合指导点扩散函数复原,得到点扩散函数后,再通过一种非盲复原算法恢复出当前的目标图像,并将此复原图像作为下一次边缘预测的输入图像,如此迭代循环直到求出最终清晰的目标图像。所提算法结合了图像的先验信息与退化图像自身包含的有效信息,能有效抑制图像复原过程中产生的伪迹,获得令人满意的结果。针对多幅模拟的湍流退化图像进行仿真测试,验证了算法的有效性。     

一种基于均值滤波和梯度影响因子的滤波算法

均值滤波采用邻域平均法对图像进行滤波,在降低噪声的同时破坏了图像的细节和边缘。针对这一问题提出了一种在均值滤波算法的基础上增加梯度影响因子的滤波算法,可实现在滤波的同时尽量保留图像的边缘,达到既减小图像噪声又保留边缘的目的。将梯度影响因子进行多项式展开可以降低程序的时间复杂度。通过实验对比表明,改进算法对图像细节和边缘有更好的保护,同时达到更好的滤波效果。     

基于自适应梯度阈值各向异性滤波抑制红外复杂背景

在传统各向异性扩散滤波算法的基础上,提出了一种自适应梯度阈值各向异性滤波算法,用于有效地抑制红外复杂背景、滤除噪声,同时增强红外弱小目标。该算法根据图像的局部特性,利用其在不同方向上的梯度特点,判断某点像素是噪声还是图像以及其存在于图像的平滑区域还是边缘区域。文中据此提出了自适应求取边缘函数中的梯度阈值(K值)的方法,解决了原各向异性滤波算法的边缘函数中K值固定单一的问题。实验证明:与原各向异性滤波算法和其他背景抑制算法相比,提出的算法增加了去噪功能,对各种复杂背景抑制效果更好,增强后的图像信噪比提高了近2倍。     

基于最大似然的超分辨率图像复原方法

从超分辨率图像复原的实际应用出发,提出了一种基于最大似然的序列图像复原方法.在通用线性观测成像模型下,利用改进的奇异值分解法估计成像系统点扩散函数,通过高斯金字塔结构下的光流场方法估计图像间的亚像素级平动,利用基于统计特性的方法估计图像噪声方差等.根据以上参数及部分先验知识,运用最速下降迭代算法实现基于最大似然的超分辨率复原,并对迭代结果进行维纳滤波.计算机模拟实验结果表明,该方法具有较好的复原效果,其性能优于典型的反向迭代投影法.利用实际视频图像的复原实验证明了该方法的实用性.     

分焦平面红外偏振微扫描图像超分辨重建

分焦平面偏振探测系统受其探测器结构的影响,成像分辨率低于探测器实际分辨率,本文在不改变光学系统结构下使用微扫描获取亚像元微位移帧序列,提出一种改进的凸集投影(Projection On Convex Sets, POCS)算法用于提升偏振成像系统的成像分辨率。该算法首先对获取到的偏振微扫描图像序列进行检偏角分离,将同组检偏角图像序列作为输入,其次进行位移匹配与凸集投影迭代初步重建高分辨率图像,然后将图像分组进行滑动窗口非邻域聚类,利用主成分分析将聚类后的图像进行降维,最后将每一维信息视为时间采样函数,在小波域进行软阈值降噪。实验表明,本算法可以有效的提高传统POCS算法的抗噪性能,提高分焦平面偏振探测系统的成像分辨率,和同类算法相比结构相似性系数提升0.02,峰值信噪比提升约1 dB,并且拥有更高的噪声鲁棒性。     

三维显微图像带约束的迭代解卷积复原算法

阐述显微镜透明厚样本成像原理和三维显微图像带约束的迭代解卷积复原算法。根据显微镜透明厚样本成像原理,对已知三维清晰图像进行退化处理,并且使用带约束的迭代解卷积算法去除退化图像中的散焦信息。试验结果表明,图像散焦信息的干扰得到有效的去除,清晰度和信噪比得到明显的改善,并且该算法可以恢复成像过程中丢失的部分频率成分,实现超分辨率复原。当迭代次数较大时,复原效果优于邻域法和线性方法。     

