用双层重建法实现单幅图像的超分辨率重建

针对现有基于稀疏编码的单幅图像超分辨率重建算法易导致重建图像中出现不正确几何结构的现象,提出一种字典非相关性约束和稀疏系数非局部自相似性约束结合的稀疏编码方法。为解决引入这种自相似性约束造成的重建图像边缘过度平滑、模糊的问题,提出了基于平滑层和纹理层的双层重建框架。该方法运用一种全局非零梯度数目约束重建模型重建平滑层;通过提出的稀疏编码方法重建高分辨率纹理图像。最后,利用一个全局和局部优化模型进一步提升重建图像的质量。实验结果表明,与一些具有代表性的重建方法相比,该方法得到的峰值信噪比(PSNR)和结构相似度(SSIM)平均值分别提高了0.798 7~3.242 4dB和0.018 6~0.083 5,不仅主观视觉效果上取得了明显的改进,鲁棒性得到增强,而且重建出了更加准确的结构和边缘,取得了更好的重建效果。     

一种抗模糊失真的结构相似度图像质量评价法

针对人眼对不同图像纹理的敏感差异,提出了一种抗模糊失真的加权结构相似度(WSSIM)图像质量评价方法,它通过提取人眼敏感的边缘信息,将图像分割成不同区域,进行加权处理,获得加权结构相似度(WSSIM),解决了SSIM对于严重模糊图像的评价问题.在LIVE图库中的高斯模糊库(Gaussian_Blur)与PSNR,SSIM,多尺度结构相似度(MS-SSIM)进行仿真比较.实验结果表明,WSSIM模型计算简单,评价性能远远优于前两种方法而略优于MS_SSIM.     

基于光纹特征的激光主动照明图像去模糊

受光学系统离焦、大气扰动、平台振动的影响,激光主动照明系统捕获的图像容易被模糊,而传统的去模糊方法难以取得良好的复原效果,故本文提出基于光纹特征的盲解卷积复原方法来实现图像去模糊。首先将模糊图像降采样,建立尺度金字塔,在尺度空间查找光纹特征图像块。随后基于激光主动照明图像饱和像素较多的特点,提出新的图像退化模型。最后针对模糊核估计、光纹参数更新、清晰图像复原3个步骤,提出适用的能量函数,迭代复原出无噪清晰图像。搭建了主动照明系统,在捕获的激光主动照明图像上进行了实验,并与现有方法进行了对比。结果表明:本文方法不仅能够复原出清晰图像,而且能有效抑制振铃效应,其客观评价指标峰值信噪比(PSNR)优于已有的其他算法。     

保留结构特征的稀疏性正则化图像修复

以压缩传感和稀疏表示为理论依据,提出了一种基于剪切波变换的稀疏性正则化的图像修复模型,以便更好地保留图像的结构特征.该模型用剪切波作为图像的稀疏表示,以稀疏性作为正则化项;同时基于变量分裂法,采用增广Lagrange优化方法求解最优化问题.另外,通过交替最小化方式来降低计算复杂性.从峰值信噪比(PSNR)、结构相似度(SSIM)、收敛速度和视觉效果等4个方面验证了算法的有效性.结果显示:利用本文算法修复图像的质量明显优于其他算法,获得了更优的PSNR和SSIM值.新的模型无论是在客观还是视觉主观方面都具有更好的性能,同时算法具有更快的收敛速度.得到的结果表明本文算法能够更好地修复图像,获得较好的视觉效果.     

