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.     

运动成像混合模糊的全变分图像复原

为了实现运动成像中视频帧内复原,研究了帧内运动模糊和离焦模糊两种常见模糊类型带来的混合模糊问题。首先,依据模糊图像的频谱特性定性判定模糊类型,利用倒谱分析的方法定量估计模糊模型点扩散函数,依据工程实际选取模糊参数进行仿真实验,实现点扩散函数估计方法的准确性验证。然后,采用耦合梯度保真项的改进型全变分图像复原算法,约束点扩散函数估计误差对图像复原的影响,并采用适应L1范数的Split-Bregman算法完成复原算法的数值实现。最后,对算法性能进行验证,完成仿真和实拍混合模糊图像的复原。实验结果表明,倒谱分析估计点扩散函数的准确率达到90%。复原算法能保持图像边缘和细节,并有效抑制振铃效应,帧内稳像的图像峰值信噪比为28.92 dB。     

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。     

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%。     

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。     

湍流退化红外图像降晰函数辨识

针对高速湍流场导致的红外成像模糊,提出了一种基于图像质量评价的湍流退化红外图像降晰函数辨识算法。利用先验知识将退化过程简化为可用参数描述的二维高斯函数形式,将退化图像分割为边缘区、纹理区和平坦区,计算不同支持域下复原图像在不同参数时的峰度值;利用曲率最大准则对得到的“峰度-参数”曲线进行相应的降晰函数参数估计,进而由支持域和对应的估计参数得到对应降晰函数并用于复原退化图像;最后对复原图像进行无参考图像质量评价,评价指标最高的复原图像对应的降晰函数即为最终辨识结果。实验结果表明：该算法能较好地辨识降晰函数参数和支持域大小,当退化图像信噪比大于30 dB时,估计参数与真实值的最大偏差小于±5%。该算法所得结果可以作为湍流退化红外图像其他复原算法的降晰函数起始估计。     

应用自适应权值矩阵的图像复原

由于自然图像先验模型的概率密度函数的非高斯性(稀疏性的)会导致图像复原的最优化函数不再是凸的,传统意义上的最大后验估计已不能很好地求得最优估计解,因此本文提出利用自适应权值矩阵来解决这一问题.进行图像复原时,首先利用自然图像先验模型有效地抑制振铃效应,然后利用基于自适应权值矩阵的共轭梯度算法来解决由于稀疏先验模型导致的最优化函数非凸的问题.权值矩阵可根据上一次的迭代结果进行更新,并能够纠正图像在上一次迭代过程中局部区域导数估计的错误.实验结果显示,利用本文方法得到复原图像的峰值信噪比(PSNR)为36.131 6,优于其它算法.最后,用本文方法对全景图像进行复原,得到了很好的复原效果,证明了本文方法的实用性和有效性.     

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.     

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。     

非凸高阶全变差正则化自然光学图像盲复原

受噪声和图像边缘结构信息的影响,传统的图像盲复原方法易出现"振铃"、"拖尾"、"阶梯"等现象。为解决上述问题,本文利用图像的后验信息、点扩散函数(PSF)的稀疏性以及l1,l2两类范数在约束中的不同作用,提出了一种更一般的非凸高阶全变差正则化自然光学图像盲复原模型。针对提出模型的非凸优化问题,在数值求解过程中对模型的范数结构进行改进,引入Split-Bregman权值迭代方法,提高了计算精度。对人工模拟退化图像和真实图像进行了实验测试。结果表明,提出的方法能够对多种退化类型的图像进行有效复原,复原后的图像边缘保持良好,细节和纹理的处理都优于最近文献提出的模型。客观评价结果显示,相比最近文献的模型,提出模型的峰值信噪比最大可以提高2.08dB,信息熵值最大可以提高1.14个单位。     

