稀疏梯度先验模型的正则化图像复原

传统Lucy-Richardson(LR)算法是一种基于贝叶斯分析的图像复原迭代算法,对高信噪比的退化图像能获得很好的复原结果,但对噪声过于敏感,对低信噪比的退化图像在迭代过程中易造成噪声的放大,虽然有一些正则化方法应用到LR算法中来抑制噪声,但往往容易产生过度平滑的问题。针对这些问题将图像稀疏先验模型作为正则项引入到LR算法中,抑制噪声在迭代过程中的放大。与常规的图像梯度约束算法不同,本文算法中根据模糊图像梯度分布特点的不同提出了可变参数的图像稀疏梯度正则化约束方法,使复原图像的梯度分布参数在迭代过程中更趋近于真实梯度分布,同时通过调整正则项系数可以避免复原图像的过度平滑。实验结果表明,同标准LR算法和常规梯度约束算法相比,本文算法能够实现在抑制噪声放大的同时较好地保留图像的细节。     

改进的空间自适应规整化图像复原

在对空间自适应规整化图像复原算法的研究中发现,如果图像中混杂有椒盐噪声,则自适应算法的复原效果并不理想。针对这一问题,提出了一种新的可见度函数,用模糊熵代替均方差作为评价图像灰度值变化程度的判据,使得算法在提高复原图像质量的同时,能够适应更多类型噪声的干扰。仿真实验结果表明,在椒盐噪声存在的情况下,新算法的性能远优于原算法,对模糊-噪声图像的复原结果也在实验中给出。     

一种快速消除彩色图像高脉冲噪声的方法

针对彩色图像脉冲噪声的分布特性,提出噪声检测和滤波复原的2步算法。该算法通过长针统计检测技术判断脉冲噪声位置,用改进适应性中值滤波技术复原图像。实验表明,与已有算法相比,该算法能有效去除彩色图像中的高水平脉冲噪声,噪声密度大于80％时仍有良好性能,且算法实时性好,适宜于在线处理。     

运动模糊图像复原结果中伪像的消除

针对Lucy-Ricardson(LR)算法得到的复原图像存在不同程度的Gibbs效应、边缘振铃等多种类型的伪像,提出一种新的算法,在LR算法的复原图像迭代公式中引入一函数作为其系数,使得图像平滑区域与原来的LR算法的恢复方式相同,同时在图像的边缘区域可以有效地保护细节,起到低通滤波器的作用。实验结果表明,改进算法能很好地平滑伪像和重建图像细节,复原图像的峰值信噪比(PSNR)与其他算法相比有很好的提升。     

对图像处理中维纳滤波复原算法的改进研究

文中介绍了传统图像处理中的离焦复原算法存在的不足,指出了两种传统的处理方法在逼近离焦点扩散函数方面效果都不太理想,并提出了对维纳滤波复原方法的改进,最后通过实验证实了改进后的维纳滤波复原算法具有明显的优势,并且其分辨率和噪声消除方面都表现良好。     

基于加权超图和IOWA算子的图像椒盐噪声滤除算法

针对图像椒盐噪声,提出基于加权超图和诱导有序加权平均(IOWA)算子的椒盐噪声滤除算法.首先,用加权超图对图像进行表示,根据椒盐噪声为极值的特点,定义超图边的权值,该权值能够反映边内中心节点对应像素为噪声点的可能性,进而利用超图边的权值进行噪声检测;其次,构建IOWA算子对噪声点进行复原,并采用噪声检测与复原交替进行的方式完成图像的椒盐噪声滤除.仿真实验结果表明,所提出的算法不但可有效复原椒盐噪声,而且能保持原图像的轮廓等细节信息.     

