一种基于块配准的运动模糊图像复原算法

提出一种基于图像块配准的运动模糊图像复原算法.首先对测试图像进行分块操作,图像块的大小根据经验值选取;其次,采用SIFT算法在模糊图像和清晰图像对之间进行块配准;遍历模糊图像中的每个图像块,分别计算得到各个块的质心坐标,然后利用质心法计算该图像块发生偏移的角度和距离;统计图像中所有块的偏移,估计出图像退化的点扩散函数,并对每个图像块进行复原校正.分别针对仿真图像和智能视频监控图像进行了实验,来验证算法的有效性.实验结果表明,该算法能够有效地复原智能交通领域的智能视频监控图像,并且具有较高的复原效率.     

一种离焦模糊图像的盲复原方法

针对离焦模糊图像提出了一种基于图像阶跃边缘扩散特性的盲复原方法。该方法通过改进Grubbs异常值检测准则,对图像中的阶跃或近似阶跃边缘进行定位。通过自适应选取最佳图像区域的方法计算线扩散函数,进一步利用离焦模糊半径与线扩散函数之间的关系,计算出离焦模糊参数。根据参数得到点扩散函数,最终对离焦模糊图像进行复原。实验结果表明,该方法的复原效果较好,具有一定的应用价值。     

基于移位反射边界条件的图像复原

在信号和图像处理中,期望将原始场景从观测到的降质数据中恢复出来.在数学上,这个过程就转化成为求解一个系数矩阵为模糊矩阵的线性系统.该模糊矩阵是由刻画模糊的点扩散函数和假设原始图像外部数据的边界条件所决定的.为了更好地保留边界连续性以及减少复原图像中的振铃效应,本文提出移位反射边界条件,并在不依赖于点扩散函数对称性的情形下,给出了对该边界条件下的模糊矩阵的Kronecker积逼近和相应的SVD型正则化算法.实验结果表明,基于移位反射边界条件的SVD型正则化算法效果很好.     

基于正则化技术的超分辨图像盲复原

针对低分辨率图像盲复原中信息不足的问题,可以用正则方法来求解。假设点扩散函数结构已知而参数未知,模糊矩阵可表示为带参数的形式,在Nguyen等人的正则有参盲复原框架的基础上,进一步根据Roberts交叉梯度算子构造正则项,从自适应的角度构造正则化参数,并用迭代法求解该框架的目标泛函极小值。算法分析和实验结果表明,这种方法能取得令人满意的超分辨图像复原效果。     

红外运动模糊图像参数估计方法

在船舶上拍摄红外传感图像的过程中由于船舶的摇晃而导致的运动模糊,会降低图像的质量.根据运动模糊图像的特性,分析了运动模糊图像的退化模型与特性.首先对倒频谱进行了二值化,并运用Radon变换确定了点扩散函数的模糊角度,然后使用模糊尺度迭代与维纳滤波得到复原图像,再对其进行边缘检测,通过计算累计边缘数确定了模糊尺度.最后对不同模糊程度的图像计算参数并复原,实验结果表明了算法的有效性.     

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．     

一种新的图像去模糊清晰化方法

针对在实际环境中很难得到图像去模糊所需要的大量先验知识,诸如退化模式、 点扩散函数等,提出了一种新的图像去模糊清晰化方法。首先利用高斯差分算子获得图像轮廓 信息,然后根据轮廓信息预测清晰图像过渡区,再利用清晰图像过渡区、退化图像和点扩散函 数之间的关系建立目标函数,为了克服噪声的影响,在目标函数中加入了非负性惩罚项和空间 相关性约束项,并使用滞后迭代的极小化方法来求解点扩散函数;最后通过已有的非盲目图像 复原算法复原图像。实验结果表明,该方法无需知道图像退化模式,对各种因素引起的退化图 像都能有效地复原。     

基于自适应P-Laplace扩散的图像复原

针对图像复原问题提出基于自适应P-Laplace扩散的图像盲复原算法。该算法结合图像的梯度和曲率性质,采用各向异性的空间自适应正则化处理,建立具有非线性和各向异性扩散的正则化方程,使其在恢复目标图像时能自适应地进行梯度平滑和边缘保留。通过最小化能量方案极小化代价函数,同时通过定点交替迭代策略将非线性方程进行线性化处理,快速恢复图像。实验结果证明,该方法能对模糊图像进行有效复原,提高图像的质量。     

运动模糊参数的空域鉴别方法

匀速直线运动模糊图像的复原,关键在于点扩散函数参数(运动模糊方向和模糊尺度)的鉴别.为此,提出了一种运动模糊参数的空域鉴别方法,该方法利用3×3微分算子的任意方向微分功能鉴别运动方向,而后求微分图像自相关函数来鉴别运动模糊尺度.在搜索运动方向时将搜索步长分为两层,较大步长做粗略搜索,较小步长做精细搜索.仿真实验过程中,利用改进的维纳滤波器复原模糊图像,结果表明该方法计算复杂度低,鉴别精度高,复原效果好.     

