TDI遥感图像中畸变像移模糊的去除

采用离轴三反射结构的大视场空间相机存在较大的光学畸变,导致引入时间延迟积分(Time Delay Integration, TDI)技术的面阵探测器在推扫成像时产生像移模糊。根据畸变引起的TDI成像退化原理,将畸变像移模糊转化为非均匀运动模糊,通过求解像移路径计算初始模糊核,将其作为先验信息,建立半盲复原模型进一步细化模糊核。利用初始模糊核复原的粗略图像边缘指导模糊核的细化,提出一种多方向权重异性的全变差模型提取图像结构信息。为了增强先验信息对模糊核细化的约束,构建了含有初始模糊核的正则项,使模糊核的估计不过度依赖于图像内容,采用多尺度迭代方法求解。最后用正则化约束的非盲反卷积方法去除图像模糊。实验结果表明:与现有的几种去模糊算法相比,所提方法的去模糊效果不仅清晰自然且对不同样本图像的模糊核估计更稳定。     

基于模糊算子的红外图像去模糊研究

针对镜头抖动,目标移动等因素引起的图像运动模糊问题,本文提出了一种基于模糊算子的红外图像去模糊算法,使用深度自编码网络对数据集中的模糊算子进行编码,通过编码后的模糊算子去逼近一个未知的模糊算子并搜索对应的清晰图像,从而实现真实场景下红外图像去模糊,弥补了现有基于深度学习的图像去模糊模型在跨域应用时对真实场景下运动模糊图像去模糊效果较差的不足。在红外图像上的实验结果表明,相比于其他去模糊算法,本文提出的去模糊算法取得了更高的性能指标,恢复出的图像有着清晰的边缘轮廓和局部细节,显著提升了红外图像的清晰度。     

基于小波变换的红外目标去运动模糊的研究

针对去除图像运动模糊,对图像进行复原,提出一种基于haar小波变换的红外目标去运动模糊的方法。利用小波变换提取并分析图像的水平子带高频信息,判断是否存在运动模糊;通过旋转图像,求取图像的模糊尺度和模糊方向;采用优化的维纳滤波算法编写程序对模糊区域去模糊,进行图像复原。实验结果表明,提出的方法能有效去除由于运动产生的图像模糊,可为进一步图像处理的需要提供清晰的红外图像,且具有鲁棒性强、实时性好等特点,具有较高的应用价值。     

基于振铃约束的全变差正则化图像去模糊算法

当前去模糊方法只利用图像单一的稀疏特性作为先验信息,忽略了伪边缘(如振铃瑕疵)对模糊核估计的影响,导致其去模糊性能不佳。本文充分利用复杂结构图像的先验信息,设计了振铃约束下的全变差正则化图像去模糊算法。首先,利用多分辨率图像金字塔策略建立多层图像模型,通过对比模糊图像和潜在清晰图像来获得振铃先验信息。其次,将振铃正则约束项融入全变差方法,构建多正则项去模糊模型,然后利用变量分离法将去模糊模型转化为多函数优化问题。最后,利用一阶原始对偶算法,根据低分辨率到高分辨率的顺序,对模糊核和原始图像完成计算,获取重构目标。实验结果表明：较当前图像去模糊技术而言,所提算法具备更为理性的去模糊效果,所复原的图像呈现出更高的峰值信噪比和结构相似度,可以更好地保持图像边缘与纹理信息。     

基于LS-SVM的LCD运动图像模糊的改善研究

运动模糊是影响LCD图像质量的主要问题.LCD运动模糊是由LCD慢响应、"抽样-保持"特性与HVS的低通滤波特性所引起.本文提出了一种基于最小二乘支持向量机(LS-SVM)的运动去模糊方法.该算法从系统辨识角度,通过对样本数据的训练,构造预补偿系统的预测PSF模型.最后,使用该预测PSF模型实现运动图像的去模糊过程.仿真结果显示,该算法具有比较理想的效果,可以应用于实际的LCD运动图像去模糊.     