单幅夜间弱照度雾霾图像的复原算法

针对单幅夜间弱照度雾霾图像的复原问题,提出一种算法.首先将原图像分为纹理层和结构层,对结构层的照射光初步估计之后再优化;然后根据Retinex理论将结构层与优化后的照射光的比值作为反射层,对其高亮区域的过增强及暗区域的噪声进行抑制,再去雾处理;接着将已优化的照射光取反作为透射率的估计值、对夜间环境光用求取局部均一的方式进行估计,再根据大气散射模型求出复原的结构层;最后,将复原的结构层与优化后的纹理层叠加为最终的复原图像.与现有主流算法的主客观比较和分析结果表明,该算法的复原结果具有噪声低、纹理细节丰富和色彩恢复度高的优点.     

基于粒子群优化的BP神经网络图像复原方法

针对BP神经网络易陷入局部最小、收敛速度慢的问题,研究了基于粒子群优化的学习算法,给出了具体的算法方案设计,并将其应用于图像复原。首先用高斯噪声对无噪图像进行模糊处理;然后将结果和原图像组成训练对,用于训练优化后的神经网络;最后利用训练好的神经网络对测试图像进行复原,从而达到去除噪声的目的。仿真结果表明,与BP神经网络相比,PSO-BP算法收敛速度快,迭代次数少,复原的图像在归一化均方误差（NMSE）和峰值信噪比（PSNR）的效果更好。     

基于POCS算法的序列图像超分辨率复原技术研究

本文针对POCS超分辨率算法降噪能力差的缺陷,对含噪图像首先利用小波技术进行去噪预处理,然后再用POCS算法复原。实验证明,本文提出的方法对低信噪比序列图像的超分辨率复原有很好的复原效果,并且对各种噪声处理基本有效。     

噪声模糊图像复原算法构建及仿真

针对传统图像复原算法对噪声强度较大的模糊图像进行复原时,容易出现图像失真的问题,研究结合经典维纳滤波算法和空间滤波算法,提出一种组合维纳滤波算法的噪声模糊图像复原方法。首先,采用空间滤波算法减弱模糊图像的噪声;然后,采用维纳滤波算法对去噪后的模糊图像进行复原;最后,通过仿真实验对组合维纳滤波算法进行验证。结果表明,相较于单一的维纳滤波算法,所研究组合维纳滤波算法在高斯噪声、椒盐噪声、高斯-椒盐噪声的条件下,PSNR、SNR、ISNR值均提高了0.5 d B以上,具有一定的优越性,可提高复原图像的质量,得到清晰且轮廓分明的复原图像。     

基于低分辨率图像融合的超分辨率恢复方法

提出一种基于多帧低分辨图像融合的超分辨率图像恢复算法。将多帧低分辨图像融合成一帧与高分辨图像分辨率一致的图像,并对其中一幅低分辨图像插值,形成迭代恢复算法的初始值,在此基础上以Tikhonov正则化方法求解原始高分辨图像。分析和实验结果表明,该算法具有良好的鲁棒性,并且计算速度较快。     

复小波域最大后验概率图像复原

提出了一种双树复小波变换域最大后验概率图像复原方法。该方法通过在最大后验概率图像迭代复原过程中构建噪声残差,并采用双树复小波变换零均值高斯模型对参差进行降噪处理,从而避免了原泊松最大后验概率图像复原过程中噪声放大的问题,实现了迭代复原的正则化目的。对比实验结果表明,该图像复原方法能很好解决恢复迭代中噪声放大的问题,同时,在视觉效果、PSNR、ISNR等指标上均比Wiener、Pisson-MAP等算法好。     

Weakly Constrained Lucy–Richardson with Applications to Inversion of Light Scattering Data

Lucy–Richardson (LR) is a classical iterative regularization method largely used for the restoration of nonnegative solutions. LR finds applications in many physical problems, such as for the inversion of light scattering data. In these problems, there is often additional information on the true solution that is usually ignored by many restoration methods because the related measurable quantities are likely to be affected by non-negligible noise. In this article we propose a novel Weakly Constrained Lucy–Richardson (WCLR) method which adds a weak constraint to the classical LR by introducing a penalization term, whose strength can be varied over a very large range. The WCLR method is simple and robust as the standard LR, but offers the great advantage of widely stretching the domain range over which the solution can be reliably recovered. Some selected numerical examples prove the performances of the proposed algorithm.     