基于L0稀疏先验的相机抖动模糊图像盲复原

提出了一种基于L0稀疏先验的改进正则化模糊图像盲复原算法来解决相机抖动所产生的模糊问题。根据模糊图像的梯度分布要比清晰图像稠密并且暗通道的稀疏性也相对较小这一固有属性建立了新的优化模型。针对L0范数的高度非凸性和暗通道稀疏优化过程中涉及到的非线性最小化问题,提出了一种近似线性映射矩阵,并用半二次分解法对L0最小化问题进行求解。最后,采用快速傅里叶变换在频域中对模糊核及清晰图像进行交替迭代运算得到复原图像。对多幅不同类型的模糊图像进行了实验,结果显示:复原图像平均灰度梯度高达11.411,图像信息熵达到7.304,处理365×285的图像只需8.07s。提出的算法有效抑制了图像边缘处的振铃效应,完整保留了清晰的细节信息的同时显著提高了运算速度,并适用于多种不同类型图像的盲复原。     

抑制寄生波纹的红外图像降晰函数辨识算法

提出了一种针对军事目标红外模糊图像复原的降晰函数辨识算法。该算法根据气动光学效应形成湍流流场的机理建立相应的模型,将点扩展函数简化为可用参数描述的高斯函数形式;利用红外图像的边缘梯度变化特性提出边缘清晰度改善量,并作为降晰函数参数辨识的评价标准,清晰度改善量取最大值时对应的参数就是观测图像的最佳降晰函数参数;针对复原过程中可能出现的振铃效应,运用细节规整化思想衍生的加权空间复原算法,自适应地抑制寄生波纹的产生。实验验证表明,本文方法能有效地复原红外模糊图像,且对降晰函数的辨识准确率高,相对误差可以降低至4.5%左右。另外,抑制振铃寄生波纹效果良好。复原后图像在各项质量评价指标上都有很大提高,峰值信噪比提高量超过9.4dB,综合评价指数ImageQ提高了20以上。     

一种基于小波变换的照明无关边缘检测和模糊增强方法

提出了一种基于小波变换的照明无关边缘检测和模糊增强算法,用于从不均匀的弱照明图像中提取目标边缘。依据照明反射图像形成模板和CCD相机成像公式,推导出图像的小波变换公式。对图像局部区域中边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。给出一种同时考虑小波模值大小和梯度方向的模糊算子来增强边缘并抑制噪声。最后,采用仿真和真实的图像对该算法进行验证,利用此算法检测阶梯边缘,得到该算法的边缘检测评价标准F系数值为0.984 3,边缘定位精度评价系数E_d值为0.126 5,通过被检测的特征球边缘计算得到的交比值误差为3.72×10^-3。实验结果证实,该边缘检测方法能够很好地工作于非均匀的弱照明图像。     

基于各向异性Markov随机场的三维显微图像复原

提出了基于小波域各向异性马尔可夫随机场模型的三维显微图像复原算法。小波是当前研究的热点,它能够很好地刻画图像的边缘信息。为了有效地保留图像的边缘,根据小波变换后各个子带小波系数的方向性特点,以各向异性马尔可夫随机场模型作为小波系数的先验概率模型进行正则化处理;本文采用正则化比例系数自适应调整方法,当算法收敛到全局最优时,正则化比例系数也达到最优选择;考虑到噪声的影响,算法在每一步迭代求解过程中,对估计出的图像进行去噪处理。实验结果表明,本文算法能够有效地保留图像边缘等细节信息,去除层间干扰并抑制噪声。     

