高斯型点扩展函数估计及图像复原

点扩展函数估计是图像复原的重要内容,目前还没有精确估计的算法。根据高斯型点扩展函数曲线的特点,提出了新的高斯型点扩展函数参数的估计方法。分析发现高斯型点扩展函数曲线中,存在着几个特征点,它们很好地表现在降质的图像傅里叶变换图像中,这几个点与扩展函数参数存在着一定的关系。根据这种关系推导出点扩展函数参数,从而达到图像复原的目的。实验结果表明,这种算法简单、精度较高,有一定的参考价值。     

基于估计点扩展函数值的湍流退化图像复原

提出了一种直接从湍流退化图像中估计湍流点扩展函数值的方法.本方法不再利用自然或人工向导星图像来测定点扩展函数,而是直接利用两帧连续短曝光湍流退化图像作为输入,在空域中对其进行适当的延拓,在频域中建立和选择关于湍流点扩展函数离散值的一系列计算方程.为了克服噪声的干扰,在点扩展函数的非负性和空间光滑性的约束条件下,将点扩展函数的计算问题转化为优化估计问题,通过极小化准则函数估计点扩展函数值,进而恢复退化图像.实验结果表明,本文方法十分有效,复原效果好.     

退化模型未知的图像复原方法

在退化模型未知的情况下对图像做复原处理时，主要有两种方法：一种是直接测量法，另一种是间接估计法。本文介绍了这两种方法，给出了一些较为典型的算法。     

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。     

采用差分进化算法的点扩展函数估计

在图像处理的非盲复原算法中,对点扩散函数PSF（Point Spread Function）的估计是否准确,将直接影响图像复原质量的好坏。传统的估计方法有直接测量法和间接估计法,但往往数据量大,计算繁琐,针对这一问题,从全局寻优的角度出发,提出利用差分进化算法来估计点扩散函数。实验结果表明差分进化方法可以取得很好的效果,为下一步设计恢复滤波器奠定了基础。     

基于互相关模糊长度估计的图像复原

为提高含噪运动图像的复原质量,提出一种基于互相关原理的运动模糊长度估计算法。根据图像的Radon变换得到运动模糊角度,提取模糊中心各模糊路径上的像素灰度值,通过互相关计算确定模糊长度,采用Lucy-Richardson迭代算法对观测图像进行复原。实验结果表明,该算法的抗噪性较好,迭代收敛速度较快。     

运动模糊图像复原算法研究

运动模糊主要是由于成像系统与目标物之间产生了相对运动而成的。在运动模糊图像复原的研究中,运动模糊的点扩散函数(PSF)和复原方法是近年来图像复原中的热点问题。针对含有噪声的运动模糊图像的退化模型和恢复过程进行了研究,叙述了运动模糊图像基本原理,并提出了一种基于变分法求极值的方法并应用了模糊图像限制核函数法的方法解决了变分模型中大多数应用场定义域的有限性,最后根据方法得出实验结果。     

运动模糊图像点扩散函数参数识别的新方法

为了估计任意大小运动模糊图像点扩散函数,提出了真实方向、测量方向和列宽行高比的角度变换公式。在此基础上利用Radon变换最大值曲线检测峰值角度作为候选方向,剔除候选方向中Radon变换未出现规律性波谷的干扰方向后为待变换方向,再进行角度变换即为识别方向。取该方向上Radon变换向量,利用相邻波谷位置差剔除奇异值求均值的方法检测暗条纹间距,通过曲线拟合鉴定模糊尺度。仿真结果表明算法实时性好、精度高、抗干扰能力强。     

基于多项式变换的运动估计快速算法

主流的视频编码器普遍采用运动估计与补偿技术来提高压缩比,其中运动估计的计算复杂度高,需要占用大量的计算时间。因此,设计运动估计的快速算法对提高整个视频编码器的性能是至关重要的。此外,视频应用的实时性特点,也要求设计运动估计的快速算法。基于多项式变换的运动估计算法是论文新提出的一种块匹配运动估计算法,既保持了简单而易于硬件实现的特点,同时又极大地提高了计算效率。实验结果表明,基于多项式变换的运动估计算法的执行时间为全搜索算法的9～18%,优于其它快速算法。在噪声环境下,该算法比时间特性最好的WUS(WinnerUpdateSearch)算法以及Spiral算法快2～10倍。     

