基于Gauss-Markov随机场的贝叶斯盲复原

针对图像盲复原中图像细节恢复的同时块效应放大的问题,提出了一种贝叶斯盲复原算法。首先使用贝叶斯框架模式,对原始图像、观察图像、点扩散函数(PSF)及模型参数分别建立先验模型,并将能有效描述图像局部统计特征的带有高斯特性的Markov(Gauss-Markov)随机场模型作为原始图像的先验模型;然后利用贝叶斯公式推导出原始图像及点扩散函数的迭代公式。实验结果表明,与总变分(TV)先验模型的恢复图像相比,所提算法的恢复图像块效应明显减少,并且视觉效果更好;在点扩散函数的大小已知和未知的情况下,相比TV先验模型,所提算法的改善信噪比(ISNR)能提高1dB左右。     

基于关键帧间矩阵约束的多帧湍流图像盲复原

针对传统多帧湍流图像复原耗时长及观测帧序列空间不齐时需匹配的问题,论文提出一种基于关键帧间矩阵约束的多帧湍流图像盲复原算法.该算法首先对观测序列自适应提取关键帧,然后在频域内分别构造估计原始图像和点扩散函数的代价函数方程,利用关键帧间矩阵约束指导点扩散函数复原,通过各向同性总变分模型约束指导图像复原,采用变量分离和增广拉格朗日方法对代价函数交替迭代优化,以达到快速性估计点扩散函数和恢复图像.仿真实验结果表明,论文提出的算法对图像复原质量有所提升,能求得更接近真实的点扩散函数值,且对未匹配的图像序列依然能达到良好的复原效果.     

一种贝叶斯框架下的图像盲恢复算法

基于各向异性扩散模型的图像盲恢复算法,其缺点在于速度难以得到显著地提升.为了加快图像恢复速度,同时尽可能提供令人满意的恢复结果.提出基于贝叶斯框架的图像盲恢复算法,首先引入调和模型作为原始图像和模糊的先验模型;然后,用伽马分布描述未知的参数;最后,利用变分近似的方法,以迭代的方式,交替地估计原始图像、模糊和参数的最优值.实验结果证明了该算法的有效性,与同类算法相比,可以得到更好的恢复结果;与基于各向异性扩散模型的算法相比,在速度上具有明显的优势.     

图像盲复原算法研究现状及其展望

当点扩展函数未知或不确知的情况下，从观察到的退化图像中恢复原始图像的过程称为图像盲复原。近年来，图像盲复原算法得到了广泛的研究。本文首先根据点扩展函数的特点，将图像盲复原算法分为单通道盲复原算法、空间不变多通道盲复原算法和空间变化图像盲复原算法等3种类型；然后讨论了3种算法的研究现状并指出了现有各种算法的优缺点，最后通过研究总结出以下结论：现有算法的改进以及新的算法研究、基于非线性退化模型的算法研究、去噪处理算法研究、实时处理算法以及算法的应用研究是今后进一步研究的发展方向。     

基于联合插值—恢复的超分辨率图像盲复原

常规的超分辨复原方法需要预知退化图像的点扩展函数,但实际应用中许多退化图像的点扩展函数是未知的,因此提出一种新的超分辨率图像盲复原算法,在点扩展函数未知或不确知的情况下对图像进行恢复。该联合插值—恢复的超分辨率图像盲复原方法,利用多信道盲复原估计未知的点扩展函数,迭代运用帧间相似性确定模糊特性,同时结合超分辨率方法得到高分辨率图像。实验结果表明,该算法能有效地实现超分辨率图像的盲复原。     

复合的图像盲复原算法

当点扩展函数未知或不确知的情况下,从观察到的退化图像中恢复原始图像的过程称为图像盲复原。近年来,图像盲复原算法得到了广泛地研究。迭代盲解卷积在抑制噪声放大与保留图像边缘信息有很好的效果,但在不知道点扩展函数并有噪声的情况下并不能有效的去除噪声导致图像恢复效果很差。针对图像盲复原的特点,提出了一种复合算法,该算法有效地解决了迭代盲解卷积的去噪问题,最后通过实验验证了算法的可行性和有效性。     

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。     

一种新的图像去模糊清晰化方法

针对在实际环境中很难得到图像去模糊所需要的大量先验知识,诸如退化模式、 点扩散函数等,提出了一种新的图像去模糊清晰化方法。首先利用高斯差分算子获得图像轮廓 信息,然后根据轮廓信息预测清晰图像过渡区,再利用清晰图像过渡区、退化图像和点扩散函 数之间的关系建立目标函数,为了克服噪声的影响,在目标函数中加入了非负性惩罚项和空间 相关性约束项,并使用滞后迭代的极小化方法来求解点扩散函数;最后通过已有的非盲目图像 复原算法复原图像。实验结果表明,该方法无需知道图像退化模式,对各种因素引起的退化图 像都能有效地复原。     

