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。     

结合编码曝光和运动先验信息的局部模糊图像复原

针对局部运动模糊图像复原的病态性和背景被破坏的问题,提出基于编码曝光和运动先验信息的局部模糊图像复原方法. 分析编码曝光成像理论模型,建立最优码字选取的适应度函数准则. 通过物像关系,获得运动目标的点扩散函数（PSF）像移尺度初步估计参数,作为运动先验信息. 采用背景差分法进行目标提取,综合编码曝光运动模糊图像的叠加特性,实现对运动模糊目标区域的精确提取. 结合先验信息,引入基于贝叶斯最大后验概率框架的student-t复原算法进行PSF精确估计和复原重建,快速迭代得到复原结果. 搭建实验仿真系统,并开展针对实际运动目标的复原实验. 实验结果表明,该方法能有效改善传统曝光中运动模糊复原的病态性问题,抑制复原过程中目标图像边缘振铃及背景噪声的放大效应,所复原图像具有更好的主客观评价结果.     

基于差分进化优化的BP神经网络图像复原方法

针对back-propagating(BP)神经网络收敛速度慢、易陷入局部最小的问题,基于差分进化算法,改进其差分策略,提出随机缩放差分进化(random scaling-differential evolution,RSDE)优化的BP神经网络(RSDE-BP)图像复原方法.该方法用高斯噪声对无噪图像进行模糊处理,将模糊图像和原图像组成训练对,用于训练和优化RSDE-BP算法.最后利用训练好的BP神经网络对测试图像进行复原,从而达到去除噪声的目的.仿真结果表明,与BP神经网络、PSO-BP算法和DE-BP算法相比,所提出的算法收敛速度快,迭代次数少,且复原图像在峰值信噪比和结构相似性等指标方面有很好效果.与自适应全变差复原方法和二阶广义全变差正则项复原方法相比,该方法能够较好地恢复被噪声和模糊污染的图像,同时可以很好地保留图像的纹理和细节信息.     

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。     

基于RTV模型图像分解的去雾算法

针对暗通道先验去雾算法出现的纹理细节丢失、边缘模糊、天空与明亮区域失真等问题,提出了一种基于RTV模型图像分解的去雾算法。首先利用相对全变分(RTV)模型将有雾图像分解为结构层与纹理层,然后建立一个指示纹理区域的遮罩对纹理层进行优化来解决纹理细节丢失的问题。为了减少结构层边缘的深度跳跃现象,建立了加权L1正则化模型对初始透射率进行优化。同时针对天空与明亮区域出现的失真现象,引入容差机制优化了该区域的透射率。最后将优化后的纹理层与去雾后的结构层重组得到最终的复原图像。实验结果表明,该算法复原后的图像在平均梯度以及边缘强度等客观评价指标上均好于其他几种对比算法,基本达到了纹理细节突出,边界清晰,饱和度适中的处理效果。     

一种基于自适应大气光和加权引导滤波的夜间图像去雾算法

夜间图像去雾对于夜间场景下无人驾驶、交通安防等有重要的工程应用价值。针对暗通道先验算法在夜间雾天场景下的失效问题,提出一种基于自适应大气光和加权引导滤波的夜间图像去雾算法。该算法首先基于图像亮度和饱和度联合求取信道图,并将信道图作为引导图对原图像进行引导滤波得到大气光分布图,为解决暗通道先验在图像亮区域的失效问题,引入亮通道先验矫正亮区域的透射率,为优化亮、暗通道透射率的融合,建立一种基于分段伽马矫正的融合权值计算方法,用于亮区域透射率的权值计算,并利用该透射权值加权得到图像的初始透射率;然后利用加权聚合引导滤波代替引导滤波细化初始透射率,通过基于相似度为滤波中心像素的邻域像素赋予权值,并在滤波聚合阶段采用加权聚合代替均值聚合,解决引导滤波弱化细小纹理而引起的边缘模糊问题;最后将复原图像转换到HSV空间,对亮度分量V进行均衡化调整,并对均衡化前后的图像进行线性加权获得最终复原结果。实验结果表明,所提算法大气光分布图估值合理,可有效反映夜间多光源场景下的大气光分布情况,图像亮、暗区域透射率计算准确,复原图像去雾彻底、纹理清晰,与经典算法对比显示,复原结果的峰值信噪比、信息熵、平均梯度和方差的最大提升幅度分别为49.4%、18.3%、172.3%、115%,综合指标优于所对比的算法。     

