基于超拉普拉斯先验的图像非盲解卷积

自然图像梯度的重尾分布在去噪、去模糊以及超分辨率等问题中已经被证实是一个非常有效的先验。自然图像梯度的长尾分布可以极好地用超拉普拉斯(Hyper-Laplacian)分布模型化。基于空间变化点扩散函数提出了一种超拉普拉斯先验的图像快速非盲解卷积方法,对图像进行复原。该算法的优势就是引入空间变化点扩散函数,使用分步交替迭代最小化方法,通过查表法快速对图像去卷积求解。该方法的解卷积速度得到较大幅度的提升,而且对模糊图像有较好的复原效果,提高了图像的质量。     

基于先验优化的一致性模糊盲复原算法

为了提高一致性模糊图像盲复原清晰度,针对复原过程中涉及的全变差模型先验约束问题,提出一种基于先验优化的一致性模糊盲复原算法.利用基于半高斯梯度算子的局部加权全变差模型提取模糊图像显著边缘,在去除噪声和纹理干扰的同时,可提高有利信息的保持能力;提出多尺度混合特性先验估计模糊核,增强了模糊核估计的准确性;利用非盲去卷积得到了清晰的复原图像.实验结果表明,相较其他算法,针对模拟模糊图像,所提算法的复原图像峰值信噪比平均提升约1.7%,结构相似性指数平均提升约19.1%;针对真实模糊图像,复原图像伪影更少,边缘纹理细节更加清晰自然,整体视觉效果更好.     

模糊图像迭代盲反卷积复原

针对超速或换道车辆容易出现的图像模糊问题,提出了基于盲反卷积的去模糊方法。传统的去模糊方法是假定已知模糊参数,而实际的目标图像模糊参数是未知的。所以采用一种盲复原方法,首先估计出模糊点扩散函数PSF,然后进行模糊处理。根据实际采集的图像含有高斯噪声的特点,将常用零均值高斯白噪声作为其噪声模型,根据噪声均值与方差的最小二乘估计改进盲反卷积模型,得出新的恢复模型,进而恢复含噪声的模糊图像。结果表明,该算法较传统算法恢复效果得到明显改善。     

基于生成式对抗网络和多级小波包卷积网络的水下图像增强算法

为了解决水下图像的雾模糊和偏色问题,针对水下图像成像模型提出基于生成式对抗网络（GAN）和改进卷积神经网络（CNN）的水下图像增强算法. 利用生成式对抗网络合成水下图像,以对配对式水下图像数据集进行有效扩充. 利用多级小波变换,以不丢失特征分辨率的方式对水下图像进行多尺度分解,然后结合卷积神经网络利用紧凑式学习方式对多尺度图像进行特征提取,并利用跳跃连接以防止梯度弥散,克服水下图像的雾模糊效应. 利用风格代价函数学习彩色图像各通道间的相关性,提高模型的色彩校正能力,克服水下图像色彩失真的问题. 实验结果表明,相较对比算法,在主观视觉和客观指标上,本研究所提算法拥有更优秀的综合性能及鲁棒性.     

基于块效应抑制的压缩降质模糊图像盲复原

针对被压缩重构后的模糊图像复原问题,提出基于块效应抑制的图像去模糊方法.采用多尺度分解逐层进行模糊核估计,每一层利用去块效应的模糊图像作为有效显著边缘估计的参考图像,并在模糊核估计优化函数中加入模糊核梯度约束保证其连续平滑性,通过在频域交替迭代优化确定模糊核.最终复原约束项为图像全变分以及L2范数块效应抑制项,该项通过迭代使得复原图像和去块效应图像逐步逼近.实验结果表明,提出的方法能够在较高压缩率的模糊图像中估计出相对准确的模糊核,得到兼顾消除块效应与保留图像细节的复原效果.     

