用径向基函数网络复原超声C扫描图像

针对超声C扫描图像中存在噪声干扰和边界模糊而导致图像质量下降的问题,提出了一种基于径向基函数网络复原超声C扫描降质图像的方法.用Φ3mm平底孔的超声C扫描降质图像对网络进行训练,建立了降质图像和复原图像之间的映射关系,并用其它降质图像验证了网络.试验结果表明,该网络能有效地消除图像中的噪声和边界模糊现象,使图像中尺寸更加接近实际尺寸.同时,通过对比三种不同网络的复原效果,得到了一个最佳网络参数.     

基于边缘分离的去振铃复原

针对模糊图像复原后常常存在的振铃现象,提出了一种基于边缘分离的去振铃复原方法。该方法首先使用基于图像质量评价的降晰函数辨识方法估计模糊图像的降晰函数尺寸,提取模糊图像中的强边缘并平滑边缘区域得到去边缘模糊图像。然后,利用估计降晰函数对去边缘模糊图像进行迭代盲复原。最后,提取边缘增强后加入到复原的去边缘图像中得到完整的复原图像,并对复原图像进行增强。复原过程中为了抑制噪声放大使用了Wiener和离散小波变换(DWT)联合去噪算法对图像的低频区域进行去噪。实验结果表明:与传统的迭代复原算法相比,本算法复原图像的振铃测度降低了34%以上,比基于Fuzzy滤波器的去振铃算法低12.5%以上;同时,本算法复原的图像质量也得到了明显提升。     

运动模糊退化图像的双字典稀疏复原

为了消除图像中的运动模糊,提出了一种稀疏理论框架下的双字典稀疏复原方法,并分析了冗余字典的选取和迭代算法的实现.首先,建立了稀疏变换下的退化和复原模型,用Haar系数冗余字典将图像稀疏化,并用PCD阈值迭代算法对模糊图像进行收敛,得到复原图像.由于在有效去除复原图像的模糊的同时噪声在迭代过程中被放大并叠加在图像上,故从...     

一种基于超声C扫描成像原理的图像边缘检测方法

针对超声C扫描图像中缺陷边缘的模糊问题，通过建立超声C扫描成像的数学模型，分析了异种材料结合界面超声波反射能量的分布情况。结果表明，由于聚焦探头焦点直径的存在．使得结合界面中缺陷边缘两侧反射声波能量发生变化，从而引起了超声C扫描图像中缺陷边缘的模糊现象。基如此，提出了一种快速确定C扫描图像缺陷边缘的方法。对平底孔超声C扫描图像边缘检测的试验结果表明，该方法适用于超声C扫描图像的边缘检测．明显优于Sobel算法和Canny算法，能够快速准确检测出缺陷边缘。     

基于曲面拟合与广义总变分的卫星图像盲复原

鉴于卫星成像过程中大气与相机系统的模糊效应,提出了一种肓图像复原算法,该算法包括调制传递函数(MTF)估计步与图像复原步.在MTF估计阶段,通过分析卫星成像链路中的每一降质过程,给出了总的MTF的参数模型并用以拟合降质图像的归一化对数振幅谱曲面.在图像复原阶段,给出了一种基于最大后验概率(MAP)估计的边缘保存图像复原算法,该算法假定原始图像边缘的先验分布满足广义高斯分布(GGD)模型并且其形状参数与尺度参数由矩估计法自适应确定.最后算法被证明为一种广义的总变分(Tv)正则化复原方法且由梯度投影法进行优化求解.在数值实验中,通过比较SPOT-5卫星图像与中巴地球资源卫星-02B星(CBERS-02B)高分辨率相机(HR)卫星图像的复原结果,算法在边缘保存与噪声抑制方面都要优于TonyClam等人提出的基于TV正则化的迭代非参数盲复原与L.Bar等人提出的基于Mumford-Shah正则化的迭代参数盲复原.     

光电成像系统获取图像的多项式能量约束复原

针对空间移变点扩散函数造成的空间移变图像降质,提出一种简单适用的复原算法.算法基于多项式近似逆滤波原理,将能量约束复原滤波器的传递函数按泰勒级数展开,用多项式近似表示,并将展开式与降质图像频域表达式的乘积反傅立叶变换到空间域,由此得出复原图像表达式,是降质图像各阶导数的线性组合,组合系数由成像系统的点扩散函数和能量约束参数唯一确定.对模拟和实际空间移变光电成像系统获取图像的处理表明,算法能有效的复原空间移变点扩散函数造成的图像降质.     

一种联合空域和频域的图像恢复方法

针对图像退化模型的特点,提出一种在空域和频域联合恢复模糊图像的算法.首先在空域中对降质图像去噪,而后,在频域中提出由约束最小二乘方的方法改进的图像恢复方法.实验表明这种空域和频域联合恢复图像的方法既滤除了噪声,又降低了频域反卷积时引起的边缘模糊等振铃效应,获得了很好的视觉效果.     

基于运动模糊特征分割的空间移变降质复原

针对一类由动机座上的相机对运动目标拍摄得到的空间移变降质图像,提出基于像素运动模糊特征分割的图像复原方法。首先分析由于运动模糊的卷积作用,该类图像中的运动目标和背景产生相对位移,两者的像素发生叠加,发现若背景灰度均匀,则叠加区相邻像素灰度值的变化程度相似。根据该灰度变化特征检测运动模糊方向上的目标边缘,并结合canny算子检测平行于模糊方向的边缘,两部分边缘图像进行求或运算,然后利用形态学操作处理,从而分割得到完整的目标模糊图像。对该目标图像剔除叠加区的背景灰度信息,并补零扩充为完全卷积的模糊图像,最后利用反卷积复原算法去除模糊。实际复原结果证明,该方法能够有效地解决该类空间移变降质图像的复原问题。     

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。     

基于非下采样Contourlet网络的声呐图像重建

针对声呐图像分辨率低、边缘模糊的问题,提出一种基于非下采样Contourlet网络的声呐图像超分辨率重建方法.对高分辨率声呐图像进行降质样本构建,通过非下采样轮廓波网络来学习降质样本图像的带通方向子带及相应高分辨率声呐图像的带通方向子带间的非线性映射关系,再利用映射系数重建降质声呐图像的带通方向子带,并对降质声呐图像的低通子带进行立方插值,得到高分辨率的低通子带,最后进行非下采样轮廓波逆变换.实验结果表明,该方法重建的声呐图像具有更好的边缘、细节保持效果.