极端先验下的编码曝光运动目标模糊成像复原

采集运动目标图像时,由于目标与采集相机之间产生相对运动造成图像模糊.为了获得清晰运动目标图像,提出了极端先验下的编码曝光运动目标模糊成像复原方法.该方法将传统曝光快门的一次开合过程转变为特殊逻辑编码的多次开合过程,将频域中将窄带滤波扩展为宽带滤波,进而将原始目标高频信息保留在模糊图像中.通过建立极端先验下的正则化编码曝光优化函数,提出了一种有效的编码曝光图像复原迭代和核估计算法.本方法利用编码曝光保存目标原始信息,再利用图像的极端先验自然属性有效复原.在多组合成和实际采集编码曝光运动模糊图像复原中,利用图像质量评价指数表明本方法能够在不同相对运动模式下均获较好的复原效果.     

基于稀疏表示和结构自相似性的单幅图像盲解卷积算法

图像盲解卷积研究当模糊核未知时,如何从模糊图像复原出原始清晰图像.由于盲解卷积是一个欠定问题,现有的盲解卷积算法都直接或间接地利用各种先验知识.本文提出了一种结合稀疏表示与结构自相似性的单幅图像盲解卷积算法,该算法将图像的稀疏性先验和结构自相似性先验作为正则化约束加入到图像盲解卷积的目标函数中,并利用图像不同尺度间的结构自相似性,将观测模糊图像的降采样图像作为稀疏表示字典的训练样本,保证清晰图像在该字典下的稀疏性.最后利用交替求解的方式估计模糊核和清晰图像.模拟和真实数据上的实验表明本文算法能够准确估计模糊核,复原清晰的图像边缘,并具有很好的鲁棒性.     

基于高维空间几何的PSO-BP神经网络图像复原

针对退化图像复原问题,提出了一种基于高维空间几何理论（HDSG）的PSO-BP神经网络图像复原方法。高维空间几何理论中的同胚映射和同源连续性原理,把图像映射为高维空间中的一个点,通过回归原模糊图像和由此图像衍生出的几幅更加模糊的图像对应在空间中几个点的分布曲线,得到清晰的复原图像。在该理论基础上,用PSO-BP神经网络来确定高维空间中各点的关系,通过对训练样本的学习训练,在三幅退化图像与原始清晰图像之间建立映射关系,然后用训练好的网络对测试样本进行复原。对比实验表明,该方法在主观视觉和定量分析上都获得了较好的效果。     

基于正则化方法的图像盲去模糊

针对标准化稀疏先验的正则化方法估计复杂模糊核时的不准确性, 引入图像的预处理, 提出了一种图像盲去模糊的新方法。该方法将图像盲去模糊分为三个步骤：利用双边滤波器和冲击滤波器对图像进行预处理, 使得图像的噪声降低、边缘突出, 有利于模糊核的估计; 对预处理后的图像, 利用基于标准化稀疏先验的正则化方法估计模糊核; 根据估计出的模糊核利用TV正则化方法对图像进行非盲去卷积。采用快速迭代收缩阈值算法和快速总变分图像复原算法分别求解模糊核估计模型和图像非盲去卷积模型。实验结果表明, 针对单幅模糊图像, 该方法可以估计出准确的模糊核, 对噪声具有鲁棒性, 并且提高了图像复原速度, 具有较好的图像恢复效果。     

模糊图像盲复原的鲁棒自适应滤波算法

运动模糊图像盲复原是图像处理中的关键问题之一.由于模糊信息估计的复杂性以及图像噪声的影响,现有算法往往难以做到高质量的图像复原.为改善模糊信息估计的效果,提出一种基于自适应线性滤波的改进算法.首先在原有模糊信息估计过程中引入自适应动态线性滤波以抑制噪声影响,达到改善模糊信息估计结果的目的,同时可以起到调整优化目标的作用,使原问题变得较容易求解,从而获得高质量的模糊信息估计;在此基础上提出了改进的重定权值split Bregman迭代法,用于获得模糊信息后求解原始图像的过程中,进一步改善模糊图像复原的效果.实验结果表明,与3种现有的模糊图像盲复原算法相比,该算法能更准确地估计模糊信息,对多数图像复原任务具有更好的鲁棒性,能有效地用于运动模糊图像复原任务.     

非盲图像复原综述

作为目前图像处理领域的研究重点,图像复原可移除图像中的模糊与噪声,具有重要的理论价值和广阔的应用前景。为使图像复原的研究被人们所了解,该文首先对图像复原做了简单的描述,接着介绍了近年来出现的一些非盲图像复原算法,包括基于总变分模型的算法、基于Bregman迭代的算法和基于稀疏表示的算法等,最后基于对现有算法的了解与分析,总结了图像复原研究的难点与趋势。     