明亮区域的暗原色先验算法

针对暗原色先验算法在处理含有大面积明亮区域的有雾图像时,复原图像会产生严重色彩偏移的不足,提出了一种基于像素点的透射率修正方案.在分析暗原色先验去雾原理以及复原图像色彩偏移成因的基础上,对去雾模型进行推导,使用暗通道亮度与大气光数值接近度及像素通道间数值接近度作为明亮区域判定机制,得出更具普适性的透射率求取方法.明亮区域采用容差机制纠正错误估计的透射率,非明亮区域仍采用原透射率求取方式,并首次将改进算法应用到雪天模糊图像清晰化中.实验结果表明,改进算法使去雾图像清晰自然,可有效修正色彩失真.     

基于变分狄利克雷模糊核估计的行车记录盲图像复原

针对行车记录模糊图像的模糊核不能准确估计的问题,提出一种变分狄利克雷分布的模糊核估计方法,并利用改进的增广拉格朗日算法实现有效的图像复原。采用梯度投影法求解优化问题,提取图像边缘的精确方向,用狄利克雷分布替代模糊后验估计消除图像噪声,减少额外约束;以超拉普拉斯先验分布建模,结合ALM实现行车记录盲图像复原。实验结果表明,通过多尺度的模糊核估计,能有效估计模糊核并消除行车记录图像的噪声,恢复行车记录图像的纹理细节。与其他方法相比较,所提出的盲图像复原方法,从视觉特性和评价指标来讲都具有较好的恢复效果。     

融合大气光值-图估计的无人机航拍图像去雾

针对现有去雾算法大都存在复原图像亮度低、天空明显色彩失真等问题,提出了一种融合大气光值-图估计的无人机航拍图像去雾方法。首先,根据颜色衰减先验理论获取景深图像,将景深图像内偏差最小区域均值作为大气光值;其次,设计了一种自适应随机游走聚类方法用来估计大气光图,通过自适应随机游走算法将图像聚类为N个子区域,对子区域前0.1%像素求均值作为区域大气光值,将区域大气光值组合并通过引导滤波对其进行细化,获得大气光图;然后,通过融合大气光值-图估计方法将两种大气光估计融合为新的大气光图,作为更加准确的大气光估计;利用雾霾线先验方法获得透射率,同时提出一种暗补偿方法对其进行优化,提高透射率精度;最后,根据大气散射模型,利用求得的融合大气光图和优化透射率,得到清晰的复原图像。实验结果表明,相对于比较算法,提出的算法的复原图像在信息熵、平均梯度、模糊系数及对比度上分别提升1.1%、6.3%、8.5%、6.4%,主观视觉效果更好,信息更加丰富。     

图像去噪的改进自适应全变差正则化模型

针对经典全变差正则化模型在去噪时图像边缘易模糊的不足,在全变差正则化模型与调和去噪模型的基础上构建了一种改进的自适应全变差正则化模型,并利用旋转不变性更好的梯度模值确定其自适应参数,降低该自适应正则化模型对噪声的敏感性,以兼顾图像的平滑去噪与边缘保留。数值实验结果表明,与MARQUINA的改进全变差正则化模型相比,自适应全变差正则化模型的复原图像在视觉效果和峰值信噪比上都有显著提高。     

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.     

