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。     

一种贝叶斯框架下的图像盲恢复算法

基于各向异性扩散模型的图像盲恢复算法,其缺点在于速度难以得到显著地提升.为了加快图像恢复速度,同时尽可能提供令人满意的恢复结果.提出基于贝叶斯框架的图像盲恢复算法,首先引入调和模型作为原始图像和模糊的先验模型;然后,用伽马分布描述未知的参数;最后,利用变分近似的方法,以迭代的方式,交替地估计原始图像、模糊和参数的最优值.实验结果证明了该算法的有效性,与同类算法相比,可以得到更好的恢复结果;与基于各向异性扩散模型的算法相比,在速度上具有明显的优势.     

基于加权TV/SAR联合先验与最小线性KL散度的图像重构算法

为了消除当前图像重构算法存在的振铃效应,避免过度平滑图像纹理区域,使其兼顾较好的细小边缘保持与丰富纹理,以获取较高的重构图像视觉质量,提出了基于加权TV(total variation)/SAR(simutanneous auto-regression)联合先验与最小线性KL散度凸组合的图像重构算法.引入权重因子,从退化图像中提取出非局部SSIM约束,联合TV函数,设计加权TV图像正则先验,增强稀疏性;根据SAR先验与加权TV正则先验,获取重构图像的联合后验分布;再建立最小线性KL散度函数凸组合,并引入最优最小化技术,求解后验分布,完成贝叶斯推理.并研究了本文算法在不同退化程度下的用户响应.测试结果显示:与当前图像重构技术相比,本文算法的复原效果较为理想;在图像受损严重时,本文算法更受用户欢迎.     

基于关键帧间矩阵约束的多帧湍流图像盲复原

针对传统多帧湍流图像复原耗时长及观测帧序列空间不齐时需匹配的问题,论文提出一种基于关键帧间矩阵约束的多帧湍流图像盲复原算法.该算法首先对观测序列自适应提取关键帧,然后在频域内分别构造估计原始图像和点扩散函数的代价函数方程,利用关键帧间矩阵约束指导点扩散函数复原,通过各向同性总变分模型约束指导图像复原,采用变量分离和增广拉格朗日方法对代价函数交替迭代优化,以达到快速性估计点扩散函数和恢复图像.仿真实验结果表明,论文提出的算法对图像复原质量有所提升,能求得更接近真实的点扩散函数值,且对未匹配的图像序列依然能达到良好的复原效果.     

用于彩色图像复原的带有高阶耦合项的TV模型

提出了一种改进的TV(Total Variance)彩色图像复原方法。为消除TV模型的各向异性扩散导致的块效应,采用在TV模型的基础上耦合高阶项的新模型;并将这个新的模型推广到彩色图像,利用多通道的耦合机制实现各单色通道图像复原过程的相互制约。新模型保持了各向异性扩散的特性,图像的边缘得到了保持。实验结果证明, 与其它模型的复原 彩色图像相比,新模型复原的图像的峰值信噪比(PSNR)有了更大的提高,图像的非边缘区看上去更加平滑自然。     

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。     

一种基于三角形网格的图像分块盲复原算法

针对图像分块方法恢复空间移变降质图像时存在严重的边界噪声,以及采用传统遗传算法进行图像盲复原时运算量大的问题,提出一种基于三角形网格的图像分块盲复原算法.根据图像的退化情况采用三角形网格划分图像子块,并利用微种群遗传算法和传统遗传算法交替进化的方式分别估计各图像子块以及各子块区域中点扩散函数的参数,同时对各图像子块的重叠部分进行边界修正.实验结果表明,与传统的图像分块遗传算法相比,该算法的运行时间和复原图像的边界寄生波纹都大为减少,图像的恢复质量有明显提高.     