基于多种先验的盲图像复原方法

基于好的还原图像是倾向于清晰图像而不是模糊图像这样一个事实,提出了一种基于多种先验的有效的盲图像去模糊方法。目前比较好的去模糊方法对于特定场景图像的复原效果不理想,存在一些模糊,包括轮廓和细节表示不清晰。为解决这些问题,结合多个先验知识,包括暗通道先验、强度图像先验和梯度图像先验知识,并加以权衡,就可以在复原过程中为轮廓和细节提供更多的先验信息,并把这个先验知识放到MAP的框架中,通过不断地迭代得到估计模糊核,再利用非盲的图像复原方法对原图像复原。在泛化处理自然环境的多种场景中,本文方法相较于目前比较先进的方法,结果的轮廓和细节都有不错的提升。     

图像质量参数分析及其在图像拼接检测中的应用

分析了常用的图像质量参数,采用方差分析对图像质量参数在拼接图像盲检测中的应用进行筛选.通过提取对拼接图像较为敏感的图像质量评价量再融合基于隐马尔科夫模型的特征向量来建立模型,以捕获原始图像和拼接图像之间的统计差异,选用支持向量机作为分类器进行训练和测试,对拼接图像的盲检测进行了研究.实验结果表明,该方法精确度高、应用面广,在图像拼接检测中有着广阔的前景.     

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.     

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.     

多信道图像盲复原算法

为充分利用观测图像中的信息及信息之间的互补性,提高图像复原的质量,提出了贝叶斯框架下的多信道图像盲复原算法。首先,建立原始图像、点扩散函数和观测图像的先验模型,由先验模型得到原始图像、点扩散函数和观测图像的先验概率;然后用伽马分布描述未知的模型参数;最后基于最大后验概率的推导,利用实证分析法估计原始图像和点扩散函数的最优值。实验结果表明,相比单信道的图像盲复原算法,多信道的图像盲复原算法可以得到更好的复原结果。同时,与某些经典的多信道图像盲复原算法相比,提出的算法在复原效果方面具有一定的优势。     

基于小波变换与局部能量的多聚焦图像融合

本文提出了一种基于区域局部能量的不同聚焦点图像融合方法。本文利用小波分解,将图像分解为低频部分和高频部分,然后选择合适的比例,削弱低频部分,减小低频部分在整个图像能量中所占的比例,相对增大高频部分的比例,再重构图像。对于重构的图像,在空域中使用区域局部能量大小判定的方法,对各幅图像中的目标进行判断,并选择其中的清晰部分生成融合图像。该方法不但适用于多聚焦图像融合,而且还可以应用于特性类似的医学图像的融合。实验结果表明,该方法可以提取出多聚焦图像中的清晰目标,生成的融合图像效果优于Laplacian塔型方法和小波变换方法。     

结合浅景深与构图的图像质量评价

近年来,图像质量评价方法在图像处理和理解领域受到越来越多的关注.传统的方法主要关注噪声、清晰度、分辨率等影响图像质量的底层因素.随着数码设备的不断发展,这些底层因素已经得到很好的解决,人们能够很容易地获得具有较高底层质量,即低噪声、高清晰度、高分辨率的图像.因此,图像质量评价的焦点逐渐转向从美学的角度进行评价.对于一幅图像,主要从两个角度来考虑其是否符合人类主观的美学需求:1)图像的主题是否突出;2)图像的布局是否合理.基于上述考虑,提出一种结合图像景深和构图的质量评价方法:一方面,提出一种基于模糊度量的浅景深判断方法,浅景深的图像能够突出主题、虚化背景,具有更强的视觉冲击力与美学表现力;另一方面,提出一种基于“三分法”的图像构图评价方法,符合“三分法”构图的图像布局更加紧凑有力、简洁明了、符合人类的欣赏习惯;最后,将浅景深判断与图像构图评价进行结合,从美学的角度自动地对图像进行客观、综合的评价.按本文方法,可以挑选出符合以上美学规则的图像.从实验结果可以看出,根据本文方法选出的高质量图像也符合人类主观的美学需求.     

运动模糊图像PSF参数估计方法改进及图像复原

运动模糊图像复原的目的是改善运动图像质量,从而为图像处理任务提供高质量的清晰图像以保证算法能够准确获取图像信息,其中运动模糊图像的点扩散函数（PSF）求解是影响复原图像质量的关键步骤。针对现有运动模糊图像PSF参数估计方法中存在的估计误差大、有效估计范围有限等问题,在分析频谱图像特征的基础上,提出一种改进的PSF参数估计方法。通过图像增强处理和形态学变换去除频谱图像中的十字亮线和噪点干扰,获取形态合适的条纹图像以完成Radon变换检测。利用二值频谱图像的条纹特征自适应地控制形态学运算精度,从而保证算法的执行效率和鲁棒性。对条纹进行边缘测定,消除由条纹自身宽度导致的角度估计误差,以提高参数估计结果的精度。实验结果表明,该方法能够提高模糊参数估计的准确率和有效估计范围,由此构建的PSF能复原出更加清晰的重建图像,复原图像总体峰值信噪比不低于25 dB。     

