甲骨拓片字形图像复原方法

提出了一种基于自适应阈值和分形几何的甲骨拓片字形图像复原方法。文章分析了甲骨拓片噪声的特点以及字形图像边缘的分形特征,通过计算自适应阈值对噪声区域进行填充。采用统计的方法计算甲骨拓片字形图像边缘的分形维数特征,对字形图像边缘进行压缩变换,进而对甲骨拓片字形图像边缘进行平滑。实验结果显示,这一方法的图像复原效果是比较明显的。     

空间结构自适应的图像复原模型

图像复原是图像处理中一个重要的研究课题。大部分图像复原算法,都只是单纯地利用图像灰度或梯度信息,并没有考虑图像的空间结构信息。Roth等人提出的专家场模型,采用固定的,通过学习得到的滤波器,虽然能充分地表现图像空间结构信息,但它不具有自适应特性。提出了一个空间结构自适应的专家场模型,它能够依据图像的结构信息自适应地调整所使用的滤波器。主要利用图像边缘方向来设计专家场模型中的滤波器,能够依据边缘方向自适应调整。在图像去噪中使用这个新的专家场模型,能够自适应地根据图像空间结构信息,实施不同程度的复原处理。实验结果分析表明,新专家场模型改善了图像复原质量,它的性能也优于传统的专家场模型。     

梯度自适应的图像复原方法

图像复原的方法有很多,这些方法所面临的主要困难是在抑制噪声时如何均匀地增强图像结构。本文介绍了一种基于图像梯度场进行图像复原处理的方法,该方法不像其他传统的方法直接操作图像的灰度,而是通过增强梯度场,在图像复原的同时,不会丢失图像的边缘信息。针对梯度对噪音非常敏感的特点,采用基于方向的各向同性滤波核方法,这可以抑制噪声区域,而同时又增强图像中的边缘部分。调整后的梯度场,通常是不可积的。通过求解泊松方程,便可以从修改过的梯度场重构复原图像。图像去噪实验说明该方法是有效的。     

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。     

基于差分算子边缘约束先验的图像盲复原算法

为了有效克服图像在复原过程的边缘退化、振铃效应等影响,使空间域的边缘先验信息能够灵活的添加到图像复原算法中,依据差分算子描述检测边缘的特性,将数字摄影测量学中的拉普拉斯算子、Robert梯度算子、方向差分算子作为一种新的边缘约束先验引入到图像复原过程中,同时使用Toeplitz矩阵实现图像在空间域解卷积的过程,提出了一种以差分算子为边缘约束先验的空域图像复原算法。模拟数据的实验结果体现了更多的细节信息,相关评价指标表明了该算法的有效性。     

各向异性扩散的图像复原

根据图像复原的性质和非线性约束的原理,提出了各向异性扩散的图像复原新算法。主要思路是根据图像的纹理和边缘结构中梯度特性,采用各向异性的自适应扩散,通过最小化能量方案来极小化代价函数,同时通过定点交替迭代策略将非线性方程进行线性化处理。实验结果表明文中方法能对模糊图像的进行有效复原,提高图像的质量。     

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.     

图像复原中边缘保持与稀疏先验模型的选择

考虑了广义高斯分布和马尔科夫随机场两类随机图像模型,提出相应的图像复原目标函数。分析了这两类模型在图像复原中的边缘保持性能,给出了它们具有边缘保持能力所需的条件。根据稀疏型先验的理论,指出在一定条件下这两类先验模型对图像具有稀疏表示特性,因此可以用于图像超分辨率复原处理。说明了边缘保持和稀疏先验之间的关系,为复原中图像先验模型的选择提供了参考。仿真实验表明,合理选择图像的先验模型,可以显著提高图像复原效果。     

基于稀疏特性的盲二值图像去模糊

通过分析二值图像发现其像素值具有稀疏特性,因此采用L₀梯度反卷积算法结合二值图像的组合特性来处理盲二值图像的复原问题。常见的图像复原方法均将二值图像看作灰度值图像来处理,当其考虑到二值图像的特殊性质时,将会针对这种特定类型的图像得到更好的复原效果。提出的盲复原算法基于一阶梯度空间L₀最小化问题的框架,利用L₀梯度图像平滑方法来获得明显的图像边缘以估计模糊核,并将二值图像的特有属性作为正则项加入目标函数。在图像的复原过程中,通过二值图像先验来强制复原结果趋于二值图像。根据提出的模型,给出了基于稀疏特性的盲二值图像复原算法。通过实验将该算法与传统的盲反卷积复原算法进行比较,结果表明所提算法具有良好的性能,对二值图像进行复原是有效的。     

一种有效保持边缘特征的散焦模糊图像复原方法

图像复原过程中图像的主观视觉质量与图像的局部细节信息之间密切相关.针对散焦模糊图像,提出一种新的图像复原方法.所提方法在传统双边总变分正则化方法基础上,通过引入一种具有结构自适应的局部权值函数,构造了一种新的图像复原目标函数.该目标函数综合考虑了图像的全局与局部统计特性,即在整体保真情况下还充分考虑了图像的局部结构信息,使得所提复原方法能更有效地保持图像的边缘等细节信息.与传统BTV正则化方法的比较实验表明,所提方法在边缘保持方面更有效,复原后的图像具有更好的主、客观视觉质量.     

