提升小波变换在NAS-RIF盲复原算法中的应用

针对采用非负支撑域受限递归逆滤波(NAS-RIF)算法对低信噪比图像进行复原时将导致算法性能恶化的问题,提出一种与提升小波变换相结合的NAS-RIF盲复原算法.首先对退化图像进行整数提升小波分解,得到不同频带子图像的信息;然后对各个频带子图像分别采用基于空间自适应和正则化方法的NAS-RIF算法进行复原,针对不同频带子图像的频率和方向特性,通过自适应地选取对应的正则化算子、正则化参数和空域加权因子,达到对低频子图像去模糊、对高频子图像抑制噪声,并保持边缘细节的目的;最后通过整数提升小波逆变换得到复原后的图像.在不同的信噪比条件下对2种模糊图像进行仿真实验,采用文中算法得到的信噪比增益分别为5.849 1dB和9.713 6dB.实验结果表明,文中算法不仅取得了更优的图像复原效果,而且具有较快的收敛速度.     

基于改进约束最小二乘方法的图像复原算法

约束最小二乘方法(约束最小二乘方滤波器)在图像复原的应用过程中普遍只要求噪声方差和均值的知识,对处理的每一幅图像都能产生最优效果,因而得到了广泛应用。文中提出的图像复原算法就是基于约束最小二乘方法的,并对其进行了改进。通过实验证明,用该改进的图像复原处理方法复原的图像比用维纳滤波方法复原的图像更加平滑,复原图像的信噪比也更大。另一方面,改进的约束最小二乘方法复原的图像比平滑约束最小平方法复原的图像具有更加突出的边缘,而且同样具有更高的信噪比。适当应用该方法,能够体现出维纳滤波和平滑约束最小平方滤波这两种基本的约束最小二乘方滤波相结合的效果优势。     

基于改进约束最小二乘方法的图像复原算法

约束最小二乘方法（约束最小二乘方滤波器）在图像复原的应用过程中普遍只要求噪声方差和均值的知识,对处理的每一幅图像都能产生最优效果,因而得到了广泛应用。文中提出的图像复原算法就是基于约束最小二乘方法的,并对其进行了改进。通过实验证明,用该改进的图像复原处理方法复原的图像比用维纳滤波方法复原的图像更加平滑,复原图像的信噪比也更大。另一方面,改进的约束最小二乘方法复原的图像比平滑约束最小平方法复原的图像具有更加突出的边缘,而且同样具有更高的信噪比。适当应用该方法,能够体现出维纳滤波和平滑约束最小平方滤波这两种基本的约束最小二乘方滤波相结合的效果优势。     

噪声图像的复原方法研究和实现

消除图像噪声主要目的是改善图像质量，本文主要阐述了噪声图像的复原方法。首先简单介绍了图像噪声产生的原因和分类，然后介绍了用于图像复原的平均值滤波、中值滤波、自适应维纳滤波和小波变换去噪的工作原理和适用性，为进一步提高图像质量，又提出了基于边缘检测的小波包图像去噪方法。     

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.     

结合小波滤波和形态学的图像边缘检测方法

针对传统的边缘检测方法对含噪图像检测效果不理想,提出了一种小波滤波和多结构元素的数学形态学相结合的图像边缘检测方法。用广义交叉验证准则进行小波阈值的自适应选取,用此阈值的广义阈值函数的小波滤波方法对含噪图像去噪;构造4种具有代表性的结构元素,根据边缘方向自动选择相应方向的结构元素,用改进的形态学边缘检测算子对图像进行边缘检测,得到在噪声存在条件下较为理想的图像边缘。实验结果表明,该算法能够有效地抑制噪声,检测的边缘较清晰、连续,其检测效果优于传统边缘检测算法。     