高阶混合正则化图像盲复原方法

提出了一种高阶混合正则化图像盲复原方法,用于实现模糊噪声图像的清晰化盲复原。根据自然图像边缘的稀疏特性,对图像的边缘细节成分进行了全变差(total variation TV)正则化约束,根据自然图像同性质平滑区域内像素值的变化规律,将一种高阶的类Tikhonov正则化约束运用于图像的平滑区域中,提出了一种新的高阶混合正则化模型。最后,提出一种多变量分裂布雷格曼(Multi-variable Split Bregman MSB)最优化迭代策略对提出的模型进行最优化求解。实验结果表明,提出的方法能够很好地保护图像的边缘细节,同时有效地消除图像平滑区域内的阶梯和假边缘瑕疵。与近几年的一些较好的图像盲复原方法相比,本文方法的信噪比增量(increase of the signal to noise ratio ISNR)增加了0.03~2.5 dB。     

红外焦平面阵列的盲元自适应快速校正

为实现红外焦平面阵列(IRFPA)盲元的自适应快速校正,本文设计了一种基于三梯度阈值检测的快速盲元校正方法。先通过优化L0范式的约束方程消除图中的非均匀条纹,排除干扰,再对水平、竖直和对角3个方向进行梯度阈值检测,找到盲元位置点,并与中值滤波结果进行点对点匹配,剔除误检测点,最后通过局部中值滤波完成盲元校正。依据盲元的缓变特性,通过合理更新盲元模板实现了单帧和序列图像的快速盲元校正。实验结果表明:相比于传统方法,本文方法的信噪比(SNR)和峰值信噪比(PSNR)提高了10~14dB,结构相似度指标(SSIM)提高了0.01~0.02,对图像中的随机和连续盲元的校正效果都很好,同时运算速度得到了大大提升,在保证图像质量指标的情况下速度提升了3~10倍,可以在到实际红外系统中实现动态检测和实时处理。     

多范数混合约束的正则化图像盲复原

针对传统的正则化盲复原方法中图像和点扩散函数(PSF)的保真项和正则项分别采用同范数约束致使复原图像的质量下降,估计出的PSF准确性降低的问题,提出了多范数混合约束的正则化图像盲复原方法.首先,复原图像的保真项和正则项分别采用L1范数和全变分(TV)范数来消除复原图像中的阶梯效应并较好地保护复原图像的边缘.其次,PSF的保真项和正则项分别采用L2范数和H1范数以降低估计PSF时参数调节的难度.最后,通过分裂布雷格曼迭代方法对提出的模型进行最优化求解.在人造模糊图像和真实模糊图像上进行了实验,结果表明:提出的方法能够对运动、散焦等多种模糊类型的图像进行有效复原,并准确地估计出相应的PSF.与近年来一些较好的模糊图像盲复原方法相比,不仅在主观视觉效果上有较为明显的改进,而且在客观的改善信噪比(ISNR)上也提高了0.36 dB到14.66 dB.     

基于跨尺度字典学习的图像盲解卷积算法

在模糊核未知情况下利用模糊图像对清晰图像进行复原称为图像盲解卷积问题,这是一个欠定逆问题,现有的大部分算法通过引入模糊核和清晰图像的先验知识来约束问题的解空间。本文提出了一种基于跨尺度字典学习的图像盲解卷积算法,采用降采样图像训练稀疏表示的字典,并将图像纹理区域在该字典下的稀疏表示作为正则化约束引入盲解卷积目标函数中。图像降采样过程减弱了图像的模糊程度,且图像中存在冗余的跨尺度相似块,利用更清晰的图像块训练字典能够更好地对清晰图像进行稀疏表示,减小稀疏表示误差;同时,由于在纹理区域清晰图像的稀疏表示误差小于模糊图像的稀疏表示误差,在该字典下对图像中的纹理块进行稀疏表示,使重建图像偏向清晰图像。本文的算法在Kohler数据集上复原结果的平均峰值信噪比为29.54 dB。在大量模糊图像上的实验验证了本文的算法能够有效解决大尺寸模糊核的复原,并具有良好的鲁棒性。     

基于归一化超拉普拉斯先验项的运动模糊图像盲复原

基于变分方法提出了一种运动模糊退化图像的盲复原算法.考虑自然场景的图像梯度符合长拖尾概率分布,提出的方法采用归一化的超拉普拉斯先验项作为变分能量方程中的光滑项,从而有利于图像在去模糊的求解过程中正确解收敛.由于建立的能量方程不是严格凸的函数,故引入了分裂方法进行求解.整个运动模糊退化图像的盲复原过程在多尺度框架下由粗到细尺度渐进执行.最后利用估计出的点扩展函数计算清晰图像.相对于传统的盲复原算法,本文提出的算法不需要预测图像的梯度信息和对梯度进行筛选,直接求解能量方程就能够得到相应的正确解.得到的结果验证了本文算法的有效性.     