基于交替方向乘子法的图像盲复原

为了克服正则化理论的全变分图像盲复原模型中出现的运行效率低、效果不好等问题,提出一种基于交替方向乘子法的盲复原迭代算法。该算法通过交替迭代的方式,将复原图像与点扩散函数交替估计,同时不必更新惩罚项从而提高了运行速度和复原的质量。计算同时加入了对点扩散函数的归一化和阈值约束条件以及对图像的正定性条件。数值试验中,对不同模糊类型的图像进行了盲复原处理,并与已有的其他盲复原方法进行了比较。从主观评价能够发现,提出的算法能够改进图像的质量,提高其分辨率;通过客观指标比较,峰值信噪比(peak signal to noise ratio, PSNR)最大能够提高1.2 dB,结构相似度(structural similarity index, SSIM)最大提高1%,计算时间最大节约一半左右。     

Improved Multi-channel Blind Image Restoration Algorithm for UWB Radar

The imaging problem of low signal to noise ratio (SNR) echo is very important for ultra-wide band (UWB) through-wall radar.An improved multi-channel blind image restoration algorithm based on sub-space and constrained least square (CLS) is presented and applied to UWB radar system to deal with this issue.The high resolution of radar image is equivalent to multi-channel blind image restoration based on the improved model of the through-wall radar echo.And a new cost function is proposed to the multi-channel blind image restoration by considering the concept of sub-space as the limitation of blur identification.The proposed algorithm has all advantages of CLS and sub-space,and converts the image estimation to alternating-minimizing the two cost functions.Experimental results prove that the proposed algorithm is effective at improving the resolution of radar image even at low SNR.     

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．     

相对运动所引起的模糊图像的模糊复原算法研究

由于通常所要处理的图像都具有某种不确性，根据先验知识采建立退化模型的反退化处理技术，如滤波，其通用性较差．论文基于模糊算法对由相对运动引起的模糊图像的复原算法进行了研究，阐述了运动模糊图像退化的数学模型．根据数学模型分析其退化的原因，并运用模糊理论知识，提出了对由相对运动引起的模糊图像进行复原的隶属函数，同时与维纳（Wiener）滤波复原算法进行了对比分析．结果表明：模糊复原算法对有噪声的运动模糊图像能基本还原出原来的图像，效果相当理想，为图像复原技术提供了一种新思路．     

面向工业检测的图像快速去直线运动模糊方法

在基于机器视觉的工业检测中,由于受到传送带速度变化或曝光不足的影响,得到的图像有时会产生运动模糊,影响检测效果.为去除工业检测中的图像运动模糊,提出了基于R-L引导滤波的快速去直线运动模糊方法.首先对图像的模糊参数进行评估,使用图像的频谱图积分评估图像的模糊方向,使用微分自相关方法得到模糊图像尺寸;然后通过提出的R-L引导滤波方法快速去除运动模糊并抑制振铃效应,得到清晰图像.通过对工件图像去运动模糊的仿真,证明了模糊核估计的准确性;与TPKE和HQ比较,提出的去模糊方法在对噪声的鲁棒性和抑制振铃的效果更好.通过对不同速度、不同工件下实拍图像的去运动模糊实验,以及客观评价指标、去模糊前后尺寸测量的差异和运行速度证明了该方法在工业检测中的优势.实验结果表明:提出方法的R_(PSNR)和R_(SIMM)优于对比方法,在抑制振铃的同时保持了边缘的清晰;同时,提出方法对尺寸的测量影响也更小,在小尺寸的工件上具有优势,最大误差为0.31像素.     

基于小波和Contourlet的改进的图像复原算法

不同的数学变换工具能够有效表示图像的不同细节结构,小波变换能够有效表示图像中的奇异点,而con-tourlet变换能够有效表示奇异线,为了更好地利用不同变换工具的优势,文中提出一种基于小波和Contourlet的改进的图像复原算法。算法首先分别应用不同的小波基和不同的Contourlet基,基于正则化方法求解出复原图像;然后,将经过不同的滤波器组得到的复原图像通过加权平均的方式融合,得到一幅效果较好的恢复图像。实验结果表明,加权平均之后的图像相比使用单一滤波器的复原图像,其改善的信噪比提高0.1～0.5dB。