一种基于边界处理的图像复原方法

图像复原试图利用退化现象的某种先验知识来重建或复原被退化的图像。其中维纳滤波是一种常见的图像复原的方法,该方法的思想是使复原的图像与原图像的均方误差最小原则来复原图像,但是该法具有一定的限制性,且在复原过程中易产生振铃效应。本文在分析维纳滤波复原图像的基础上,提出了一种对复原后的图像边界进行处理的方法。实验结果表明,该方法有效地降低图像恢复过程中产生的振铃现象,且复原的图像质量较好。     

数字图像修复技术综述

图像修复是图像复原研究中的一个重要内容,它的目的是根据图像现有的信息来自动恢复丢失的信息,其可以用于旧照片中丢失信息的恢复、视频文字去除以及视频错误隐藏等。为了使人们对该技术有个概略了解,在对目前有关数字图像修复技术的文献进行理解和综合的基础上,首先通过对数字图像修复问题的描述,揭示了数字图像修复的数学背景;接着分别介绍了以下两类图像修复技术:一类是基于几何图像模型的图像修补(inpainting)技术,该技术特别适用于修补图像中的小尺度缺损;另一类是基于纹理合成的图像补全(comp letion)技术,该技术对于填充图像中大的丢失块有较好的效果;然后给出了这两类方法的应用实例;最后基于对数字图像修复问题的理解,提出了对数字图像修复技术的一些展望。     

基于GAN的图像盲复原算法研究

图像复原是图像处理领域的重要问题。图像复原过程可以看作是退化过程的逆过程,其主要的目的是去除图像中的退化现象,有效地提高图像的质量。图像复原是图像处理任务中一个基础性、前提性的课题,然而模糊是普遍存在的,复原过程有一定的困难,目前已有一些图像复原的方法发展十分迅速,且研究成果突出,如基于滤波的方法,基于正则化的方法和基于微分方程的方法等。目前很多方法对于合成图像的复原效果较好,对于真实图像的复原效果并不理想。本论文的研究重点是充分利用深度学习的特征表示的优点,分析了图像复原的过程通用的网络,这对于图像复原的发展是十分有意义的。     

基于Split Bregman算法的图像复原

图像复原研究由来已久。一种比较传统的图像复原方法是假设系统的脉冲响应,即事先知道点扩散函数。然而,在大多数实际情况下,很难具体确定点扩散函数,我们仅能通过退化之后的图像来恢复图像,即图像盲复原法。图像盲复原法是在已经观测到的退化图像的基础上,根据特定条件建立合适的数学模型,从而在一定条件下获得最接近原始图像的逼近值。文章通过Split Bregman算法对灰度图和LAB图进行图像复原,并进行了对比实验。     

基于NAS-RIF算法和神经网络的图像盲复原

在图像盲复原中,NAS-RIF算法在无噪情况下,能够得到较好的复原结果,但是对有观测噪声的图像复原效果不理想。而Hopfield神经网络有利于缓解图像复原过程中的震铃效应,但前提是知道退化图像的点扩展函数。将二者相结合提出一种基于NAS-RIF算法和神经网络的图像盲复原新算法,首先由NAS-RIF算法先估计出退化图像的点扩展函数,再利用Hopfield神经网络算法对其进行复原。实验结果表明,该算法具有较好的盲复原效果。     

基于NAS-RIF算法和神经网络的图像盲复原

在图像盲复原中,NAS-RIF算法在无噪情况下,能够得到较好的复原结果,但是对有观测噪声的图像复原效果不理想。而Hopfield神经网络有利于缓解图像复原过程中的震铃效应,但前提是知道退化图像的点扩展函数。将二者相结合提出一种基于NAS-RIF算法和神经网络的图像盲复原新算法,首先由NAS-RIF算法先估计出退化图像的点扩展函数,再利用Hopfield神经网络算法对其进行复原。实验结果表明,该算法具有较好的盲复原效果。     

运动模糊图像复原算法综述

在图像获取过程中,存在很多造成图像退化的因素,因此需要对图像进行复原。本文对现有的典型复原方法进行了综合分析。介绍了图像一般退化模型和运动模糊退化模型的建立方法 ;对退化模型的点扩散函数的估计方法进行了分析;对当前的一些复原算法进行了总结。对图像复原技术未来的发展方向进行了预测。     

基于RPCA的局部运动模糊图像的复原

针对视频中局部运动模糊图像复原问题,首先运用RPCA将运动物体从图像中分离出来,用傅里叶变换得到其频谱图,对频谱图进行边缘检测和Hough Transform,估算出PSF值,然后用维纳滤波进行图像恢复并合成到背景中。从实验结果可以看出,该方法能够很好地分离图像的前景和背景,并将恢复后的前景图像融合到背景中,没有振铃效应产生,取得了很好的复原效果。     

一种基于倒谱相关特性的散焦模糊图像复原方法

由于设备环境、人为因素等诸多原因造成的散焦退化图像,在天文、交通、医疗等众多领域的实际应用效果受到较大程度的影响.针对散焦模糊图像的盲复原技术进行研究,以探索一种较好的散焦模糊图像盲复原方法.在退化图像的复原过程中,点扩展函数(Point spread Function)的参数估计最为关键.因此,文中提出的散焦模糊图像复原方法,基于频域倒谱及其相关特性.进行散焦模糊图像的PSF估计.通过仿真实验表明,该算法可以较为准确地估计出散焦模糊图像的模糊半径,实验证明了估计结果的准确性以及对模糊图像恢复的有效性.可以得出结论:利用倒谱相关性对散焦模糊图像进行肓复原,是一条切实可行的研究路线.     