低秩聚类被动压缩鬼成像

低采样率下的高质量鬼成像（GI）对于科学研究和实际应用具有重要意义,为了在低采样率条件下重建高质量图像,提出了一种高质量的被动式压缩鬼成像重构算法（PCGI-LRC）。基于图像的非局域相似块堆叠而成的矩阵具有低秩和稀疏奇异值的假设,从理论和实验上证明了一种对最小二乘问题与非局域相似块低秩近似问题进行联合迭代求解的方法,能够在低采样率（6.25%～50%）条件下实现高质量鬼成像。实验结果表明：与基于稀疏基约束的GI(GI-SBC)和基于全变分约束的GI(GI-TVC)相比,PCGI-LRC在峰值信噪比、结构相似性系数和视觉观测等方面均更优,在抑制重构噪声的同时保持了目标的细节信息,其中PSNR提升效果优于1.1 dB,SSIM提升效果优于0.04。     

航空多重模糊图像恢复算法

提出一种针对多重模糊的图像恢复算法,解决航空成像中多重模糊同时作用时的图像恢复问题。对多重模糊的物理模型进行分析,通过分步去模糊对多重模糊图像进行恢复。对空间不变模糊的点扩散函数进行合并,减少多重模糊恢复过程的计算误差累计,通过一次解卷积运算实现多重空间不变模糊图像的恢复。对包含空间变换模糊的多重模糊在分步恢复过程中所产生的图像误差噪声进行分析,使用维纳滤波对阶段误差噪声进行抑制,使得恢复图像的PSNR值提高7.76dB。实验结果表明基于点扩散函数合并的恢复方法能将多重模糊图像的PSNR值提高到28.09,有效地保障了图像的恢复质量。     

旋转运动模糊的实时恢复算法

提出一种旋转运动模糊恢复算法,解决航空成像时旋转运动模糊的实时恢复问题。对旋转运动模糊这种具有异速像移的空间变化模糊进行分析,推导出旋转运动模糊的数学模型。用基于Bresenham画圆法的坐标转换方法将旋转圆弧上的空间变化模糊转变为常见的线性空间不变模糊,并使用一维维纳滤波对原圆弧轨迹上的像素点进行模糊恢复。实验结果显示：本文算法在GPU处理平台下用3.31ms即能完成一帧1024x1024 8bit旋转运动模糊图像的恢复,实现图像的实时恢复处理;同时图像上的细节信息均能得到很好的恢复,恢复图像的PSNR为28.76。算法的效率及效果表明本文算法具有一定的实用价值。     

改进的稀疏表示遥感图像超分辨重建

为了进一步提高遥感图像超分辨效果,提高超分辨重建速度。针对以往稀疏超分辨算法中更容易丢失边缘信息和引入噪声的问题,本文改进了特征提取算子,以对称近邻滤波(SNN)代替高斯滤波,重点解决特征空间中的字典学习问题。首先,根据遥感图像退化模型生成训练样本图像,并分别对高、低分辨率遥感图像进行7×7分块,生成字典训练样本。然后,建立连接高、低分辨率图像空间的双参数联合稀疏字典,将字典学习过程中的稀疏系数分解为系数权值和字典原子的乘积,依据字典原子指标训练和更新字典,得到高低分辨率联合字典映射矩阵。最后,进行遥感图像超分辨稀疏重构。实验结果表明:与当前最先进的稀疏表示超分辨算法相比,本文算法得到的超分辨重建遥感图像的主观效果更好,恢复出更多的地物细节信息;客观评价参数峰值信噪比(PSNR)提高约1.7dB,结构相似性(SSIM)提高约0.016。改进的稀疏表示超分辨算法可以有效地提高遥感图像超分辨效果,同时降低重建时间。     