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。     

混合先验与加权引导滤波的图像去雾算法

目的 图像去雾是降低雾、霾、沙等低能见度成像环境对图像的退化影响,提高图像信息获取质量的过程。为了消除先验盲区,同时进一步提高去雾图像边缘细节的清晰度,提出一种混合先验与加权引导滤波的图像去雾算法。方法 首先改进大气光值估计方法,提高大气光值估计的准确性。然后利用混合先验理论求取双约束区域的大气透射率,一定程度上消除了先验盲区,提高了去雾算法的鲁棒性。最后利用加权引导滤波算法优化透射率图,提高了图像边缘细节的清晰度。结果 本文以通用去雾测试图像和小型无人机拍摄的雾天图像作为实验对象,通过对比分析4种组合步骤算法的复原效果,验证本文各步骤改进方法的合理性与整体算法的优越性。实验结果表明：混合先验理论改善了暗原色先验在明亮区域的失真现象和颜色衰减先验对浓雾处理上的不足,取得了较好的视觉效果;加权引导滤波改善了图像边缘模糊的现象,使复原后的图像边缘细节更加清晰;相较传统算法,本文算法视觉效果更好,去雾图像边缘细节更加明显,综合评价指标均值提升幅度较大。结论 针对有雾图像复原,通过理论分析和实验验证,说明了本文各步骤的改进具有一定的优越性,所提的算法具有较强的鲁棒性。     

Blind image deconvolution using machine learning for three-dimensional microscopy

In this work, we propose a novel method for the regularization of blind deconvolution algorithms. The proposed method employs example-based machine learning techniques for modeling the space of point spread functions. During an iterative blind deconvolution process, a prior term attracts the point spread function estimates to the learned point spread function space. We demonstrate the usage of this regularizer within a Bayesian blind deconvolution framework and also integrate into the latter a method for noise reduction, thus creating a complete blind deconvolution method. The application of the proposed algorithm is demonstrated on synthetic and real-world three-dimensional images acquired by a wide-field fluorescence microscope, where the need for blind deconvolution algorithms is indispensable, yielding excellent results.     

Improving Medical CT Image Blind Restoration Algorithm Based on Dictionary Learning by Alternating Direction Method of Multipliers

In this paper, the medical CT image blind restoration is translated into two sub problems, namely, image estimation based on dictionary learning and point spread function estimation. A blind restoration algorithm optimized by the alternating direction method of multipliers for medical CT images was proposed. At present, the existing methods of blind image restoration based on dictionary learning have the problem of low efficiency and precision. This paper aims to improve the effectiveness and accuracy of the algorithm and to improve the robustness of the algorithm. The local CT images are selected as training samples, and the K-SVD algorithm is used to construct the dictionary by iterative optimization, which is beneficial to improve the efficiency of the algorithm. Then, the orthogonal matching pursuit algorithm is employed to implement the dictionary update. Dictionary learning is accomplished by sparse representation of medical CT images. The alternating direction method of multipliers (ADMM) is used to solve the objective function and realize the local image restoration, so as to eliminate the influence of point spread function. Secondly, the local restoration image is used to estimate the point spread function, and the convex quadratic optimization method is used to solve the point spread function sub problems. Finally, the optimal estimation of point spread function is obtained by iterative method, and the global sharp image is obtained by the alternating direction method of multipliers. Experimental results show that, compared with the traditional adaptive dictionary restoration algorithm, the new algorithm improves the objective image quality metrics, such as peak signal to noise ratio, structural similarity, and universal image quality index. The new algorithm optimizes the restoration effect, improves the robustness of noise immunity and improves the computing efficiency.     

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。     

引入高阶P-Laplace的图像全变分盲复原方法

针对确定性盲复原中的振铃、阶梯现象和噪声抑制不充分的问题,将高阶P-Laplace算子引入到经典的全变分盲复原方法中。首先利用shock滤波器进行清晰边缘预测,后根据自然图像中像素的变化规律,对图像的边缘和平滑区域进行不同形式的处理,最后采用分裂布雷格曼迭代和交替最小化算法对非约束扩散方程进行求解。实验结果证明,与近年的一些盲复原算法相比,提出的改进算法能较好地缓解振铃现象,保护好边缘信息并改善图像复原效果。     

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.     

Image restoration based on camera microscanning

Common restoration techniques use a single observed image for the processing. In this work three observed degraded images obtained from camera microscanning are utilized for image restoration. It is assumed that the degraded images contain information about an original image, multiplicative interference, and additive sensor’s noise. Using captured images a set of linear or nonlinear equations and objective function are formed. By solving the system of equations with the help of an iterative algorithm, the original image can be recovered. A fast algorithm for approximated image restoration is proposed. Computer simulations results presented and discussed.     

倒谱和快速全变差去卷积的运动模糊图像复原

物体和成像系统之间的相对运动导致图像产生运动模糊,降低了图像质量,为了获得更加理想的复原图像,提出一种基于倒谱和快速全变差去卷积相结合的运动模糊图像复原算法。利用倒谱法对运动模糊图像的点扩散函数参数（模糊角度和模糊尺度）进行辩识,采用快速全变差去卷积法对模糊图像进行复原,采用多幅图像进行仿真实验测试算法的性能。仿真结果表明,相对于经典图像复原算法,该算法复原图像的主观视觉效果以及客观评价指标均更优,具有一定的实际利用价值。