基于贝叶斯理论的湍流退化图像复原方法研究

大气湍流退化图像的复原在航天成像、天文观测等领域具有重要的地位,也是目前亟需解决的问题。该问题的解决能够克服大气湍流扰动带来的图像降质和提高目标图像的分辨能力,以便于后续的目标特征提取和识别等处理。为了对湍流退化图像进行有效复原,提出了一种基于贝叶斯理论的单帧双重循环盲目去卷积图像复原算法,并对该算法的快速实现进行了研究,最后还进行了稳健性分析与测试。实验结果表明,该算法具有较强的稳定性和抗噪声能力,对于缺乏先验知识的情况尤为适用,可见该算法具有实用价值。     

高斯型点扩展函数估计及图像复原

点扩展函数估计是图像复原的重要内容,目前还没有精确估计的算法。根据高斯型点扩展函数曲线的特点,提出了新的高斯型点扩展函数参数的估计方法。分析发现高斯型点扩展函数曲线中,存在着几个特征点,它们很好地表现在降质的图像傅里叶变换图像中,这几个点与扩展函数参数存在着一定的关系。根据这种关系推导出点扩展函数参数,从而达到图像复原的目的。实验结果表明,这种算法简单、精度较高,有一定的参考价值。     

基于生成逆推的大气湍流退化图像复原方法

大气湍流是影响远距离成像质量的重要因素。虽然已有的深度学习模型能够较好地抑制大气湍流引起的图像像素几何位移与空间模糊,但是这些模型需要大量的参数和计算量。为了解决该问题,提出了一种轻量化的基于生成逆推的大气湍流退化图像复原模型,该模型包含了去模糊、去偏移和湍流再生成三个核心模块。其中,去模糊模块通过高维特征映射块、细节特征抽取块和特征补充块,抑制湍流引起的图像模糊;去偏移模块通过两层卷积,补偿湍流引起的像素位移;湍流再生成模块通过卷积等操作再次生成湍流退化图像。在去模糊模块中,设计了基于注意力的特征补充模块,该模块融合了通道注意力机制与空间混合注意力机制,能在训练过程中聚焦关注图像中的重要细节信息。在公开的Heat Chamber与自建的Helen两个数据集上,所提模型分别取得了19.94 dB、23.51 dB的峰值信噪比和0.688 2、0.752 1的结构相似性。在达到当前最佳SOTA方法性能的同时,参数量与计算量分别减少了20倍与1.8倍。实验结果表明,该方法对大气湍流退化图像复原有良好的效果。     

退化模型未知的图像复原方法

在退化模型未知的情况下对图像做复原处理时，主要有两种方法：一种是直接测量法，另一种是间接估计法。本文介绍了这两种方法，给出了一些较为典型的算法。     

图像复原中高斯点扩展函数参数估计算法研究

在图像的非盲复原算法中,点扩展函数的获取是算法的关键,因而点扩展函数参数估计是图像复原中重要的一步。由于高斯型点扩展函数是许多光学系统和成像模型中最常见的,所以高斯型点扩展函数参数估计算法一直是研究的热点。文中详细论述了三种主要的高斯型点扩展函数参数的估计算法的原理和实现,比较了各种算法的优点和不足之处。最后,文中展望了今后研究的方向,具有重要的实际意义。     

基于双重循环交替迭代的湍流退化图像复原

湍流退化图像复原是一个富有挑战性的世界性难题,在航天光电成像领域具有广泛的应用前景。为了从少数几帧湍流退化图像中将目标图像有效地恢复出来,提出一种新颖的基于双重循环交替迭代的湍流退化图像复原算法,建立了基于内外循环交替求解目标图像及各帧点扩展函数的迭代关系。在微机上进行了一些复原实验,实验结果表明该算法能用少数几帧图像获取目标图像和点扩展函数的最佳联合估计,证实了算法的可行性和实用价值。     

基于高精度大气耗散函数的快速雾天图像复原

针对基于大气散射模型去雾的求解是一病态问题,提出一种基于高精度大气耗散函数的快速雾天图像复原算法。算法从大气散射模型出发,通过引入大气耗散函数提出一种简化的大气散射模型;通过寻找天空区域或雾最浓区域的思想构造出一种环境光的高精度求解方法;基于类形态学的思想,通过计算拉依达准则下限值的策略获取高精度的大气耗散函数,由此根据简化的大气散射模型实现对雾天图像的快速复原。实验结果表明该算法能够真实地恢复场景的色彩和清晰度,提高图像质量,并且算法的时间复杂度达到图像像素数的线性函数,在计算速度上取得了较大的提升。     

基于卡尔曼滤波的多目标宽带扩展函数估计

针对在非平稳的声环境中,区分和定位多个运动目标的宽带反向散射问题,采用小波域宽带扩展函数方法对目标状态参量进行卡尔曼回归估计;基于小波变换的相关估计原理和宽带扩展函数,推导了使用Kailath的算法的回归扩展函数估计和校正的卡尔曼滤波器,讨论了适用于WTD-EC自适应模型的卡尔曼滤波器算法,使用宽带匹配滤波器产生的距离尺度映射,计算目标在时间延迟-时间尺度上的状态参量;最后通过数据仿真,研究了函数带宽和参数估计效果的关系,验证了算法在自适应检测及目标特征化方面的有效性。     