基于小波域隐马尔可夫树模型的图像复原

从图像复原的Bayesian方法出发，提出一种基于小波域隐马尔可夫树(HMT)模型的线性图像复原算法，小波域HMT模型采用混合高斯模型刻画各子带系数的概率分布，并通过小波系数隐状态在多个尺度之间的Markov依赖性来刻画自然图像小波系数随尺度减小而指数衰减的特性，由于小波域HMT模型准确刻画了自然图像小波变换的统计特性，该文算法以此作为自然图像的先验模型，将图像复原问题转化为一个约束优化问题并用最速下降法对其进行求解，同时，提出了一种规整化参数和HMT模型参数的自适应选择方法，实验结果表明，基于小波域HMT模型的图像复原算法较好地再现了各种边缘信息，复原出的图像在信噪比和视觉效果方面都有明显的提高。     

基于域变换递归滤波的雾天图像复原

为了提高大雾天气下采集图像的对比度和能见度,提出一种基于域变换递归滤波的图像复原方法。该方法在大气散射模型的基础上,对大气耗散函数的约束条件进行空间域的变换以实现维数降低,然后经过递归滤波之后获取较准确的结果,最后求解雾图成像方程,并对复原结果进行局部的线性映射调整,获得理想的清晰图像。该方法在场景深度跳变的边缘处可以获得更自然的复原效果,而且能很好地突出图像中的细节信息。实验结果表明,通过该方法得到的结果相比于传统的单幅图像去雾方法,视觉效果更佳、执行速度更快,并且该方法可以并行计算,因此采用GPU进一步加速能够满足实时处理视频的需求。     

基于小波域局部高斯模型的图像复原

图像复原的目的是将原始图像从观测到的降析图像中恢复出来.提出了一种基于小波域局部高斯模型的线性图像复原算法.小波域局部高斯模型采用高斯函数刻画子带系数的局部概率分布,由于这一模型具有很好的局部自适应性,并能正确地反映图像的局部结构信息,因此算法以此作为自然图像的先验模型,把图像复原问题转化为一个约束优化问题并用共轭梯度法对其进行求解.实验结果表明,基于小波域局部高斯模型的图像复原算法较好地再现了各种边缘信息,复原出的图像在信噪比和主观视觉效果方面都有显著的提高.     

一种改进的图像复原方法的研究

该文提出了一种改进的图像复原方法,能有效复原既受高斯噪声的污染又同时受脉冲噪声污染的图像,将小波阈值降噪与自适应中值滤波相结合,既能很好保持图像的边缘,又能有效抑制噪声,使图像复原达到理想效果。     

小波多尺度分析目标图像复原

为了有效复原模糊图像以得到可辨识的目标图像,需要根据目标图像的纹理特征来进行有约束的正则化复原。针对大尺度模糊图像的复原处理,通过分析常见的自适应正则化方法在抑制噪声及虚假波纹方面存在的问题,提出基于小波多尺度分析的正则化复原方法,该方法利用小波变换的多尺度分析技术直接分析模糊图像,结合形态学操作得到合理反映目标棱边分布的图像,并利用该图像加权调节正则化参数进行复原操作。实验表明该算法能够有效处理大尺度模糊,并能够较快地收敛到易于辨识的目标图像。     

小波估计图像棱边分布的边缘保持规整化复原

为了从模糊图像中更准确地估计真实棱边分布,并将其用作边缘保持规整化复原的约束条件,提出小波多尺度分析的复原方法.该方法组合多个尺度的小波细节求相关,得到表征棱边分布的小波子带图像;在各向异性Markov随机场模型的基础上,选取满足边缘保持条件的势函数,将各方向小波子带滤波器代替梯度算子构造惩罚项,从而减少参数个数,降低训练复杂度;最后给出参数的自适应取值方法,并使用半二次规整化方法求解.实验结果证明,该方法复原的视觉效果优于梯度算子的方法,适合处理模糊尺度较大的图像.     

