单幅图象去运动模糊的新方法

由相机抖动引起的图象退化是一种常见现象,由于退化函数和隐藏图象均未知所以对单幅模糊图象进行恢复具有很大难度。介绍了一种新的模糊核估计方法和贝叶斯最小均方误差采样反卷积算法,提出了一种同时具有该模糊核估计和贝叶斯最小均方误差采样算法功能的单幅图象去运动模糊方法,并使用由相机抖动引起的运动模糊图象进行了实验验证和分析,实验结果表明,该方法恢复结果中保留了图象重要边缘信息,振铃失真很少,视觉效果较好。     

数学形态学在图象处理中的应用进展

数学形态学是一种非线性滤波方法,形态和差运算,即膨胀与腐蚀是数学形态学的基础,数学形态学已由二值形态学、灰度形态软数学形态学、模糊形态学发展到模糊软形态学,可用于抑制噪声、特征提取、边缘检测、图象分割、形状识别,纹理分析、图象恢复与重建等图象处理问题,在图象处理领域得到了越来越广泛的应用,本文结合目前的研究进展,对数学形态学的理论研究及其应用进展进行综述性阐述。     

基于直方图的图象去噪滤波器

滤除图象噪声时，虽然利用的先验知识越多，其滤波效果越好，但是一般情况下，由于只能得到一幅被污染的图象，无法获得这些先验知识，因而滤波效果较差。为了解决该问题，提出了一种去除图象中椒盐噪声的新型滤波器。该滤波器首先给出了一种有效的估计原图象直方图的方法，进而利用估计直方图的信息来进行滤波；然后对滤波窗口中的像素进行一种排除最大和最小灰度值的操作，以滤除椒盐噪声点。实验表明，该方法滤波效果优于传统的滤波器和其他模糊滤波器，特别是当噪声概率超过0．3时，这种优势尤为明显。     

可保持图象细节的改进的全方位多级组合滤波器

针对传统全方位多级组合滤波器在去除噪声的同时,会严重模糊图象边缘这一问题,分析了其原因,并指出为了更准确地判断出边缘细节信息,应考虑转角线条走向等特殊情况。提出了一种在去除噪声的同时,可以很好的保持图象边缘细节信息的改进的全方位多级组合滤波算法,实验结果表明,该算法在去除噪声的同时,能更好地保持图象边缘细节,取得较好的处理效果。     

一种新的图象平滑方法及其性能评价

本文提出了一种新的图象平滑方法--修正的邻域平均法.这种方法不仅能够有效地平 滑噪声,还能够锐化模糊的图象边缘;计算比较简单,不需要任何先验知识和预定的参数.为 了定量地评价这种平滑方法的性能,本文对计算机产生的试验图象定义了一种图象优值,作为 评价的指标.并且通过实验将这种平滑方法的性能与梯度的倒数加权平均法、中值滤波法进 行了比较.最后给出了处理实际照片的结果.     

基于噪声调节主成分分析法的彩色图象融合滤波

彩色图象滤波是图象处理领域中的经典命题之一.由于滤波算子选择的不同,滤波后影像的质量也不尽相同.为此在分析经典滤波算子的滤波器特性的基础上,将含噪彩色图象的亮度分量分别经过中值滤波与小波软门限滤波,形成亮度滤波结果图象,而后利用基于噪声调节的主成分分析法对彩色图象与亮度滤波结果影像进行融合处理,得到融和滤波图象.同矢量中值滤波器和α-TMF滤波结果影像相比,融合滤波后影像与原始影像具有更好的峰值归一化均方误差,能够更加真实地反映原始景物的色彩信息.实验证明,该融合滤波方法能有效地滤除高斯噪声、脉冲噪声及其混合噪声.     

SAR与可见光图象匹配方法的研究

由于SAR和可见光成象传感器图象的物理特征不同,因此进行匹配难度很大。本文在深入分析了这两种传感器图象物理特征的基础上,提出了一种图象匹配的新方法。该方法运用形态学滤波方法去除SAR图象斑点噪声,利用图象的边缘特征进行匹配,并采用多分辨率分级搜索技术减少计算量,在对实验结果进行分析的基础上提出了搜索真实匹配位置的原则,大大提高了匹配的准确率。通过实验对SAR图象斑点噪声滤波和SAR与可见光图象匹配算法进行了验证,实验证明本算法的SAR图象去噪效果明显优于传统的Frost方法,图象匹配精度高,稳定性好。     

一种基于小波的SAR图象边缘检测方法

边缘检测是遥感图象处理中很重要的一步。因ＳＡＰ图象通常带有较强的噪声,用传统的边缘检测方法效果不理想。本文采用小波方向检测技术并结合顺序统计滤波的方法,设计了一级方向可调滤波器,根据方向滤波和信息,对ＳＡＲ进行边缘检测。实验证明本算法计算有效,边缘定位准确,并对噪声有抑制作用,从而取得了良好的检测效果。     

图象平滑与边缘检测的模糊向量描述

本文对噪声和边缘的统计特征进行了分析，提出了以Ｐ１（ｉ，ｊ）、Ｐ２（ｉ，ｊ）和Ｐ３（ｉ，ｊ）作为边缘、噪声和非边缘非噪声的隶属函数，并在此基础上建立它们的牲描述向量。借助于该特征向量。将图象平滑和边缘检测转化为一个模式识别的问题。从理论上讨论了解决图象处理中长期存在的去噪和保持边缘细节的折中问题的思路，并构造出了基于模糊模式识别的图象边缘检测和图象滤波的基本框架。     

一种分类滤波的去噪新方法

均值滤波或中值滤波只对某一种噪声有较好的滤波效果,为了克服单一滤波的缺陷与不足,提出一种分类滤波的去噪新方法.该方法先判断像素点是否需要滤波处理;再对需要处理的像素点按噪声特点进行分类,然后采用一种基于模糊隶属度的加权裁剪均值滤波方法滤除平坦噪声,采用中值滤波滤除孤立噪声.实验证明此方法可以抑制对所有像素点的同一滤波处理而造成的图像边缘细节模糊,而且对滤除多种不同类型的噪声有较好效果.     

