基于正则化技术的超分辨图像盲复原

针对低分辨率图像盲复原中信息不足的问题,可以用正则方法来求解。假设点扩散函数结构已知而参数未知,模糊矩阵可表示为带参数的形式,在Nguyen等人的正则有参盲复原框架的基础上,进一步根据Roberts交叉梯度算子构造正则项,从自适应的角度构造正则化参数,并用迭代法求解该框架的目标泛函极小值。算法分析和实验结果表明,这种方法能取得令人满意的超分辨图像复原效果。     

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。     

基于移位反射边界条件的图像复原

在信号和图像处理中,期望将原始场景从观测到的降质数据中恢复出来.在数学上,这个过程就转化成为求解一个系数矩阵为模糊矩阵的线性系统.该模糊矩阵是由刻画模糊的点扩散函数和假设原始图像外部数据的边界条件所决定的.为了更好地保留边界连续性以及减少复原图像中的振铃效应,本文提出移位反射边界条件,并在不依赖于点扩散函数对称性的情形下,给出了对该边界条件下的模糊矩阵的Kronecker积逼近和相应的SVD型正则化算法.实验结果表明,基于移位反射边界条件的SVD型正则化算法效果很好.     

基于整体变分正则的图像盲恢复研究

实现了一种基于TV正则化的图像盲恢复算法。采用了交替迭代算法,保证迭代中能同时恢复出图像以及点扩张函数,并在每步迭代中自适应调整其扩散参数。实验结果也显示了迭代过程的收敛以及鲁棒性(特别是对于非连续的模糊),而且图像和点扩张函数可以在很高的噪声级下恢复。     

一种匀速直线运动模糊参数估计方法

运动模糊恢复就是利用运动模糊退化的某种先验知识来重建或恢复原有图像。在运动模糊的点扩散函数未知的情况下,估计运动模糊的点扩散函数是运动模糊恢复的前提和关键。从傅立叶变换的角度对匀速直线运动模糊图像的点扩散函数在频域中的特点做了理论分析,论证了点扩散函数在频域内的零点特性及模糊图像两次傅立叶同态变换后的方向特性,并提出了利用这些特性进行运动模糊方向估计的方法及两种模糊距离的估计方法。实验结果证明了所提出方法的有效性。     

前向后向扩散的距离正则模型应用于图像分割*

针对在演化过程中水平集函数震荡问题,提出前向后向扩散的距离正则模型应用于图像分割。新的距离正则项由一个势函数定义,推导的演化方程以唯一的方式前向后向扩散,即：水平集函数在其陡峭区域前向扩散,降低函数的梯度模直至为1,反之它后向扩散,提高梯度模直至1。演化结果是水平集函数收敛于符号距离函数,这是水平集函数稳定演化所希望保持的状态。为了阐述距离正则项的有效性,本文将其和基于边缘信息的外能量项相结合。实验结果表明,该模型能够好的完成图像分割,对噪声和弱目标图像鲁棒。     

基于双正则化的图像超分辨率盲重建

图像超分辨率重建是利用数字信号处理技术由一系列低分辨率观测图像得到高分辨率图像。大多数重建算法假设成像系统的模糊特性也即点扩散函数(PSF)已知,然而实际的应用环境下PSF事先不知道或部分知道。为此,将未知PSF模型化,提出基于双正则化的图像超分辨率盲重建算法,并且正则化作用的强度随重建图像局部光滑程度的变化而自适应地改变,以便能保护图像细节同时抑制平滑区域的噪声。求解过程中采用交替最小化方法估计PSF参数和高分辨率图像,并随着迭代次数的增加逐步提高每次寻优的精度以节省计算开销。实验结果表明,该算法能够比较准确地估计出PSF参数并取得较好的图像重建效果。     

基于整体变分正则的图像盲恢复研究

实现了一种基于TV正则化的图像盲恢复算法。采用了交替迭代算法．保证迭代中能同时恢复出图像以及点扩张函数．并在每步迭代中自适应调整其扩散参数。实验结果也显示了迭代过程的收敛以及鲁棒性（特别是对于非连续的模糊），而且图像和点扩张函数可以在很高的噪声级下恢复。     

基于改进正则算子的气动模糊图像复原研究*

针对气动光学效应所产生的红外图像模糊和偏移问题,首先对电弧风洞得到的吹风红外实验图片,计算其中的像偏移,得出像偏移主要是在迎风方向这一结论。 通过将气动光学效应传递函数应用于吹风前图像,并将得到的图像与实验实测的模糊图像对比,验证了理论点扩散函数的正确性。最后,提出了一种改进的气动光学图像复原方法。该方法采取基于演化算法,将理论计算的点扩散函数作为基本正则算子参与演化,从而得到最佳正则算子和最佳图像复原参数。实验结果证明了该复原算法的有效性。     

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。     

多聚焦散焦图像复原算法

提出一种多聚焦散焦图像复原算法。基于物体成像的点扩散函数退化模型,通过同一场景(包括前景和后景)中任意2幅对焦不同的模糊图像,得到该场景比较清晰的图像。同时,利用点扩散函数的模糊半径与物体深度信息之间的对应关系,估计物体的深度信息。实验结果证明了该算法的有效性。     

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。     

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.     