稀疏平滑特性的多正则化约束图像盲复原方法

为了实现对线性空间不变的模糊图像的盲复原,提出了一种基于稀疏性和平滑特性的多正则化约束的模糊图像盲复原方法.首先,根据自然图像边缘的稀疏特性,运用了一种权重的全变差范数(weighted total variation norm,简称WTV-norm)对复原图像进行正则化约束;然后,从运动模糊的点扩散函数(motion point spread function,简称MPSF)的特性出发,提出一种能够适用于多种模糊情况的多正则化约束;最后,提出了一种改进的变量分裂(modified variable splitting,简称MVS)方法来得到清晰的复原图像,同时准确地估计出相应的模糊退化函数.大量的实验结果表明,该方法能够较好地复原多种不同类型的模糊(例如运动模糊、高斯模糊、均匀模糊、圆盘模糊).与近几年提出来的一些具有代表性的模糊图像盲复原方法相比,该方法不仅主观的视觉效果得到了较为明显的改进,而且客观的信噪比增量也增加了1.20dB~4.22dB.     

一种空间自适应正则化图象盲复原算法

图象盲复原所面临的主要问题是可利用信息的不足，所以必须充分利用图象本身及成像系统的先验信息，为此，结合模糊先验辨识的思想，给出了一种新的空间自适应正则化算法，该算法先用交替最小化的迭代方法对模糊进行先验辨识，然后利用辨识结果，用各向异性扩散进行图象复原，算法充分利用了图象及成像系统（或点扩散函数PSF）的分段平滑特性，同时又利用各向异性扩散的概念，使得正则化不仅在程度上，而且在方向上都是空间自适应的，从而能够有效地进行图象盲复原，仿真结果表明，该算法的复原效果优于空间自适应各向同性正则化（SAR）算法，其收敛性能优于空间自适应各向异性正则化（SAAR）算法。     

基于双正则化的图像超分辨率盲重建

图像超分辨率重建是利用数字信号处理技术由一系列低分辨率观测图像得到高分辨率图像。大多数重建算法假设成像系统的模糊特性也即点扩散函数(PSF)已知,然而实际的应用环境下PSF事先不知道或部分知道。为此,将未知PSF模型化,提出基于双正则化的图像超分辨率盲重建算法,并且正则化作用的强度随重建图像局部光滑程度的变化而自适应地改变,以便能保护图像细节同时抑制平滑区域的噪声。求解过程中采用交替最小化方法估计PSF参数和高分辨率图像,并随着迭代次数的增加逐步提高每次寻优的精度以节省计算开销。实验结果表明,该算法能够比较准确地估计出PSF参数并取得较好的图像重建效果。     

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。     

Image restoration with shifting reflective boundary conditions

In signal and image processing,we want to recover a faithful representation of an original scene from blurred,noisy image data.This process can be transformed mathematically into solving a linear system with a blurring matrix.Particularly,the blurring matrix is determined from not only a point spread function(PSF),which defines how each pixel is blurred,but also boundary conditions(BCs),which specify our assumptions on the data outside the domain of consideration.In this paper,we first propose shifting reflective BCs which preserve the continuity at the boundaries and,therefore,reduce ringing effects in the restored image.A Kronecker product approximation of the corresponding blurring matrix is then provided,regardless of symmetry requirement of the PSF.Finally,we demonstrate the efficiency of our approximation in an SVD-based regularization method by several numerical examples.     