基于联合插值—恢复的超分辨率图像盲复原

常规的超分辨复原方法需要预知退化图像的点扩展函数,但实际应用中许多退化图像的点扩展函数是未知的,因此提出一种新的超分辨率图像盲复原算法,在点扩展函数未知或不确知的情况下对图像进行恢复。该联合插值—恢复的超分辨率图像盲复原方法,利用多信道盲复原估计未知的点扩展函数,迭代运用帧间相似性确定模糊特性,同时结合超分辨率方法得到高分辨率图像。实验结果表明,该算法能有效地实现超分辨率图像的盲复原。     

结合透射率和大气光改进的暗原色先验去雾算法

针对暗原色先验透射率在明亮区域估计不足以及大气光误差问题,提出一种结合透射率和大气光改进的去雾算法。在分析高斯函数特点的基础上,依据有雾图像暗原色的高斯函数初步估计透射率,利用最大最小操作消除块状效应;然后,通过晕光算子与形态学膨胀操作获取大气光描述区域来获取大气光值;最后根据大气散射模型复原清晰图像。实验结果表明,所提算法能够有效去除图像中的雾气,浓雾图像恢复效果相比暗原色先验等算法更佳,且处理速度较快,便于实时应用。     

加强的低秩表示图像去噪算法

由于低秩表示（Low-Rank Representation,LRR）模型中核范数对非零奇异值的估计不足,所以利用参数化的非凸惩罚函数来估计非零奇异值,同时结合全变差（Total Variation,TV）范数保持图像边缘信息和加强区域平滑性的能力,通过对LRR模型中的系数矩阵施加TV范数约束,提出了一个新的图像去噪算法,并且采取交替最小化方法求解对应模型。利用图像的内在非局部自相似性先验,所提算法能够在有效发现和移除噪声的同时,增强恢复图像的结构和区域平滑性,提高图像的恢复质量。实验结果表明,与其他去噪算法相比,无论是客观评价还是视觉效果,所提算法都实现了具有竞争力的去噪表现,特别是在噪声强度较大时。     

处理异常值的相机抖动模糊图像复原

摘 要：目的：在曝光过程中由于相机抖动而导致的图像模糊,是一种常见的图像降质现象,并且模糊图像中存在的异常值会导致复原结果的振铃效应,为了解决这些问题,本文提出一种处理异常值的相机抖动模糊图像复原算法。方法：该算法以自然图像统计为先验模型,结合变分贝叶斯方法和KL散度构造易于优化的代价函数,进而求出模糊核。针对异常值造成的振铃效应,在解卷积的过程中采用期望-最大值算法估计并处理异常值以抑制振铃效应。结果：采用本文方法对大量模糊图片进行复原,实验结果表明该方法能有效地去除相机抖动产生的模糊,在保持图像边缘和细节的同时,可有效抑制振铃效应。结论：本文提出了一种通过处理异常值达到抑制振铃效应目的,进而提高复原效果的图像盲复原新方法。实验结果表明该方法切实有效,并且该方法引出了一种抑制振铃效应的新思路。     

基于小波域隐马尔可夫树模型的图像复原

从图像复原的Bayesian方法出发,提出一种基于小波域隐马尔可夫树(HMT)模型的线性图像复原算法,小波域HMT模型采用混合高斯模型刻画各子带系数的概率分布,并通过小波系数隐状态在多个尺度之间的Markov依赖性来刻画自然图像小波系数随尺度减小而指数衰减的特性,由于小波域HMT模型准确刻画了自然图像小波变换的统计特性,该文算法以此作为自然图像的先验模型,将图像复原问题转化为一个约束优化问题并用最速下降法对其进行求解,同时,提出了一种规整化参数和HMT模型参数的自适应选择方法,实验结果表明,基于小波域HMT模型的图像复原算法较好地再现了各种边缘信息,复原出的图像在信噪比和视觉效果方面都有明显的提高。     

基于交替迭代和神经网络的盲目图像恢复

提出了种盲目图像恢复模型：退化图像经傅立叶变换后在频率域通过交替迭代的方式分解出原始图像和点扩展函数,当大致估计出退化模型的点扩展函数的类型及其参数后,用基于Ｈｏｐｆｉｅｌｄ神经网络的方法进行精确恢复,以提高恢复质量．实验证明,这种恢复模型可以在未知点扩展函数的情况下取得较好的恢复效果．     