暗通道约束和交替方向乘子法优化的湍流图像盲复原

为提高湍流退化图像的复原效果,针对盲复原算法在最大后验概率框架下,使用梯度分布先验信息约束容易求得模糊平凡解的问题,提出了一种暗通道约束和交替方向乘子法优化的湍流图像盲复原算法。基于多尺度的思想,在每一层尺度上,对图像施加暗通道先验约束,对点扩散函数施加非负性约束和能量约束。对采用坐标下降法交替迭代估计当前尺度下的模糊核和图像,当达到最大尺度时,得到最终估计的模糊核。结合总变分模型,采用交替方向乘子法优化实现图像细节快速恢复。实验结果表明,新算法使用的先验信息约束,有利于得到清晰解,在总变分模型下能收敛到全局最优解,可以有效抑制图像复原过程中产生的伪迹,恢复出更好的目标图像细节。     

基于深度图的水下图像复原

水下图像深度图估计的准确性影响复原后的图像质量,为得到更加准确的深度图,提出了一种基于衰减通道结合亮度图的深度图求解算法,并利用该深度图复原水下图像.首先,根据图像像素值与场景深度的关系估计水下图像的深度图,并使用图像的亮度图对深度图进行修正和细化;然后,利用深度图计算图像的大气光值和透射率图;最后,通过逆求解水下成像模型复原退化的图像.实验证明:与现有算法相比,利用该深度图得到的模型参数更加准确,复原后的图像不仅拥有更好的对比度,而且能保持自然真实的颜色.     

一种新的基于倒谱法和Richardson—Lucy算法的运动图像盲复原方法

运动图像的盲复原,一直是图像处理领域的难点,本文根据运动模糊图像特点,提出了一种鲁棒、高效保留图像细节和纹理特征的图像盲复原算法．在图像的复原过程中运用了基于最大似然函数的Richardson—Lucy滤波方法只需知道模糊类型,不需要其它任何先验知识,就能做到有效复原,适用范围广,能对线性匀速运动类型的模糊、振动模糊、旋转模糊都有效,鲁棒性好,抗噪能力强．     

紧框架分析模型下的模糊图像盲复原

在基于稀疏表示模型的图像盲复原问题中,模糊核估计与稀疏模型的选取是影响盲复原性能的两个关键因素。针对传统基于稀疏表示盲复原方法的不足,本文提出一种基于紧框架分析模型的图像盲复原方法。该方法将盲复原问题分裂为两个迭代的子问题,分别是基于梯度图像的模糊核估计与基于紧框架分析模型的非盲图像复原。在核估计问题中,提出同时约束核稀疏性及一阶微分平滑特性,进一步提高了核估计精度。在紧框架非盲图像复原问题中,提出一种基于Moreau envelope函数的数值计算方法,有效地解决紧框架复原模型的不可微和不可分离性。实验结果表明,本文复原方法在图像细节恢复与客观评价指标方面均优于传统复原算法。     

马尔可夫模型与Shearlet变换结合的SAR图像超分辨率复原方法

为了不改变成像硬件条件,通过软件方法提高SAR图像分辨率,提出一种马尔可夫随机场(MRF)模型和Shearlet变换相结合的超分辨率复原方法。该方法分为两个过程,训练过程和学习过程。在训练过程中,首先对训练库中的高、低分辨率图像进行Shearlet变换,提取不同方向、不同分辨率的中、高频信息,然后对不同方向的中、高频信息进行分块。在学习过程中,使用Shearlet变换提取待复原图像的中频信息并对其分块,然后在训练库的辅助下,使用MRF建立图像特征模型,最后通过最大后验概率(MAP)估计出各个方向的高频信息,将估计出的高频信息和待复原的低分辨率图像叠加到一起进行Shearlet反变换,最终获得高分辨率图像。通过对真实SAR图像的处理结果表明,无论是主观的视觉效果还是客观的指标上,本文提出的方法都取得较好的结果,优于传统插值方法以及目前最新的基于稀疏表示的超分辨率方法。     

一种基于小波阈值去噪的改进方法在气液两相流图像中的应用

利用高速摄影机拍摄了气液两相流的图像,它们往往会伴随一些噪声,因此,去噪处理成为图像预处理的一个重要环节。通过对小波变换及阈值去噪的分析,在Donoho等人提出的传统阈值去噪方法基础上,提出了一种新的阈值函数去噪方法。该方法与传统的软硬阈值函数相比,能够有效保持图像边缘信息,并能避免硬阈值函数的不连续性。实验结果表明,新的方法优于传统的阈值去噪方法,而且信噪比较高。     

基于贝叶斯估计自适应软硬折衷阈值Curvelet图像去噪技术

针对传统阈值图像去噪方法存在的不足,提出了基于贝叶斯估计和Curvelet变换的软硬折衷阈值图像去噪方法,自适应地对不同的Curvelet子带进行阈值化处理.实验结果表明,该方法对图像中的边缘曲线特征有更好的复原.去噪后图像的峰值信噪比值（PSNR）更高,视觉效果更好.     

