一种自适应去除振铃滤波新算法

振铃效应严重地影响了复原图像质量,在此针对MEPG-4中的去振铃滤波方法,提出一种新的去振铃滤波算法,既能有效消除振铃效应又能充分保护图像的边缘。算法首先找出边缘区域和非边缘区域,然后根据振铃效应产生的原因和现象,采用中值滤波器对图像进行自适应滤波,以去除振铃效应。实验结果表明,这里的滤波算法相对于MEPG-4中的去振铃滤波方法,能更加有效地去除振铃效应,并且大大提高了图像的主客观质量。     

基于变分贝叶斯估计的相机抖动模糊图像的盲复原算法

在曝光过程中由于相机抖动而导致的运动模糊,是一种常见的图像降质现象。该文提出了一种基于变分贝叶斯估计和自然图像梯度统计特性的盲复原算法,用于恢复相机抖动模糊图像,同时针对图像复原过程中出现的振铃效应,设计了一种基于分区域检测和Fuzzy滤波器的去振铃效应方法。实验结果表明,该文提出的盲复原算法能够有效地去除图像中因相机抖动而产生的模糊,而且在保持图像边缘和细节的同时,可以较好地降低振铃效应对图像复原质量的影响。     

基于TwIST-TV 约束的图像去模糊方法

传统的基于频域和小波域的去模糊算法所得的复原图像总是存在比较明显的边缘振铃及模糊效应,而较为有效的空域迭代优化去模糊算法速度通常比较慢。为了解决上述问题,提出了基于二步迭代阈值收缩（TwIST）与总变分（TV）约束相结合的图像去模糊算法（TwIST-TV）。首先在去模糊目标函数中加入对图像的TV 正则化约束,其次在对图像小波系数的每次二步迭代之前,加入对图像的TV 优化去噪约束,最后迭代获取去模糊图像。实验结果表明:相对于基于频域和小波域的模糊图像恢复算法,TwIST-TV 能有效抑制边缘模糊和振铃效应,复原图像的信噪比（SNR）、峰值信噪比（PSNR）高出1~7 dB,平均结构相似度指标（MSSIM）可高出0.05,相对于空域解卷积算法在保证求解精度相当的情况下具备6 倍以上的速度优势。     

基于循环迭代的多帧湍流退化图像复原算法

采用频域多帧循环迭代解卷积算法(CIBD),针对提高复原图像的准确性和快速性两个方面进行研究。以退化序列中任意帧作为起始帧,逐次增加迭代帧,确保更多的观测帧参与循环迭代解卷积以增加复原的准确性;通过图像间的相关矩阵估计初始点扩展函数(PSF),采用尺度梯度投影法,自适应迭代步长,增加迭代终止条件等措施提高算法的收敛速度。实验结果表明,采用提议的算法能够有效地重建不同大气湍流条件下的远距离观测图像,性能优于传统多帧盲反卷积(MBD)迭代算法。     

基于图像稀疏表达的模拟退火图像复原

针对现有的图像复原方法振铃效应严重的问题,提 出了一种基于图像稀疏表达的模拟退火的图像复原方法来恢复模糊图像。首先根据模拟退火 算法的要求,建立价格函数并 通过图像的模糊因子确定参数;然后在价格函数中的约束项引入图像的稀疏性,以提高复原 图像的质量;接着给初始解一个随机扰动,产生扰动解,并根据扰动解所造成的价格函数 的变化判断是否接受该扰动解;最后,当价格函数小于某一预设值时所得到的解即为复原 图像。实验结果表明,复原后图像细节增加且振铃效应明显减少,相对于目前已有的复原方 法,峰值信噪比(PSNR)平均提高了2~3dB。恢复效果表明,本文方法具有较大的实用价值。     

水平路径上多帧湍流退化图像重建

为了重建水平路径上远距离成像系统获取的湍流退化图像,提出去除形变和振铃的分块多帧盲反卷积方法.首先按采集的顺序将图像序列分成若干图像组,通过B-spline基函数配准方法去除非等晕块之间的形变,第二步通过基于块的时域融合算法去除等晕块间的振铃,得到衍射受限的湍流退化图像,最后将所得的多帧图像进行频域重建,复原高质量图像.实验表明,所提出的算法适合于水平路径上获取的退化图像的重建,得到较高的主观视觉图像质量.     