改进的稀疏表示遥感图像超分辨重建

为了进一步提高遥感图像超分辨效果,提高超分辨重建速度。针对以往稀疏超分辨算法中更容易丢失边缘信息和引入噪声的问题,本文改进了特征提取算子,以对称近邻滤波(SNN)代替高斯滤波,重点解决特征空间中的字典学习问题。首先,根据遥感图像退化模型生成训练样本图像,并分别对高、低分辨率遥感图像进行7×7分块,生成字典训练样本。然后,建立连接高、低分辨率图像空间的双参数联合稀疏字典,将字典学习过程中的稀疏系数分解为系数权值和字典原子的乘积,依据字典原子指标训练和更新字典,得到高低分辨率联合字典映射矩阵。最后,进行遥感图像超分辨稀疏重构。实验结果表明:与当前最先进的稀疏表示超分辨算法相比,本文算法得到的超分辨重建遥感图像的主观效果更好,恢复出更多的地物细节信息;客观评价参数峰值信噪比(PSNR)提高约1.7dB,结构相似性(SSIM)提高约0.016。改进的稀疏表示超分辨算法可以有效地提高遥感图像超分辨效果,同时降低重建时间。     

强噪声下自适应Canny算子边缘检测

针对传统Canny算子不能有效滤除图像在解码处理和传输过程产生的椒盐噪声、无法保留边缘细节的问题,提出强噪声下Canny算子图像边缘检测算法.依据椒盐噪声的极值性、灰度差值性,将像元点划分为噪声点、疑似噪声点;根据分类之后的像元点自适应地改变滤波器窗口的大小和权值,在降低噪声影响的同时能较好地保留图像细节.引入8个方向...     

Generalized approach for accelerated maximum likelihood based image restoration applied to three-dimensional fluorescence microscopy

For deconvolution applications in three-dimensional microscopy we derived and implemented a generic, accelerated maximum likelihood image restoration algorithm. A conjugate gradient iteration scheme was used considering either Gaussian or Poisson noise models. Poisson models are better suited to low intensity fluorescent image data; typically, they show smaller restoration errors and smoother results. For the regularization, we modified the standard Tikhonov method. However, the generic design of the algorithm allows for more regularization approaches. The Hessian matrix of the restoration functional was used to determine the step size. We compared restoration error and convergence behaviour between the classical line-search and the Hessian matrix method. Under typical working conditions, the restoration error did not increase over that of the line-search and the speed of convergence did not significantly decrease allowing for a twofold increase in processing speed. To determine the regularization parameter, we modified the generalized cross-validation method. Tests that were done on both simulated and experimental fluorescence wide-field data show reliable results.     

基于自适应PCNN和小波变换的多聚焦图像融合算法

提出了一种基于自适应PCNN和小波变换的新型多聚焦图像融合算法。首先,对待融合的两幅图像进行小波分解得到两组多尺度图像,然后在小波域充分利用PCNN的同步激发特性,进行基于PCNN的融合策略设计。使用不同频率下小波系数的局域熵作为PCNN对应神经元的链接强度,经过PCNN点火获得参与融合图像在小波域中的点火映射图,根据点火时间计算点火映射梯度图,再通过判决选择算子,判定并选择点火时间梯度最大的小波系数作为融合系数。最后对融合后的小波系数进行重构生成融合图像。该方法中,根据设置的迭代次数来确定阈值调整时间常量 ,从而在迭代结束时,所有小波系数均得到激发,充分反映了点火时间的先后次序。实验结果以及与其他融合算法的比较分析表明,所提出的算法能有效地突出边缘细节、更好地保持图像的空间分辨力。     

应用Hopfield神经网络和小波域隐Markov树模型的图像复原

为了解决传统的Hopfield神经网络图像复原算法对噪声抑制和图像细节保护不能很好兼顾的问题,提出了一种基于改进的连续Hopfield神经网络和小波域隐Markov树(HMT)模型的复原算法。将小波域HMT模型作为图像小波系数统计关系的先验知识,并以正则化项的形式引入到神经网络模型中,最终利用Hopfield神经网络的能量收敛特性完成图像复原。同时,提出了一种高度并行的网络权值矩阵计算方法,通过对模板图像进行算子操作,分批求取网络权值,避免了大型矩阵的乘法运算。实验结果表明,无论是对真实图像还是人工生成图像,算法复原结果的视觉效果均有明显改善,提高信噪比(ISNR)较传统同类算法增加0.3dB以上,达到了同时抑制噪声和保护图像细节的目的。