东巴象形文字识别方法

针对东巴文特有的结构特征进行了识别难点方面的分析,讨论了东巴象形文字的识别原理,提出了图像压缩、图像灰度化、平滑去噪、图像分割、归一化等图像预处理过程和基于特征提取的神经网络识别过程的东巴文识别方法,并通过实验对该方法进行了验证,实验结果表明了该方法的可行性。     

改进的偏微分扩散方程图像增强方法

通过改进P-M扩散系数和融入相干增强扩散改善了传统的P-M模型,使得裂缝图像非边缘处以改进后的P-M扩散为主,在边缘处以相干增强扩散为主,达到了对裂缝图像去噪和增强的目的．理论分析和仿真实验表明,提出的方案较传统的P-M模型能使地面图像的特征得到更好的保护,使裂缝更加明显,利用该方法对裂缝图像进行预处理后,提高了路面裂缝目标检测的准确性,体现了该方法的优越性．     

图像的几种小波去噪方法的比较与改进

对Mallat算法强制去噪、小波变换模极大值去噪、非线性小波变换阚值法去噪及基于小波域相关性的去噪法的原理进行了阐述，并比较了这几种小波去噪方法的优缺点，给出了两种改进方法，仿真结果表明有效可行．     

图像小波去噪的算子描述

给出了一种基于二维离散小波变换的图像去噪方法,并用算子的形式加以描述,通过对小波变换系数进行阈值处理实现图像的去噪。讨论了不同的阈值选取方法和阈值策略。并提出了一种自适应局部阈值法。用均方差衡量去噪性能,实验结果证明,用自适应局部阈值法去噪好于全局阈值法去噪。     

基于稀疏变换学习的改进灵敏度编码重建算法

灵敏度编码(SENSE)是一种利用多个接收线圈的灵敏度信息来减少扫描时间的技术。 基于 SENSE 算法的磁共振成像重建算法的重建图像存在模糊伪影和细节缺失等问题,不利于临床医学诊断。 为减少磁共振重建图像伪影并提高重建图像质量,将数据驱动的自适应稀疏变换学习(TL)引入 SENSE 算法中,得到一种 TL-SENSE 算法。该算法利用交替方向乘子法进行求解,通过变换更新、硬阈值去噪和图像更新实现并行磁共振成像重建。 仿真实验结果表明,所提算法对图像去噪和修复效果较好,能完整保留纹理细节和边缘轮廓信息,目标图像与原始图像的一致性较高。 对所选 48 组数据, TL-SENSE 算法重建图像的平均信噪比相比 SENSE 算法、 L1-SENSE 算法、TV-SENSE算法和 LpTV-SENSE 算法,分别提高了 4.62 dB、1.91 dB、1.30 dB 和 0.89 dB。     

自适应单尺度Ridgelet声呐图像去噪方法

声呐图像背景复杂，对比度差，边缘恶化，不易判读图像边缘．对声呐图像执行小波变换能够有效去除噪声，但是由于小波的局限性，其对图像边缘的保持效果不佳．正交有限Ridgelet （FRIT）变换能够有效克服小波变换在处理高维信号时的不足，是一种有效处理二维奇异性信号新方法．针对水下声呐图像特点及噪声分布情况，提出单尺度自适应去噪处理算法，既削弱了单独使用FRIT处理时出现的环绕现象，又克服了单独使用小波去噪时无法保持边缘的缺点，同时提高了图像信噪比．与其他经典方法及单独使用FRIT方法比较，此改进方法在水下声呐图像去噪输出信噪比及边缘保持等方面均获得理想效果．     

基于小波变换方向信息的奇异值图像去噪研究

提出一种基于小波变换方向信息的奇异值图像分解去噪方法.由于图像噪声主要集中在小波域中的高频子图部分,且系数较小,可以利用奇异值分解后较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波.低频子图仅作简单维纳滤波,最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像.实验结果表明,该方法在有效去噪的同时较好地保留了原有的高频细节信息.     

一种基于Curvelet变换的图像去噪方法

提出了一种Curvelet变换与循环平移相结合的图像去噪方法,消除了由于Curvelet变换缺乏平移不变性而产生的图像失真.实验结果表明,用该方法去噪后的图像与传统小波去噪图像相比,PSNR值更高,视觉效果也更好.