应用半二次罚函数的图像盲去模糊

由于现有的模糊图像盲恢复算法计算复杂度高,计算量大,本文提出了一种基于半二次罚函数的图像盲去模糊算法,并进行了实验验证。应用图像噪声的多阶偏导数的高斯分布特性和图像梯度值服从hyper-Laplacian分布特性建立方程,使用高效交替迭代的算法对方程求解。由于迭代过程中采用快速傅里叶变换一次求解,故大大降低了运算时间,同时获得了很好的恢复效果,为实现实时视频图像去模糊奠定了基础。对一个百万像素级的图像进行了去模糊实验,结果显示,本文算法比当前流行的算法有更快的计算速度和更好的鲁棒性,计算时间缩短了60%。提出的算法为视频图像的实时盲恢复提供了新的工具。     

大气激光通信光斑图像的快速复原与实时检测

针对大气湍流对激光通信中对信标光的捕获、跟踪与对准(ATP)的影响,提出了基于盲解卷积的快速复原与实时检测算法。采用一维点扩散函数重新构造方位退化模型,取代了原有经典二维退化模型;改进了约束共轭梯度算法中的约束算子,并通过改进的共轭梯度迭代算法求得对原始图像的估计;最后通过连通域计算提取估计结果中的光斑中心位置。采用现场可编程门阵列和数字信号处理器实现所提出的共轭梯度算法并提取光斑中心位置,满足了系统实时性要求。实验表明,所提出的快速复原算法能够实时复原分辨率为200pixel×200piexl,帧频为100 Hz的光斑图像,所提取的信标光光斑中心位置与事后计算结果的误差小于1pixel,能够满足激光通信系统对信标光的实时跟踪要求。     

盲复原高斯模糊图像

经典的图像恢复算法设点扩展函数(PSF)是已知的,然而在许多情况下PSF难以确定,不得不在只知道成像系统部分信息甚至没有任何信息的情况下估计真实图像和PSF,这一过程称为图像盲复原.对于高斯模糊图像,它的PSF是很难被检测出来的,因此高斯模糊图像的盲复原一直是个棘手的问题.利用高斯点扩展函数的特性,初始估计PSF并对加...     

基于非负支撑域受限递归逆滤波的自适应图像盲复原

针对原始非负支撑域受限递归逆滤波(NAS-RIF)算法存在的缺点,提出了一种自适应的NAS-RIF图像盲复原算法.首先,在NAS RIF算法的代价函数中加入正则化约束项和空域加权因子,通过自适应地调整正则化参数和空域加权因了来改善算法的抗噪性能,并确保复原的逼真和平滑.然后,在算法的每次迭代中,采用图像分割技术找到准确的目标支持域,并用背景的平均值取代非均匀背景.最后,利用N步重置共轭梯度法优化代价函数,加快了算法的收敛速度.在不同信噪比条件下对两种模糊图像进行了实验,结果显示,采用本文算法得到的信噪比增益(△SNR)分别为6.315 3 dB和8.910 6 dB,表明该算法具有较好的噪声抑制和边缘细节恢复效果.对低信噪比的退化图像,本文算法也能得到更好的复原结果.     

适用于光照不均匀图像的边缘检测算法

首先利用图像梯度方向特征改进Canny算法,使之更适合连续边缘的检测。然后将其与基于侧抑制原理的图像增强算法结合,设计了一种新的适用于噪声背景下光照不均匀图像的边缘检测算法。算法实验结果表明该边缘检测算法能有效提取光照不均匀图像中的连续边缘。     

基于稀疏表示和Weber定律的运动图像盲复原

针对运动过程中视觉图像易产生运动模糊的问题,提出了一种基于稀疏表示和Weber定律相结合的图像盲复原方法。该方法利用冲击滤波器预测模糊图像的显著边缘梯度,并用多尺度策略由粗到细进行模糊核的估计。然后,对图像盲复原模型进行稀疏正则化约束,并结合反映人类视觉特性的Weber定律对合成模糊图像和真实模糊图像进行盲复原。实验结果表明,本文采用的盲复原算法的性能指标和图像的纹理都达到了较优的复原效果。与近年较好的Rob Fergus去模糊方法和Xu Li去模糊方法相比,对Lena模糊图去模糊后的结构相似度(SSIM)为0.762 4,峰值信噪比(PSNR)提高了1.82~2.99dB;对Cameraman模糊图去模糊后的结构相似度(SSIM)为0.8589,PSNR提高了2.46~5.58dB。另外,本文方法降低了复原图像的边界伪影,符合人的视觉感知特性。