基于典型地物字典学习的遥感图像分块重构方法

遥感图像压缩的传统方法普遍存在着重构时间长、重构质量有待改进等应用难题。本文针对不同典型地物的遥感图像,采用K-SVD字典学习方法分别进行过完备字典训练。重构过程中,采用图像分块优化机制：首先对部分图像块通过多次迭代,从相应地物的过完备字典里求解出能线性表示原图像的原子;然后对其邻域内的图像块,优先使用这些原子中的一部分作为初始值求表示残差,以减少迭代次数。该方法充分利用了典型地物遥感图像的信息内容以及图像块间的相似性,在重构的图像质量、重构速度方面,与非冗余正交基构造的通用字典或未分类的学习字典相比,有一定优越性。     

基于三维离散余弦变换的静止彩色图象压缩

为了既能获得较高的压缩比 ,又能保证较好的图象质量 ,提出了一种基于三维离散余弦变换 (3D DCT)的静止彩色图象编码方法 .在此算法中 ,首先将原始图象分割成互不覆盖的 8× 8子块 ;然后根据局部能量的大小将各子块分为 4类 ,再把属于同一类的子块组合到一起 ,形成三维立方体并对三维立方体进行三维离散余弦变换 ,从而提高压缩效率 .计算机模拟结果表明 ,此算法在压缩比高于 4 0时 ,其平均峰值信噪比约为 2 9d B,解压后的图象质量有较高的保真度 ,在同等情况下 ,其比 JPEG标准提高约 5 d B     

三维重定向图像主观和客观质量评价方法

三维（S3D）图像重定向技术的作用是调整S3D图像的宽高比。为准确和客观地衡量三维重定向图像的视觉质量，建立了一个S3D重定向图像质量评价数据库。首先，使用八种具有代表性的三维重定向算法对45幅原始图像按两种重定向尺度进行分辨率调整，共生成720幅三维重定向图像；然后，每幅重定向图像通过主观测试，得到相应的主观打分值；最后，对主观分数进行处理，得到平均主观意见分（MOS）值。在此基础上，提出一种三维重定向图像客观质量评价方法，即通过提取S3D重定向图像的深度感特征、视觉舒适度特征和左右视点的图像质量特征，使用支持向量回归预测得到S3D重定向图像的视觉质量。在提出的数据库上进行测试可以得知，所提方法的Pearson线性相关系数高于0.82，Spearman等级系数高于0.81，表明其能有效预测S3D重定向图像的视觉质量。     

一种基于正则化技术的超分辨影像重建方法

超分辨率影像重建已经成为近年来人们广泛研究的热点，利用超分辨率重建技术，可以得到分辨率高于原始影像的重建影像。为此，提出了一个利用多幅具有亚像素位移的低分辨率欠采样影像重建一幅高分辨影像的超分辨率重建方法。该方法利用正则化技术，通过迭代运算解求重建影像的最优解。在迭代过程中，得到的重建影像用于求解下一次迭代的正则化参数，不断的循环迭代，最后求解出重建影像的最优解。对Lena影像进行了处理，并用PSNR影像评价方法对重建影像进行了定量评价。实验结果证明，该方法能较大限度地减弱噪声对重建结果的影响，当重建比率较大时，仍可得到高质量的高分辨率重建影像。     

暗像素先验的模糊图像盲复原方法

图像的盲去模糊问题是一个长期的且具有挑战性的逆问题。能否找到正确的图像先验是能否复原出高质量清晰图像的关键。因此,为了能够复原出高质量的清晰图像,找到了一种新的且有效的图像先验--图像中的暗像素先验,并提出了一种基于暗像素先验的模糊图像盲复原方法。该方法是基于模糊图像的内在本质特性所提出的,模糊图像中的暗像素是非稀疏的。在模糊过程中,清晰图像中的暗像素会因为与它周围的亮像素进行加权平衡,而导致模糊图像中暗像素的像素值增加,从而导致模糊图像中暗像素的稀疏性降低。因此,利用模糊图像中暗像素的这种非稀疏特性,能够有效区分模糊图像和清晰图像,从而实现模糊图像的盲复原。但是,基于暗像素的先验会导致一种非凸和非线性的最优化问题,为了能够有效地求解提出的模型,引入了一种最小化操作的线性近似来实现提出模型的最优化求解。大量的实验证明了该方法与近几年一些极具代表性的模糊图像盲复原方法相比,具有更好的性能。     

基于数据融合及小波变换的医学超声图像去噪方法

医学超声图像固有的斑纹噪声,极大地降低了超声图像的质量,严重影响了对病灶的识别。经典的去噪方法在抑制斑纹噪声时丢失了图像中大量的细节和微弱的边缘信息。本文提出一种基于数据融合的小波变换去噪算法,首先对医学超声图像进行对数变换,将乘性噪声变成加性噪声,然后对同一原始信号含噪声的两幅同源图像分别进行小波分解,对两幅图像中小波系数的低频分量作加权融合;对水平、垂直与对角方向高频分量取两幅图像中各尺度下对应小波系数绝对值较大者各自分别融合,使高频分量中信号得以最大限度地保留,最后,经小波逆变换和指数变换得到去噪后图像。该方法在去除噪声同时能够有效保持边缘信息,较好地改善去噪后图像的视觉效果,取得了良好的效果。