基于灰度平均梯度和粒子群优化的散焦图像模糊参数估计

针对散焦模糊图像的复原问题,提出一种基于灰度平均梯度与粒子群优化(PSO)算法相结合的散焦图像模糊参数估计方法。首先,利用PSO算法随机生成一群不同模糊半径的点扩散函数,分别用维纳滤波算法处理模糊图像,得到一系列复原图像,并计算其对应的灰度平均梯度值;然后,利用图像清晰度与图像灰度平均梯度值成正变关系这一特点,以复原图像的灰度平均梯度值作为粒子群算法的适应度函数值,找出使适应度函数最大的粒子所对应的模糊半径作为最后的估计结果。实验结果表明,与频谱估计方法和倒频谱估计方法相比,所提算法能够更精确地估计出模糊参数,尤其是在大尺度模糊半径的情况下,所提算法估计的精度更高。     

基于K-SVD的偏微分方程模型在毫米波图像恢复中的应用

在图像被大噪声污染或具有较低分辨率时,传统的偏微分方程(PDE)模型的稳态解会产生明显的阶梯效应,恢复图像质量较差。针对此缺点,提出了一种新的基于K-奇异值分解(K-SVD)的PDE图像恢复方法,并应用于毫米波(MMW)图像的恢复。K-SVD是一种图像稀疏表示方法,对图像进行稀疏估计的同时实现去噪,对噪声方差较大的图像具有较好的去噪鲁棒性。首先采用K-SVD对MMW图像进行去噪,对去噪图像再应用全变分(TV)模型的PDE方法进行恢复。对所提出的算法分别使用模拟的MMW图像和真实的MMW图像进行测试,并进一步和K-SVD、PDE方法比较,同时使用峰值信噪比(PSNR)对恢复图像进行评价。根据不同噪声方差下的PSNR数据和恢复图像的视觉效果,实验结果证明了所提方法能够有效地恢复MMW图像。     

基于Chambolle-Pock算法框架的高阶TV图像重建算法

传统的总变差（TV）最小算法是一种基于压缩感知(CS)的经典迭代重建算法，可以从稀疏数据或含噪数据中高精度地重建图像。然而，TV算法在重建分段常数特征不明显的图像时可能会引入块状伪影，通过研究得出，在图像去噪中使用高阶总变差（HOTV）能有效压制TV模型引入的块状伪影。鉴于此，提出了一种HOTV图像重建模型及其Chambolle-Pock（CP）求解算法。具体来说，以二阶梯度构建二阶TV范数，进而设计了一种数据保真约束的二阶TV最小重建模型，并推导出了相应的CP算法。在理想数据投影和含噪数据投影条件下，分别采用基于波浪背景的Shepp-Logan模体、灰度渐变模体以及真实CT图像模体进行重建实验，并进行定性和定量分析。理想数据投影的重建结果表明，和传统TV算法相比，HOTV算法能有效压制块状伪影并提高重建精度。含噪数据投影的重建结果表明，HOTV算法和TV算法均有良好的抗噪能力，但HOTV算法的保边性能更好且抗噪性更强。在重建分段常数特征不明显而灰度波动特征明显的图像时，HOTV算法是一种比TV算法更优的重建算法。所提HOTV算法可以被推广到各种扫描模式下的CT重建及其他成像模态中。     

改进的暗通道先验快速图像去雾算法

针对暗通道去雾算法复杂度过高的问题,提出一种基于暗通道的快速去雾算法。首先对图像分块处理,提高求取暗通道值的速度;接着采用线性插值算法平滑处理,消除块状效应;然后根据暗通道先验求得透射率;最终利用大气散射模型得到清晰无雾图像。实验结果证明,在保证良好去雾效果的前提下,相比原暗通道算法,所提算法复杂度被有效降低,去雾所需时间也降为原来的1/10左右,达到准实时。