基于分裂Bregman算法的单帧运动图像盲去模糊

提出一种基于分裂Bregman算法的单帧运动图像盲去模糊方法,该算法分为模糊核估计和图像复原两个阶段.在估计模糊核时,首先利用双边滤波器去除图像中的噪声,再采用改进的冲激滤波器对图像进行边缘增强,选取有用的边缘信息估计模糊核,并对估计出的模糊核进行修正,从而得到高质量的模糊核.图像复原阶段,利用分裂Bregman算法交替迭代得到去模糊后的图像.该算法具有降噪和边缘增强的功能,并能保持图像总变分不变,使图像复原效果更好且计算时间有大幅降低.     

基于倒谱与频谱分析的模糊核估计算法

图像盲去模糊是典型的图像和信号处理问题,其目的是从模糊图像中恢复出模糊核及清晰图像。在模糊核估计方面,以往的算法通常将模糊核尺度作为必要的输入参数,近年来有些算法虽然能较准确的估计参数化模糊核,但不能有效估计自然模糊图像中普遍存在的非参数化模糊核。文中利用图像梯度倒谱估计模糊核后再利用频谱分析以进一步精确的估计小尺寸模糊核的尺度。实验结果表明,文中提出的方法能适用于绝大多数场景下自然模糊图像的模糊核尺度估计。     

基于模糊聚类的运动对象分割算法研究

为了从视频序列中分割出完整的、一致的运动视频对象，该文使用基于模糊聚类的分割算法获得组成对象边界的像素，从而提取对缘。该算法首先使用了当前帧以及之前一些帧的圈像信息计算其在小波域中不同子带的运动特征，并根据这些运动特征构造了低分辨率图像的运动特征矢量集；然后，使用模糊C-均值聚类算法分离出图像中发生显著变化的像素，以此代替帧间差图像，并利用传统的变化检测方法获得对象变化检测模型，从而提取对象：同时，使用相继两帧之间的平均绝对差值大小确定计算当前帧运动特征所需帧的数量，保证提取视频对象的精确性。实验结果证明该方法对于分割各种图像序列中的视频对象是有效的。     

一种基于数学形态学的图像对比度增强算法

由于数学形态学边缘提取算法优于微分边缘提取算法,故提出一种数学形态学图像对比度增强方法.利用数学形态学的相关原理,使用双梯度多尺度、多结构元素进行边缘检测,成功地实现了对模糊图像的去模糊处理实验.仿真结果表明,该方法优于拉普拉斯去模糊方法,并且提取出的图像边缘较好地保持了原来的细节特征,去模糊效果好,图像的对比度得到明显增强.     

一种面向目标区域的快速去模糊算法

本文针对监视视频图像中快速移动目标的运动模糊问题,提出一种面向目标区域的快速去运动模糊算法。本文新算法的实现过程可归纳为三步:首先,通过分析图像运动模糊的离散模型,得出去模糊逆运算迭代公式;其次,针对本文实际研究对象,对相邻帧进行差值计算,利用连续两幅帧差图像提取目标运动矢量以及获取模糊目标所在区域;最后,依据图像去运动模糊的离散迭代模型,对模糊目标区域代入运动矢量进行逆运算,实现对目标区域的去运动模糊处理。仿真试验表明,该方法不仅从空间上缩小了去模糊逆运算范围,处理速度快,而且该方法降低了背景中大片随机噪声对去模糊效果的影响,去运动模糊质量好。?      

基于图像先验和结构特征的盲图像复原算法

提出了一种基于图像先验和图像结构特征的盲图像复原算法,在模糊核未知的情况下,采用一系列离散化的模糊核参数对模糊图像进行非盲去卷积,得到一系列对应的复原图像。同时提出一种复原图像判决准则,对这一系列复原图像进行质量判决,从中得到最优的复原图像。最后在实验部分,通过对图像的测试表明,提出的盲图像复原算法能较准确的得到最优复原图像,复原效果在主观和客观标准上均有良好表现。     

Robust image deblurring with an inaccurate blur kernel

Most existing nonblind image deblurring methods assume that the blur kernel is free of error. However, it is often unavoidable in practice that the input blur kernel is erroneous to some extent. Sometimes, the error could be severe, e.g., for images degraded by nonuniform motion blurring. When an inaccurate blur kernel is used as the input, significant distortions will appear in the image recovered by existing methods. In this paper, we present a novel convex minimization model that explicitly takes account of error in the blur kernel. The resulting minimization problem can be efficiently solved by the so-called accelerated proximal gradient method. In addition, a new boundary extension scheme is incorporated in the proposed model to further improve the results. The experiments on both synthesized and real images showed the efficiency and robustness of our algorithm to both the image noise and the model error in the blur kernel.     