基于TVGA正则化的室内运动模糊图像恢复

针对室内环境下相机曝光时间长,被摄目标相对相机运动会产生图像模糊的问题,以室内服务移动机器人为研究背景,提出了一种基于Topkis-Veinott梯度法(TVGA)正则化运动的模糊图像恢复方法。此算法首先采用方向导数法估计出运动模糊方向,同时将图像运动模糊方向旋转至水平轴;然后采用自相关函数平均法确定运动模糊长度,并算出运动模糊点扩展函数(PSF);最后采用改进的TVGA最优化正则参数,进而恢复原始图像。与经典的Wiener法和两种正则化恢复方法进行的比较结果表明,用TVGA法正则化恢复的图像效果较好,不仅较接近原始图像,且易于实现。     

基于LMS自适应算法的图像去模糊研究

传统单幅图像去模糊方法需要稀疏先验约束,导致计算量较大。为此,在自适应最小均方误差(LMS)算法的基础上,提出一种点扩散函数(PSF)估计方法。利用模糊图像得到有效突出边缘,作为自适应滤波器的输入信号,并将模糊图像作为滤波器的期望信号,用以估计PSF。在非盲去卷积过程中,采用各项异性正规化方法对清晰图像进行约束,以减少恢复图像的振铃效应。实验结果表明,该方法不需要先验约束,对运动和非运动模糊图像均可适用,在保留图像细节的同时能抑制平滑区域的噪声。     

Quantitative measurement of the homogeneity and contrast of step edges in the estimation of the point spread function of a satellite image

It is important to measure the spatial performance of an in-flight satellite sensor to determine if any spatial resolution degradations occur over time; then some compensation methods can be adopted to improve the image quality. In satellite on-orbit measurements of spatial resolution, the performance of the sensors can be objectively evaluated through the point spread function (PSF) or modulation transfer function (MTF). The well-known image-based PSF derivation method of sampling along a slanted linear step structure from the degraded image is widely used in the satellite image restoration area. Due to the non-uniformity of the linear ground objects, generally, the operators have to pick out good profiles from all the profiles along the edge in order to increase the estimation accuracy. However, only some qualitative criteria have been proposed in the literature to instruct researchers how to pick out good profiles. In this article, we propose a method to quantitatively measure the homogeneity and contrast of the candidate linear structures in order to extract the optimal profiles. This method first automatically detects and locates the slanted linear step edge object in the image. Then it measures the homogeneity and the contrast at each location along the edge by using two adjacent square regions on both sides of the linear step structure. The locations that have high measurement values are regarded as the optimal locations. Finally, the optimal profiles can be extracted at these edge locations to derive an accurate PSF estimation by differentiation. This method makes an automatic optimal step edge detection method for PSF derivation to be practical. Experiment results on simulated and real images are provided. This article shows that using only the ‘optimal’ profiles can play a real and important role and can achieve a good PSF estimation result.     

基于改进卡尔曼滤波的盲图像恢复

为了解决在获取数字图像过程中发生的图像质量下降（退化）的问题,需要使用图像恢复技术进行图像重建。针对未知点扩散函数(PSF)的盲图像恢复,首先利用倒频谱的方法估计模糊图像的点扩散函数,然后再利用改进的卡尔曼滤波方法对图像进行恢复。倒频谱方法是将模糊图像分成反映原图像信息和反映模糊系统信息的两部分相加的形式,通过分析两者的关系估计出模糊图像的PSF。改进卡尔曼滤波器在估计过程中考虑了系统的模型误差,使其对模型误差具有一定的鲁棒性。通过Matlab进行了数字仿真实验,实验结果表明利用所提出的方法可以有效地减小PSF估计不准确对图像恢复的影响,与传统卡尔曼滤波相比恢复效果较好。     

基于低阶Tucker分解的图像恢复技术研究

近年来,图像恢复逐渐成为数字图像处理领域的研究焦点,为了有效地对受损的、丢失了的图像数据进行恢复,采用张量数据结构的形式来表示待恢复的图像数据,并且提出了一种基于张量的图像恢复方法,通过充分识别清洁图像中混合噪声的内在结构。具体来说,对于干净的图像内容,使用张量Tucker分解来描述所有频带之间的全局相关性,以及各向异性空间光谱总变化（SSTV）正则化,以表征空间和频域中的分段平滑结构。对于混合噪声的图像内容,采用正则化来检测稀疏噪声,包括条纹,脉冲噪声和死像素,开发了一种用于通过使用增强拉格朗日乘数（ALM）方法来求解所得优化问题的有效算法。最后,对模拟和现实生活中有噪声的图像进行了广泛的实验,结果表明,算法工作良好,收敛快,可使受损图像恢复到一个良好的状态,恢复精度高。