基于L0稀疏先验的相机抖动模糊图像盲复原

提出了一种基于L0稀疏先验的改进正则化模糊图像盲复原算法来解决相机抖动所产生的模糊问题。根据模糊图像的梯度分布要比清晰图像稠密并且暗通道的稀疏性也相对较小这一固有属性建立了新的优化模型。针对L0范数的高度非凸性和暗通道稀疏优化过程中涉及到的非线性最小化问题,提出了一种近似线性映射矩阵,并用半二次分解法对L0最小化问题进行求解。最后,采用快速傅里叶变换在频域中对模糊核及清晰图像进行交替迭代运算得到复原图像。对多幅不同类型的模糊图像进行了实验,结果显示:复原图像平均灰度梯度高达11.411,图像信息熵达到7.304,处理365×285的图像只需8.07s。提出的算法有效抑制了图像边缘处的振铃效应,完整保留了清晰的细节信息的同时显著提高了运算速度,并适用于多种不同类型图像的盲复原。     

基于TV-L~1分解的红外云图超分辨率算法

提出一种基于TV-L1分解的红外云图超分辨率算法。该方法采用原始-对偶算法求解TV-L1图像分解模型,将低分辨率云图分解为结构部分和纹理部分:对结构部分采用软决策自适应插值(SAI)处理;对纹理部分则基于非下采样Contourlet变换(NSCT)具有多方向和平移不变的特性,构造非线性增益函数对其NSCT变换域系数进行处理,然后对处理后的变换系数进行NSCT逆变换实现纹理增强。最后,将处理后的结构部分和纹理部分组合起来得到重构的高分辨率云图。实验结果表明,所提出的算法在视觉效果以及图像质量定量评价上均优于传统插值方法,在实现两倍超分辨率时,其峰值信噪比(PSNR)和结构相似度(SSIM)平均值分别提高了1.316 2~4.591 9dB和0.007 1~0.020 6;实现三倍超分辨率时PSNR和SSIM平均值分别提高了0.338 7~4.58dB和0.001 8~0.041 7。由于SAI插值和非下釆样Contourlet变换准确表示了云图的不同形态特征,故所提算法的超分辨率结果不但准确重建了云图中的结构部分,而且有效保持了红外云图纹理和边缘。     

一种基于参考图频谱相关的模糊参数判别方法

对于模糊图像的复原,模糊模型参数判别的准确性是一关键,针对大尺度模糊图像有效细节信息的丢失,噪声等干扰对模型特征的减弱,以及实拍图像的频谱特征不明显等问题,提出了一种基于参考图像频谱相关性的模糊参数判别方法,将一幅清晰图像按照不同模糊参数进行模糊处理,并与待复原图的频谱进行相关性分析计算,以获得准确的模型参数。实验结果证明,该方法能够适应大尺度散焦模糊,具有较强的抗噪性并且适应实拍的散焦模糊图像复原。     

基于增强拉东变换及稀疏先验的模糊星斑复原

为了提高动态条件下星光导航系统星斑质心定位精度,本文提出了一种新的模糊星斑复原算法。首先,分析了星斑图像退化模型,得出了星斑质心定位精度与星斑信噪比呈正相关的关系。对于载体角运动和载体振动两个因素引起的模糊星斑复原过程分成粗级复原和精级复原两个步骤。接着分析了噪声对拉东(Radon)变换的影响,提出基于灰度拉伸的改进Radon变换算法进行粗复原。最后,根据清晰星斑的梯度分布稀疏先验正则化,利用迭代盲复原算法对星斑进行精复原。仿真实验结果表明,本文提出的两步模糊星斑复原算法较传统算法复原后星斑峰值信噪比(PSNR)提高30%,质心定位精度提高55%。