基于高斯马尔可夫随机场的MAP估计在高斯噪声滤波中的应用

提出了基于高斯马尔可夫随机场(GMRF)的最大后验概率(MAP)估计在图像高斯噪声滤波中的应用方法。根据高斯噪声的先验特点，建立基于高斯马尔可夫随机场的退化图像恢复模型，从而将图像高斯噪声滤波问题转化为求解最大后验概率问题。先验概率可以根据马尔可夫随机场(MRF)和吉布斯分布(GD)的等效性, 用GD的概率估计。为了求解最大后验概率，第一，通过期望最大化(EM）算法对GMRF模型进行参数估计。第二，用共轭梯度法将目标函数最小化。实验结果表明，与其他滤波器（如高斯滤波、维纳滤波等）相比，本文所阐述的方法在滤除高斯噪声、保持图像原有结构方面效果更好。     

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.     

基于最小二乘增量迭代正则化方法的图像复原

针对模糊图像的复原问题,从最小二乘算法出发,采用增量迭代的方法改善算法的收敛性,同时结合正则化技术克服问题的病态性质,研究了一种有效的图像复原方法。在运算中,采用最速下降法求解方程,并运用快速傅立叶变换(FFT)原理来减少计算复杂度,同时引入自适应的正则化参数,使其与图像复原的迭代运算同步进行并自动修正到最优值。计算机仿真结果表明,该方法可较好地再现原图像的重要信息,复原图像在峰值信噪比和主观视觉效果方面都有明显的提高。     

数字图像恢复的迭代投影正则化方法研究

图像恢复的目的是对模糊的图像进行处理,使它趋向于复原的或没有噪声影响的理想图像。研究图像恢复的迭代正则化方法,主要研究梯度法,特别是提出了求图像恢复的投影共轭梯度法。针对受大气扰动影响的遥感图像,根据梯度法使用MATLAB进行编程,对模糊且带噪音的图像进行恢复,并与经典的最小二乘法进行比较。     

强噪声彩色图像空域恢复方法

为了解决基于RGB颜色模型的强噪声彩色图像空域恢复方法的丢失细节问题,依据分解彩色图像得到的三个分量在相关处理后可合成为彩色图像的理论,采用图像的基于像素点的空域处理理论,研究了受强噪声污染的彩色图像的点处理恢复方法。设计了基于RGB颜色模型的彩色图像分量的点处理恢复算法,给出了根据噪声强度调用该算法依次恢复R分量、G分量和B分量的过程。实验结果表明,与经典的空域滤波器比较,基于像素点的空域处理具有保持图像细节的优点,适用于解决基于RGB颜色模型的强噪声彩色图像的恢复问题。     

基于二级修复的多方向加权均值滤波算法

针对目前算法不能有效去除高概率的椒盐噪声并保护图像边缘和细节特征的缺点,提出了一种基于二级修复的多方向加权均值滤波算法。在噪声检测阶段,首先利用一个方差参数判断当前像素点与其邻域像素点之间的灰度差异程度,再通过将方差参数和灰度极值相结合的方法检测出图像中的椒盐噪声点。在噪声修复阶段,提出一种二级修复方法来修复噪声点的灰度值。首先利用改进的自适应中值滤波器对椒盐噪声点进行第一级噪声修复;然后利用方差参数将第一级修复后的噪声点划分为两类,并采用不同的修复方法对这两类像素点进行第二级噪声修复,一类像素点采用均值滤波器进行再修复,另外一类像素点采用多方向加权均值滤波器进行再修复。数值实验结果表明,所提算法的滤波性能和边缘保护能力均优于当下很多先进的滤波器。