在小波变换域内实现图像的超分辨率复原

提出了在小波域内实现图像的超分辨率复原的方法，这种方法可以达到自适应边缘保持的目的，算法特点如下：(1)对观测模型实施正交小波变换，获得超分辨率复原问题的空频域描述；(2)采用广义高斯概率模型来构建超分辨率图像的尺度系数和小波系数的先验描述；(3)采用半二次正则化迭代方法来完成小波域超分辨率复原的求解过程。     

Gabor小波分解和增益图约束的荧光显微图像复原

对于含有泊松噪声的模糊荧光显微图像,Richardson-Lucy（RL）算法具有很好的复原效果,但经常伴有严重的振铃和噪声放大等现象。针对这一情况,在传统RL算法基础上,提出了一种新的图像复原算法,主要考虑两个方面,一是通过施加增益图约束,进而降低图像边界的对比度来抑制阶梯效应。二是将Gabor小波分解技术引入到每次迭代中,克服了复原过程中的噪声放大问题,同时能够多方向地提取图像特征,增加视觉上的清晰度。通过对参数的合理选择,获得最佳的复原效果,实验结果验证了该算法的有效性和可行性。     

数字全息再现图像散斑噪声消除新方法

为了消除数字全息再现像中存在的相干散斑噪声,在去除噪声并保留图像细节的基础上,提出了基于小波变换的边缘保持散斑噪声去噪方法;通过分析小波变换模极大值边缘检测和基于Neyman-Pearson准则的小波阈值去噪方法的原理,提出并应用了一种数字全息再现像散斑噪声去噪方法,利用小波模极大值方法获得边缘图像,通过基于Neyman-Pearson准则的小波阈值去噪,去噪后的图像与边缘图像合并后得到最终再现图像。研究结果表明,该方法能够较好地在去除散斑噪声的同时保留图像细节。     

基于细胞神经网络的图像复原新方法

针对图像复原方法普遍运算量大的问题,提出了一种利用细胞神经网络进行图像复原的新方法,并首先提出了易于硬件实现的基于边缘方向判据的正则化复原方法;然后通过细胞神经网络的能量函数设计合适的网络参数来对该正则化函数进行细胞神经网络实现。仿真结果表明,该新方法是有效的,复原效果优于有约束的最小二乘复原法和已有的细胞神经网络图像复原法,而且由于细胞神经网络的并行性和硬件易实现性,使该新方法可以实时进行图像复原。     

一种基于形态学的有噪彩色图像边缘检测方法

边缘检测技术是图像分割、图像增强、图像复原、模式识别、图像压缩等图像分析和处理的基础,也是图像处理领域研究的热点问题。本文提出基于HSI颜色空间形态学的有噪彩色图像边缘检测方法。在传统形态学梯度检测边缘的基础上进行改进,计算H、S、I三个分量的边缘信息,然后根据H、S、I所占比重对三分量进行加权融合得到彩色图像边缘。实验结果表明,这种方法所检测的边缘符合视觉边缘,在抗噪声方面的效果比传统方法更佳,能够更完整地保留原彩色图像的轮廓,有更好的实用性和通用性。     

基于人工鱼群微细分解的先验未知像素点修复算法

由于未知像素点先验信息缺失,因此模块匹配和边缘结构信息未知,全息修复困难。传统方法采用子空间特征信息多维搜索方法未能实现对图像纹理的微细结构信息的模板匹配,效果不好。引入人工鱼群算法,提出一种基于人工鱼群微细分解和亮度补偿的先验未知像素点全息修复算法,即采用子空间特征信息多维搜索方法进行先验未知像素点置信度的更新,以保持被修复的图像破损区域的连续性。构建人工鱼群算法的图像微细分解模型,结合边缘特征点亮度补偿策略,来实现对先验未知像素点的图像信息修复改进。实验结果表明,改进的图像修复算法具有良好的视觉效果,修复时间和计算开销较少,提高了稳定性和收敛性,图像修复后的信噪比误差较小,保持在6%以内,因此该算法的性能优越。     

基于稀疏分解的图像修复方法

提出将冗余离散小波变换(RDWT)和波原子变换(WAT)作为字典对应用于图像稀疏形态成分分解,获得图像的结构与纹理;然后针对结构和纹理所具有的不同形态学特征,对结构采用具有曲率驱动、边缘强化和平滑去噪性能的CDD模型修复,对纹理采用基于样例的Criminisi纹理合成方法修复;最后合成获得修复结果。实验结果表明,该修复方法能够获得强且光顺的边缘,纹理清晰完整,相比于传统方法具有更好的修复结果。