一种改进的叠代方法图像恢复技术

算术迭代方法和其他几种图像恢复方法比较起来,更适合遥感图像的应用.本文对于几种比较典型的空域迭代的图像恢复方法进行了比较,给出了评价的准则,并在此基础上,提出了改进的恢复方法,具有收敛性好,恢复图像质量高等特点.     

一种基于正则化参数自适应选择的快速近似求逆的图像恢复新算法

本文根据正则化恢复中正则化参数应具有的性质,提出了一种基于正则化参数自适选择方案的新的空域迭代恢复算法。     

一种基于自适应阈值的保细节平滑滤波器

基于多尺度多方向的模板,提出一种自适应地的细节平滑算法.该算法一方面保持了模板在保留图像细节特征方面的优势,另一方面利用图像灰度梯度直方图的统计特征,将整幅图像分割成若干子图像,再根据各个子图像的特性,并结合全局梯度特征信息自适应地生成动态阈值,有效地解决了以往阈值选取的困难,提高了图像平滑的自动化程度.与现有的其他算法相比,该算法实现简单,计算速度快,在实际应用中取得了很好的效果.     

复杂背景运动模糊图像的盲复原算法研究

为了有效恢复具有复杂背景的运动模糊图像，提出一种基于正则化策略和共轭梯度优化迭代复原算法；同时为了辨识运动模糊图像的参数，又提出一种基于模糊图像做分自相关函数的点扩展函数辨识算法。为验证算法的有效性，在微机上对提出的算法与现有算法进行了对比实验，结果表明十分有效，也具有较强的鲁棒性。     

自动化翻拍图像空间失真复原研究

在自动化翻拍的图像采集过程中,图像中各像素间的空间相互关系会随着采集发生变化,通过对空间失真复原算法的深入研究,利用几何极坐标、中值滤波等方法,提出自动化翻拍图像复原算法。实验结果表明,使用该算法能够消除由图像采集引起的空间畸变失真,提高图像的可识别性,是一种有效的方法。     

基于MATLAB维纳滤波算法在图像复原实验的应用

图像复原技术能将质量下降的图像恢复过来,还原图像的本来面目,在日常生活常用于电子监控和医疗摄像方面。主要阐述维纳滤波图像复原算法的理论基础,并画出实现该算法的基本流程图,以及在MATLAB实验平台下进行代码编写,最终得出实验结果并对结果进行分析。     

基于约束最小二乘数字图像恢复

介绍了图像退化模型和约束最小二乘滤波器以及平滑约束最小二乘滤波器,并用MATLAB7.0实现约束最小二乘滤波恢复图像和平滑约束最小二乘滤波恢复图像。     

面向全变分图像复原的增广拉格朗日方法综述

图像复原旨在根据退化图像重建高品质原始图像,其复原的质量和速度问题一直都是图像处理领域研究的重要方向。由于其图像边缘保持特性,全变分（TV）最小化模型在图像复原领域取得了很大的成功。然而,全变分图像复原是一个典型的非光滑优化问题,需要发展相应的快速优化算法,而增广拉格朗日方法（ALM）则是近年来发展起来的一类代表性方法。结合相关进展,综述了全变分图像复原模型,变量分裂（VS）法和典型ALM算法,并通过实验从CPU运行时间、峰值信噪比（PSNR）和品质评价等方面分析了不同的变量分裂和ALM方法对图像复原性能的影响。     

一种基于LIP的PDE图像复原新模型

以对数图像处理(LIP)数学模型为基础,结合全变分(TV)图像复原方法,提出了一种新的图像复原模型,称之为LIP_TV模型。该模型弥补了经典图像复原方法的不足,并具有与人眼视觉特征相吻合的特点。实验表明,与经典图像复原方法相比,该模型不仅复原效果更好,而且能很好地保持图像的边缘纹理特征。     

Adaptive contourlet-wavelet iterative shrinkage/thresholding for remote sensing image restoration

In this paper, we present an adaptive two-step contourlet-wavelet iterative shrinkage/thresholding （TcwlST） algorithm for remote sensing image restoration. This algorithm can be used to deal with various linear inverse problems （LIPs）, including image deconvolution and reconstruction. This algorithm is a new version of the famous two-step iterative shrinkage/thresholding （TWIST） algorithm. First, we use the split Bregrnan Rudin-Osher-Fatemi （ROF） model, based on a sparse dictionary, to decompose the image into cartoon and texture parts, which are represented by wavelet and contourlet, respectively. Second, we use an adaptive method to estimate the regularization parameter and the shrinkage threshold. Finally, we use a linear search method to find a step length and a fast method to accelerate convergence. Results show that our method can achieve a signal-to-noise ratio improvement （ISNR） for image restoration and high convergence speed.