基于加速阻尼Richardson-Lucy算法的湍流退化图像盲复原方法

提出了一种基于加速阻尼Richardson-Lucy(ADRL)算法的湍流退化图像盲复原方法,称为ADRL-IBD方法。在阻尼Richardson-Lucy算法的基础上,引入二阶矢量外推加速技术对其进行加速,形成ADRL算法,并将该算法应用到迭代盲目反卷积(IBD)算法中。使用长曝光大气湍流光学传递函数的物理模型或根据观测图像来获取初始的点扩展函数(PSF),利用阈值分割技术获取图像目标的可靠支持域,在每一次迭代中,对图像施加支持域约束。模拟图像和实际湍流退化图像复原结果表明,基于Richardson-Lucy算法的IBD算法要优于基于Wiener滤波的IBD算法,并且ADRL-IBD算法具有较强的抗噪性,与RL-IBD算法相比,收敛速度更快,复原结果更好。     

基于清晰图像先验知识的盲复原算法

图像采集系统在获取图像时,受到各种干扰,使图像变模糊并含有噪声。为此,提出了一种基于清晰图像先验知识的图像盲复原算法。首先通过统计分析大量的清晰图像梯度域的概率分布特性,将图像划分为具有较多复杂纹理的区域和平坦区域,拟合概率分布函数,得到清晰图像的先验知识,并加入图像局部约束条件,即复原图像平坦区域与退化图像的平坦区域的概率分布变化较小,避免产生振铃现象。然后,建立图像噪声模型,将图像噪声划分为高斯噪声和均匀分布噪声,防止退化图像中的灰度过饱和像素点在复原过程中产生异常值。最后,利用最大后验概率模型,构造代价函数,将图像盲复原问题转变为求代价函数最小化问题,并用最大期望算法和快速迭代收缩算法求解代价函数,恢复出清晰图像。实验结果表明,该算法能有效恢复图像细节,锐化图像边缘,抑制噪声,避免产生振铃效应。     

基于支持向量机的湍流退化图像加速复原算法

由于湍流图像的退化原因十分复杂,现有图像复原算法很难在复原效率和复原质量间达到很好的平衡,为此提出了一种基于支持向量机的湍流退化图像加速复原算法.该算法通过设置方差阈值进行样本选择,舍弃了冗余信息、提高了样本质量;同时,对序列图像进行实时模型更新,加快了序列图像的复原速度.针对电弧风洞图像,将加速复原算法和原算法进行了比较.实验结果表明,加速算法的复原速度更快、复原效果也更好,它可以有效地解决湍流退化给图像带来的噪声和能量衰减问题,并能很好地校正湍流效应引起的模糊和抖动现象.     

基于边缘定向扩散方程的图像复原方法

讨论了光学图像中同时存在噪声与模糊时的复原问题。采用一种能根据边缘方向自适应选取扩散系数的各向异性扩散方程来约束复原后的图像的光滑性质,将其和图像复原模型一起使用,得到了一种图像复原的正则化模型,并利用Eluer方程将该模型转换成一种可以快速求解的各向异性非线性扩散模型。在光滑性约束项的构造上,构造了一种基于边缘定向扩散的各向异性张量型扩散方程,能有效地根据边缘的方向确定是增强边缘还是滤除噪声。相比图像复原的迭代正则化方法,新方法能在复原图像的同时有效地抑制噪声,并有效地减轻边缘处的振铃效应。数值计算结果表明,新方法在整幅图像的复原效果上明显强于迭代正则化方法,尤其在对背景噪声的抑制上效果更明显,峰值信噪比（PSNR）也比迭代正则化方法平均提高了约2dB。     

匀速直线运动模糊图像复原的改进算法

提出了一种改进的运动模糊图像复原算法,先用方向微分思想鉴别出运动模糊方向,然后采用求微分模糊图像自相关函数的方法鉴别模糊尺度,从而构造出最为近似的点扩散函数（Point Spread Function,PSF）。针对振铃效应问题,用最优窗法对图像进行处理,最后利用维纳滤波法与图像均衡法相结合的改进算法对运动模糊图像进行复原。实验结果表明,该算法可以取得较好的复原效果。     

High-quality non-blind image deconvolution with adaptive regularization

Non-blind image deconvolution is a process that obtains a sharp latent image from a blurred image when a point spread function (PSF) is known. However, ringing and noise amplification are inevitable artifacts in image deconvolution since perfect PSF estimation is impossible. The conventional regularization to reduce these artifacts cannot preserve image details in the deconvolved image when PSF estimation error is large, so strong regularization is needed. We propose a non-blind image deconvolution method which preserves image details, while suppressing ringing and noise artifacts by controlling regularization strength according to local characteristics of the image. In addition, the proposed method is performed fast with fast Fourier transforms so that it can be a practical solution to image deblurring problems. From experimental results, we have verified that the proposed method restored the sharp latent image with significantly reduced artifacts and it was performed fast compared to other non-blind image deconvolution methods.     