一种离焦模糊图像的复原方法

图像复原是一种去除或减轻在获取数字图像过程中发生的图像质量下降的方法.为了获得更好的离焦图像复原质量,在通过对离焦模糊图像复原进行了较为系统的研究后,提出了一种基于维纳滤波频域的复原方法,结果表明该方法具有较好的改善图像复原效果和较快的速度.图像散焦信息的干扰得到有效排除,噪声得到有效抑制,信噪比得到明显改善.     

二维数字图像恢复算法的研究

现代数字技术使对多维数字信号的处理成为可能,从简单的数字环路到更高级的平行计算机系统。数字图像的处理可以分为以下三个步骤:图像预处理,图像分析,图像认知。讨论二维图像处理,其所用到的大多概念和技术均可扩充到三维或更多维的图像处理。通过将各种滤波算法作用于一幅模糊成信噪比为30dB的图像。得出这样的结论:基于线性滤波和最小均方误差(或均方根值误差)准则的维纳滤波是一种解决图像恢复问题的较好方法。     

基于边缘先验模型的运动去模糊

从单幅运动模糊图像复原出清晰的图像,一直是数字图像处理领域中富有挑战的问题.基于边缘先验模型和小波分析提出了一种运动模糊退化图像的复原算法.在去模糊之前,对图像进行预处理,将噪声去除,用冲击滤波器增强边缘,并采用canny边缘检测获取清晰边缘作为先验模型,以此估计模糊核;然后在紧小波框架系统下,将清晰图像的稀疏性最大化,采用改进的分裂Bregman方法求解最优化问题,最终得到清晰的图像.实验结果表明,相对于传统的盲复原算法,提出的方法可以有效地去除运动模糊.     

A COMPARATIVE STUDY OF CONTEXTUAL SEGMENTATION METHODS FOR DIGITAL ANGIOGRAM ANALYSIS

This paper presents a comparative study of several well-known and thoroughly tested techniques for the segmentation of textured images, including two algorithms belonging to the adaptive Bayesian family of restoration and segmentation methods, and a novel approach based on the recently introduced concept of the frequency histogram of connected elements (FHCE). The paper first introduces the parameters that define a connected element and then details the sensitivity analysis of these parameters, showing that the grayscale intensity histogram of a digital image is a particular case of the FHCE. The application domain chosen for comparison purposes is the problem of medical images segmentation and, more specifically, as a particularly illustrative case the segmentation of digital angiograms is analyzed in detail. To get a comparative evaluation of FHCE performance, two well-established adaptive or contextual Bayesian segmentation algorithms have been applied to the segmentation of digital angiograms as well. The paper ends with a brief discussion of the comparative performances.     

神经网络在退化图像复原领域的进展综述

退化图像复原是图像计算领域中的一个重要的难题。近年来以深度学习为代表的 人工智能(AI)技术取得了快速的发展,越来越多的基于神经网络解决退化图像复原的研究工作 出现。首先介绍了神经网络进行退化图像还原的主要技术并对图像复原的问题进行分类;然后 利用神经网络解决退化图像复原问题中细分的多个主要问题,并对每个问题的当前研究现状与 多种基于深度学习网络的解决方法的优势与局限性进行归纳分析,并给出与传统方法的对比。 最后介绍了基于对抗神经网络的极限退化图像复原的新方法,并对未来前景进行展望。     

基于内容的研究在虚拟文物复原中的应用

基于内容的研究，是近年来非常活跃的研究领域，而数字考古是近几年新兴的一门交叉学科，它是以计算机为基础的信息技术与传统教研学的结合。所进行的虚拟文物复原（计算机辅助文物复原）是其中的一项重要内容。该文讨论了基于内容的研究在虚拟文物复原中的应用。     

一种利用方向链码重建二值图象的新方法

由于实际应用中,仅有边缘轮廓信息并不足以准确、有效地描述被检测物体,所以如何根据边缘的方向链码来重建二值图象是图象处理应用中的一类常见问题,人们已经研究过许多不贩方法,例如奇偶检测法、种子法等等,但这些方法或者由于计算量大,或者可能出现判别错误的现象,因而不能满足实际需求,为了准确、快速地解决这一类问题,因此在方向链码的,先将边缘点按照区域填充法则进行分类,进而提出了一种依据方向链码和边缘点分类,     

基于深度学习的图像超分辨率复原研究进展

图像超分辨率复原（Super resolution restoration,SR）技术是图像处理领域的研究热点,在视频监控、图像处理、刑侦分析等领域具有广泛的应用需求.近年来,深度学习在多媒体处理领域迅猛发展,基于深度学习的图像超分辨率复原技术已逐渐成为主流技术.本文主要对现有基于深度学习的图像超分辨率复原工作进行综述.从网络类型、网络结构、训练方法等方面分析现有技术的优势与不足,对其发展脉络进行梳理.在此基础上,本文进一步指出了基于深度学习的图像超分辨率复原技术的未来发展方向.     

常用数字图像分割算法研究

图像分割是图像处理中的一项关键技术,发展至今没有一个通用的方法和标准,是一个图像处理领域的经典难题。对数字图像处理中的图像分割作了简要介绍,对常用的数字图像分割算法进行了概括和阐述,并用VC＋＋工具进行了实现和展示,对从事该领域工作的人员有一定的启发作用。     

基于图像最高有效位和混沌系统的图像置乱算法*

以图像信息安全问题为背景,首先介绍图像对MSB位平面的敏感性,接着提出一个基于图像MSB位使用Logistic混沌序列进行位扰乱的图像置乱算法,最后讨论了其安全性。实验结果表明,该算法具有很好的置乱效果并且计算量小。