基于改进卡尔曼滤波的盲图像恢复

为了解决在获取数字图像过程中发生的图像质量下降（退化）的问题,需要使用图像恢复技术进行图像重建。针对未知点扩散函数(PSF)的盲图像恢复,首先利用倒频谱的方法估计模糊图像的点扩散函数,然后再利用改进的卡尔曼滤波方法对图像进行恢复。倒频谱方法是将模糊图像分成反映原图像信息和反映模糊系统信息的两部分相加的形式,通过分析两者的关系估计出模糊图像的PSF。改进卡尔曼滤波器在估计过程中考虑了系统的模型误差,使其对模型误差具有一定的鲁棒性。通过Matlab进行了数字仿真实验,实验结果表明利用所提出的方法可以有效地减小PSF估计不准确对图像恢复的影响,与传统卡尔曼滤波相比恢复效果较好。     

模糊图像恢复的投影重开始共轭梯度法

针对点扩散函数为线性位移不变的图像恢复问题提出了一种重开始的投影共轭梯度法．该方法结合正则化技术,分两层迭代,采用阻尼Morozov偏差原则作为停机准则,在运算中利用快速傅立叶变换减少计算复杂度．并对二维遥感灰度图像和彩色图像分别进行数值实验,验证了该方法可以有效的再现原始图像,证明了算法的有效性．     

林业运动模糊图像复原的融合正则化方法

林业机器人在林业环境中进行作业时,很容易因为滑动、地面障碍物的碰撞等原因发生小幅的无规律运动导致机器人相机采集的图像发生运动模糊,对后续图像信息提取造成很大的影响。针对这一问题,提出了林业运动模糊图像复原的融合正则化方法。先建立包含[L1/L2]范数正则项的代价函数,求解运动模糊核。再通过图像梯度先验正则项及稀疏正则项构建代价函数,对清晰图像求解。引入的[L1/L2]范数正则项及图像梯度先验正则项对稀疏表示正则项容易产生块效应的问题进行了弥补,因而获得了令人满意的效果。对人工合成的运动模糊图像和自然条件下真实运动模糊图像进行的实验验证了该算法的有效性。     

稀疏平滑特性的多正则化约束图像盲复原方法

为了实现对线性空间不变的模糊图像的盲复原,提出了一种基于稀疏性和平滑特性的多正则化约束的模糊图像盲复原方法.首先,根据自然图像边缘的稀疏特性,运用了一种权重的全变差范数(weighted total variation norm,简称WTV-norm)对复原图像进行正则化约束;然后,从运动模糊的点扩散函数(motion point spread function,简称MPSF)的特性出发,提出一种能够适用于多种模糊情况的多正则化约束;最后,提出了一种改进的变量分裂(modified variable splitting,简称MVS)方法来得到清晰的复原图像,同时准确地估计出相应的模糊退化函数.大量的实验结果表明,该方法能够较好地复原多种不同类型的模糊(例如运动模糊、高斯模糊、均匀模糊、圆盘模糊).与近几年提出来的一些具有代表性的模糊图像盲复原方法相比,该方法不仅主观的视觉效果得到了较为明显的改进,而且客观的信噪比增量也增加了1.20dB~4.22dB.     

基于点扩散函数的多聚焦图像融合方法

提出了一种新的基于点扩散函数的多聚焦图像融合算法，采用高斯函数对多聚焦图像进行多次卷积，通过与原近似误差图像的比较，得到聚焦清晰和模糊区域，采用形态学方法将其分割出来，并根据最大值融合规则对其进行了融合。试验结果表明，该算法可将图像分割成多个聚焦区域，边缘清晰、融合效果良好。     

Hessian正则化Logistic回归模型

针对大数据量的图像分类问题,Laplacian正则化的半监督学习方法获得了广阔的应用前景。然而Laplacian正则化使分类函数趋向于常数函数而易导致较差的推测能力。提出了基于Hessian正则化的Logistic回归模型用于图像分类,Hessian正则化可以较好地预测区域之外的数据点。在MIR Flickr数据库上进行图像分类实验,与SVM、Logistic回归和Laplacian正则化的Logistic回归方法相比,Hessian正则化的Logistic回归模型更有效。