一种改善图像边缘效果的POCS超分辨率重建方法

利用图像超分辨率重建(SRR)技术可以在现有成像系统基础上提高图像空间分辨力。凸集投影(POCS)是超分辨率重建的主流方法之一。对POCS算法进行了改进,具体改进体现在两个方面:(1)用可控核回归插值图像作为POCS重建的初始估计以提高初始估计图像的质量;(2)将POCS重建中使用的点扩散函数(PSF)由高斯核改为可控核以减少重建图像的边缘振荡效应。对所提出的算法进行了仿真,实验结果显示采用本文方法重建图像的边缘效果有了明显的改善。     

An improved image blind deblurring based on dark channel prior

In order to solve the ringing effect caused by the incorrect estimation of the blur kernel, an improved blind image deblurring algorithm based on the dark channel prior is proposed. First, in the blur kernel estimation stage, high-pass filtering is introduced to enhance the image quality and enhance the edge information to make the blur kernel estimation more accurate. A combination of super Laplacian prior and dark channel prior is introduced to estimate the potential clear image. Then the accurate blur kernel is estimated through alternate iterations from coarse to fine. In the image restoration stage, a weighted least square filter is introduced to suppress the ringing effect of the original clear image to further improve the quality of image restoration. Finally, image deconvolution based on Laplace priors and L₀ regularized priors is used to restore clear images. Experimental results show that our approach improves the peak signal-to-noise ratio(PSNR) by about 0.4 d B and structural similarity(SSIM) by about 0.01, respectively. Compared with the existing image deblurring algorithms, this method can estimate the blur information more accurately, so that the restored image can achieve the effect of keeping the edges and removing ringing.     

基于参数估计的降晰函数辨识及图像复原算法

成像系统的点扩展函数(PSF)以及观测噪声,在一般应用过程中是未知信息,因此,点扩展函数的辨识是一个具有挑战性的世界难题.为解决实际工作中遇到的在已知降晰类型情况下的降晰函数辨识和降晰图像复原问题,提出了基于参数估计的降晰函数辨识及降晰图像复原算法.首先,由初始猜测给定降晰函数参数的变化范围和参数的增量步长;然后,最小化降晰图像和由相应点扩展函数及降晰图像得到的实验观测图像的差的Frobenius范数,以确定点扩展函数的参数,进而确定降晰图像的点扩展函数并对降晰图像进行复原.应用基于Wiener滤波的频域循环边界算法对降晰图像进行复原.实验结果表明:在降晰图像信噪比较高的情况下,降晰函数的辨识结果是可靠和准确的,有较好的复原效果.     

基于加速正则化RL算法的大气湍流退化图像盲复原方法

提出了一种基于加速正则化Richardson-Lucy（RL）算法的大气湍流退化图像盲复原方法（AccRLTV-IBD）。在总变分（TV）正则化RL算法的基础上,引入二阶矢量外推加速技术对其进行加速,形成加速正则化RL（AccRLTV）算法,并将该算法应用到迭代盲目反卷积（IBD）算法中。使用长曝光大气湍流光学传递函数（OTF）的物理模型或根据图像来获取初始的点扩散函数（PSF）,在灰度平均梯度（gray Mean Grads, GMG）的基础上定义了一个相对灰度平均梯度（relative Gray Mean Grads, RGMG）参数作为无参考图像复原质量的评价标准。模拟图像和实际湍流退化图像复原结果表明,基于RL的IBD算法要优于基于Wiener滤波的IBD算法,并且与RL-IBD算法相比,AccRLTV-IBD收敛速度更快,复原效果更好。     

联合小波域和频域的图像去模糊算法

提出了一种在小波域和频域上联合恢复模糊图像的算法。首先在小波域上对模糊图像去噪,提出按照贝叶斯公式估计出小波系数的收缩因子,恢复出模糊图像的小波系数值。此后,按照正则化反卷积图像恢复算法,对去噪模糊图像进行恢复。该算法使得反卷积时的正则化算子选取为较小的值,从而恢复的图像既滤除了噪声,同时降低了边缘模糊等振铃效应。实验结果表明,选择拉普拉斯正则化算子,该算法恢复的图像质量优于频域正则化反卷积算法,此外在同等噪声水平下,不同图像的最优正则化参数处在较小的相同动态范围之内,避免了恢复算法中的反复经验试值寻求最优。     

基于神经网络和维纳滤波的半盲离焦图像复原

本文提出了一种基于小波神经网络和维纳(Wiener)滤波的半盲离焦图像复原算法,首先提取训练图像的小波域特点参数向量,将该参数用来训练小波神经网络,利用训练好的网络估计图像离焦模糊参数.由离焦模糊参数获得点扩展函数,然后用Wiener滤波完成图像的复原.实验结果表明:该方法能有效地估计离焦模糊参数和复原模糊图像.