匀速直线运动模糊的RSF之估计

点扩展函数的设置是影响图像恢复结果好坏的关键问题。对于匀速直线运动模糊,要得到好的恢复效果必须能够正确估计模糊范围D和运动模糊方向。在文献[2]中用带最优窗的维纳滤波方法有效地去除了噪声和减小了边缘误差,除了边缘的L－形条带外可得到近乎完善的恢复效果;并且证明了对任意方向的直线运动模糊图像的恢复只能直接设置二维点扩展函数进行二维恢复,不可先进x方向的一维恢复再进行y方向的一维恢复。该文进一步给出了估计模糊范围D和运动方向的频谱方法：模糊范围D和图像中心与相邻黑线间的距离uo成反比;运动方向与模糊图像G（u,v)的频谱中的平行条带垂直。     

一种有效的运动模糊图像恢复算法

探讨了任意方向的匀速直线运动模糊图像的恢复问题。证明了对任意方向的商线运动模糊图像只能直接设置二维点扩展函数进行二维恢复，不可先进行x方向的一维恢复再进行y方向的一维恢复。给出了估计PSF的方向和模糊范围D的频谱方法。并用实验验证了PSF谱估计方法的有效性，以及带窗的维纳滤波方法相比于标准维纳滤波方法的优越性。     

基于TVGA正则化的室内运动模糊图像恢复

针对室内环境下相机曝光时间长,被摄目标相对相机运动会产生图像模糊的问题,以室内服务移动机器人为研究背景,提出了一种基于Topkis-Veinott梯度法(TVGA)正则化运动的模糊图像恢复方法。此算法首先采用方向导数法估计出运动模糊方向,同时将图像运动模糊方向旋转至水平轴;然后采用自相关函数平均法确定运动模糊长度,并算出运动模糊点扩展函数(PSF);最后采用改进的TVGA最优化正则参数,进而恢复原始图像。与经典的Wiener法和两种正则化恢复方法进行的比较结果表明,用TVGA法正则化恢复的图像效果较好,不仅较接近原始图像,且易于实现。     

运动模糊图像恢复的算法研究与分析

运动模糊图像恢复是图像处理中的重要部分。从运动模糊图像退化模型开始,介绍比较了几种恢复算法,并选取其中的维纳滤波法进行深入具体的实验,分析了图像恢复过程中存在的运动模糊仿真图片的正确生成、振铃效应及其与恢复算法参数的选取之间的关系等问题,最后简要分析了图像恢复中质量变差的原因。     

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。     

图像模糊度参数估计与图像复原的实验及分析

由于成像系统与运动物体之间存在相对运动，摄像机在成象过程中经常会产生运动模糊。为了有效复原退化图像，需要从模糊图像中估计模糊函数的某些参数、噪声统计量等相关信息。在运动模糊中，模糊函数中最重要的参数是模糊度参数。模糊图像的模糊度内的像素点存在着相关性，利用其相关性可估计模糊度参数。根据运动模糊图像中沿着运动模糊方向与其他方向有不同图像特性的特点，估计水平直线运动图像模糊度参数并采用维纳滤波方法复原模糊图像，取得了较好的恢复效果。     

一种改进的运动模糊图像复原算法

根据运动造成图像模糊的特点,本文阐述了匀速直线运动模糊图像的退化模型,介绍了维纳滤波复原方法,提出了一种改进的运动模糊图像复原算法。该算法首先加强Radon变换算法的抗噪性能,利用自相关运算估计点扩展函数的模糊尺度参数,采用改进的K值自动估计算法较准确地估计出K值,再用维纳滤波复原图像。结果表明,这种改进的综合算法能够较为精确地估算出运动模糊图像的模糊参量,取得了较好的复原效果。     

基于运动检测的图像去模糊算法

针对相机曝光期间,由于相机和被拍摄物体之间存在相对运动而产生的图像模糊的问题,提出一种基于运动检测的图像去模糊算法。本算法根据相机成像的数学模型,推导出模糊核的参数（长度和方向）与相对运动之间的定量关系,通过维纳滤波对图像进行滤波去模糊。通过实验,可以观察到滤波过后的图像在细节上更加清晰,表明本方法能够一定程度上地去除模糊。     

Blind image deconvolution via dispersion minimization

In linear image restoration, the point spread function of the degrading system is assumed known even though this information is usually not available in real applications. As a result, both blur identification and image restoration must be performed from the observed noisy blurred image. This paper presents a computationally simple iterative blind image deconvolution method which is based on non-linear adaptive filtering. The new method is applicable to minimum as well as mixed phase blurs. The noisy blurred image is assumed to be the output of a two-dimensional linear shift-invariant system with an unknown point spread function contaminated by an additive noise. The method passes the noisy blurred image through a two-dimensional finite impulse response adaptive filter whose parameters are updated by minimizing the dispersion. When convergence occurs, the adaptive filter provides an approximate inverse of the point spread function. Moreover, its output is an estimate of the unobserved true image. Experimental results are provided.     

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。