基于迭代交替优化的图像盲超分辨率重建

基于深度卷积神经网络的图像超分辨率重建算法通常假设低分辨率图像的降质是固定且已知的,如双3次下采样等,因此难以处理降质(如模糊核及噪声水平)未知的图像。针对此问题,该文提出联合估计模糊核、噪声水平和高分辨率图像,设计了一种基于迭代交替优化的图像盲超分辨率重建网络。在所提网络中,图像重建器以估计的模糊核和噪声水平作为先验信息,由低分辨率图像重建出高分辨率图像;同时,综合低分辨率图像和估计的高分辨率图像,模糊核及噪声水平估计器分别实现模糊核和噪声水平的估计。进一步地,该文提出对模糊核/噪声水平估计器及图像重建器进行迭代交替的端对端优化,以提高它们的兼容性并使其相互促进。实验结果表明,与IKC, DASR, MANet, DAN等现有算法相比,提出方法在常用公开测试集(Set5, Set14, B100, Urban100)及真实场景图像上都取得了更优的性能,能够更好地对降质未知的图像进行重建;同时,提出方法在参数量或处理效率上也有一定的优势。     

Robust penalty-weighted deblurring via kernel adaption using single image

Image blind deconvolution is well known as a challenging, ill-posed problem due to the uncertainty of the blur kernel and the noise condition. Based on our observations, blind deconvolution algorithms tend to generate disconnected and noisy blur kernels, which would yield a serious ringing effect in the restored image if the input image is noisy. Therefore, there is still room for further improvement, especially for noisy images captured under poor illumination conditions. In this paper, we propose a robust blind deconvolution algorithm by adopting a penalty-weighted anisotropic diffusion prior. On one hand, the anisotropic diffusion prior effectively eliminates the discontinuity in the blur kernel caused by the noisy input image during the process of kernel estimation. On the other hand, the weighted penalizer reduces the speckle noise of the blur kernel, thus improving the quality of the restored image. The effectiveness of the proposed algorithm is verified by both synthetic and real images with defocused or motion blur.     

基于边缘信息的运动模糊图像的鲁棒盲复原

为获得适用于不同模糊图像且简捷的图像盲复原方法,提出了一种稳健的从单幅模糊图像中求取模糊核并对图像去模糊的图像盲复原方法。根据模糊图像与非模糊图之间的边缘关系求模糊核,并在多尺度框架下针对各个子算法设定自适应参数,从而构建一个稳健的图像盲复原方法。对复原结果用4种无参考的图像质量评价方法的评价结果显示,本文方法在噪声和...     

多尺度卷积神经网络的噪声模糊图像盲复原

图像盲复原是从一幅观测的模糊图像恢复出模糊核和清晰图像,传统盲去卷积算法采用简化模型估计模糊核,导致预测模糊核与真实值误差较大,最终复原结果不理想。针对此问题提出一种基于改进残差模块的多尺度卷积神经网络模型,采用端到端模式,无需估计模糊核。提出了一种基于限制网络输入的改进Wasserstein GAN （WGAN）,增加了一层输入限制层,能够限定参数初始值,提高了网络收敛速度。设计了多重损失函数,融合了基于多尺度网络的感知损失和基于条件式生成对抗网络的对抗损失。实验结果表明:所提方法在定量和定性评价指标上优于已有的代表性方法,并且运行速度比相近算法快了4倍。     

Robust blind motion deblurring using near-infrared flash image

In light-limited situations, camera motion blur is one of the prime causes for poor image quality. Recovering the blur kernel and latent image from the blurred observation is an inherently ill-posed problem. In this paper, we introduce a hand-held multispectral camera to capture a pair of blurred image and Near-InfraRed (NIR) flash image simultaneously and analyze the correlation between the pair of images. To utilize the high-frequency details of the scene captured by the NIR-flash image, we exploit the NIR gradient constraint as a new type of image regularization, and integrate it into a Maximum-A-Posteriori (MAP) problem to iteratively perform the kernel estimation and image restoration. We demonstrate our method on the synthetic and real images with both spatially invariant and spatially varying blur. The experiments strongly support the effectiveness of our method to provide both accurate kernel estimation and superior latent image with more details and fewer ringing artifacts.     

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.