采用差分进化算法的点扩展函数估计

在图像处理的非盲复原算法中,对点扩散函数PSF（Point Spread Function）的估计是否准确,将直接影响图像复原质量的好坏。传统的估计方法有直接测量法和间接估计法,但往往数据量大,计算繁琐,针对这一问题,从全局寻优的角度出发,提出利用差分进化算法来估计点扩散函数。实验结果表明差分进化方法可以取得很好的效果,为下一步设计恢复滤波器奠定了基础。     

基于模糊函数估计和变分泛函数优化的含噪声模糊图像复原算法

针对摄影图像中常见的噪声和模糊同时退化图像的问题,提出一种Radon变换估计模糊函数结合变分泛函优化的图像复原算法。算法首先利用方向滤波器对图像去噪,然后利用Radon变换以去除方向滤波在模糊函数估计中引起的偏差,再利用模糊函数通过去卷积操作去除模糊,最后在去模糊的基础上利用 L0梯度范数的变换泛函的优化算法,去除剩余噪声从而对图像进行复原。实验表明,该算法可以有效地恢复摄影图像中的场景。     

基于Radon变换的运动模糊图像参数估计

运动模糊图像的参数估计直接影响图像的去模糊效果。提出了基于Radon变换的参数估计算法,结合运动模糊图像的频谱特性和Radon变换的数学含义,通过计算运动模糊图像二维频谱的Radon变换值,有效地估计出运动模糊的方向角θ和长度L两个参数。实验表明,该方法简单可行,参数估计准确,最终的图像去模糊效果良好。     

基于深度变化成像模型的图像估计

该文提出了一种基于EM算法的最大似然图像复原算法,此算法是基于三维显微光学切片中成像随深度变化的模型实现的。实际成像中,由于样本中物质是变化的,故样本不同位置的折射率不一样,并且会导致其点扩展函数也不同。虽然大多数显微镜具有像差补偿功能,但由于样本的折射率和物镜的折射率不匹配,导致不同深度其点扩展函数也不一样。该文对二维图像和三维图像序列进行实验,结果表明通过此算法能够补偿由于深度变化所带来的模糊,从而将模糊图像复原。     

基于像素位移估计的水下湍流退化图像畸形校正算法

针对由湍流引起的水下畸变退化图像,提出了一种基于估计畸变帧相对于参考帧的像素移位来校正畸变图像的算法。通过自定义度量标准选择参考帧和清晰度较高的输入帧序列,使用像素配准、二维配准和核相关滤波算法对畸变图像进行复原和重建。为验证该算法,分别进行了室内水下湍流模拟系统实验及海洋实地实验,并将实验结果与盲复原算法、凸集投影超分辨率重建算法进行对比。从主观评价上, 图像畸变得到了有效抑制;从客观评价标准来看,指标高于传统的复原和重建算法。实验结果说明,该算法有效提高了水下湍流退化图像的去畸效果,为海洋目标检测的准确作业提供了保证。     

基于点扩散函数的多聚焦图像融合方法

提出了一种新的基于点扩散函数的多聚焦图像融合算法,采用高斯函数对多聚焦图像进行多次卷积,通过与原近似误差图像的比较,得到聚焦清晰和模糊区域,采用形态学方法将其分割出来,并根据最大值融合规则对其进行了融合。试验结果表明,该算法可将图像分割成多个聚焦区域,边缘清晰、融合效果良好。     

运动模糊图像的恢复方法研究

分析了运动模糊图像的退化模型和恢复过程,改进了一种运动模糊图像的恢复方法。先通过图像系统辨识方法求解PSF函数,进而在频域和时域完成运动模糊图像的恢复,并就运动模糊图像进行逆滤波恢复、维纳滤波恢复和时域反卷积恢复进行了理论说明,比较了各自的优缺点。最后给出了几种恢复效果的对比实验结果。     

基于分布估计算法的连续函数全局优化问题研究

分布估计算法从宏观的角度建立一个概率模型,用来描述解空间的分布,从而通过进化计算获得优势个体。目前,离散型分布估计算法研究已经比较成熟,而连续型分布估计算法研究进展缓慢。采用均匀分布缩小采样领域的思想,设计新的分布估计算法求解连续型优化问题。实验数据表明,该分布估计算法对于求解连续型问题是有效的。     

基于仿射参数估计的迭代点匹配算法

本文提出了一种新的迭代点匹配算法。算法建立点集间仿射映射关系,把匹配问题转化为函数优化问题,通过点集间匹配对应关系和仿射变换参数的反复迭代最终求出问题的解。文中提出了构造虚拟点对和最小方差两种仿射参数估计方法,并利用改进最近点原则求解点集匹配关系,且证明了算法的收敛性。本文算法较好地解决了由仿射带来的非刚性形变点集匹配问题,且有很好的抗噪声和点性能。实验证明了算法的有效性和鲁棒性。