改进的运动模糊图像复原算法

提出了一种改进的运动模糊复原算法,首先利用改进的高通滤波(方向微分)快速算法判定运动模糊方向,然后利用边缘检测算法计算模糊尺度,从而确定点扩散函数,最后通过维纳滤波算法对模糊图像进行恢复。针对K值估计问题,提出了一种新的K值自动估计算法。实验结果表明,该方法鲁棒性强、实时性好,图像复原效果好。     

基于能量估计的局部运动模糊检测

为了解决日常拍摄的图像或视频中普遍存在局部运动模糊导致信息丢失的问题,提出一种基于能量估计的局部运动模糊检测算法。该算法首先计算图像的Harris特征点,根据每个区域内的特征点分布筛选出备选区域;然后根据近单色区域梯度分布平滑的特点,通过计算备选区域的梯度分布并参照平均幅值阈值过滤掉大部分容易被误判的部分;最后根据运动模糊对图像能量衰减的特征对备选区域进行模糊方向估计,并计算模糊方向和与其垂直方向的能量,根据两个方向上能量的比值进一步去掉单色区域和散焦模糊区域。在图像库上的实验结果表明,所提算法能较好从存在近单色区域和散焦区域干扰的图像中检测出运动模糊区域,有效提高局部运动模糊检测的鲁棒性以及适应性。     

倒谱和快速全变差去卷积的运动模糊图像复原

物体和成像系统之间的相对运动导致图像产生运动模糊,降低了图像质量,为了获得更加理想的复原图像,提出一种基于倒谱和快速全变差去卷积相结合的运动模糊图像复原算法。利用倒谱法对运动模糊图像的点扩散函数参数（模糊角度和模糊尺度）进行辩识,采用快速全变差去卷积法对模糊图像进行复原,采用多幅图像进行仿真实验测试算法的性能。仿真结果表明,相对于经典图像复原算法,该算法复原图像的主观视觉效果以及客观评价指标均更优,具有一定的实际利用价值。     

基于频谱边缘检测的运动模糊方向精确估计

针对运动模糊图像的模糊方向估计问题,详细分析了匀速直线运动模糊图像的退化模型,提出一种在频域精确估计运动模糊方向的方法。首先,计算退化图像的频谱,用高斯-拉普拉斯(LoG)边缘检测算子检测出频谱中的暗条纹轮廓;然后,用Radon变换找出垂直于暗条纹的角度;最后,根据图像长宽比确定频谱暗条纹和模糊方向之间的关系,计算出模糊方向。仿真结果表明,对模糊尺度从7到30像素的退化图像的模糊方向估计误差不超过1°,估计结果非常精确。     

运动模糊图像的维纳滤波复原研究

根据运动造成图像模糊的特点详细分析了匀速直线运动模糊图像的退化模型和恢复模型,提出直接在运动方向上建立点扩展函数的算法,并利用改进的霍夫变换检测点扩散参数,再利用二次维纳滤波的方法复原图像。通过实验表明在图像先验条件的要求没有增加的情况下,该方法提高图了像复原的抗噪性和稳定性,并且有效的保持图像细节。     

基于模板匹配法的散焦图像模糊度估计

提出一种新的散焦图像模糊度估计方法。由图像中的阶跃型边缘提取线扩展函数。根据匹配滤波可实现最优信噪比信号检测的思想,引入模板匹配的方法计算线扩展函数的标准差。由点扩展函数的圆周对称性从线扩展函数的标准差得到高斯型点扩展函数的标准差。实验结果表明,该方法能够准确地估计散焦模糊图像点扩展函数的标准差。将点扩展函数的标准差作为一种评价图像模糊度的测度。实验表明该测度符合人眼的视觉特性,可以很好地判定散焦模糊图像的模糊度。     

Improved scheme of estimating motion blur parameters for image restoration

A motion deblurring algorithm is proposed to enhance the quality of restoration based on the point spread function (PSF) identification in frequency spectrum. An improved blur angle identification algorithm characterized by bilateral-piecewise estimation strategy and the membership function method is presented by formulating the edges of the central bright stripe. Subsequently, the subpixel level image generated with bilinear interpolation is employed in the blur length estimation by calculating the distance between two adjacent dark strips. Through comparison with the existing algorithms, experimental results demonstrate that the proposed PSF estimation scheme could not only achieve higher accuracy for the blur angle and the blur length, but also produce more impressive restoration results. Furthermore, the robustness of our method is also validated in different noisy situations.