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.     

结合颜色线和暗通道的遥感图像去雾

为了解决遥感图像中存在雾气引起图像可见度下降的问题,提出一种基于颜色线先验和暗通道先验的遥感图像去雾算法。针对颜色线先验对部分场景不适用的情况,提出一种基于最小二乘的透过率优化方法,通过计算先验可信度权重来加权融合颜色线先验和暗通道先验估计的透过率图,以获得更为准确的透过率分布。为了避免halo效应,在优化方程中加入梯度正则化约束。实验结果表明,本方法对透过率估计准确,重建结果清晰度提升明显。另外,该方法改善了客观评价指标,其灰度平均梯度（GMG）和信息熵（IE）平均值最高,取得了最佳的重建效果。     

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.     

基于Tikhonov模型的原-对偶算法在图像恢复中的应用

图像在采集、存储、传输以及显示过程中,由于各种因素,往往会造成图像模糊,所以消除图像中的噪声、去除模糊等意义重大。在模糊图像恢复过程中,运用针对Tikhonov正则化问题演化来的梯度下降法与原-对偶算法,以及它们改进的算法对模糊图像进行恢复。在这一模型中,正则化参数的选择对图像恢复的效果有很大的影响,选取一个相对合适的正则化参数来平衡拟合项与正则项情况很重要。选定合适的正则化参数后,在Armijo准则下应用0.618优选法选择步长,进行梯度下降法以及正则化下的原-对偶算法的计算,对模糊灰度图像进行恢复。使用上述2种方法对模糊图像进行恢复,实验表明,与梯度下降法相较而言,原-对偶算法在图像恢复中效果更好。     

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。     

快速运动模糊图像盲解卷积算法

针对快速运动形成的图像模糊,提出了一种运动模糊图像盲解卷积算法.首先,对被噪声污染的频谱图像进行脊波增强;然后,采用一种新的基于Radon变换的鲁棒算法来确定模糊核函数,该算法在小模糊长度和低信噪比的条件下仍能准确地估计模糊核参数;确定模糊核函数后,采用基于hyper-laplacian先验的快速非盲解卷积算法来恢复模糊图像.实验结果证明,与基于机器学习的R.Fergus的算法相比较,本文算法在获得相近效果的前提下,计算时间从近30 min下降到40 s左右.该算法对合成运动模糊图像和实际相机运动的自然模糊图像都具有较好的恢复效果.     

基于自适应冗余矩阵分类器的滚动轴承故障诊断方法

采用传统矩阵分类器(即支持矩阵机SMM)进行滚动轴承故障诊断时存在一定的局限性，即在进行冗余特征分类时难以提取有效特征进行建模，为此，提出了一种基于自适应冗余矩阵分类器(ARMC)的滚动轴承故障诊断方法。首先，在构造ARMC模型的过程中，通过核函数创建了高维分布空间，解决了样本数据线性不可分的问题；然后，采用约束L₁范数的思想，使得样本到所有聚类凸包边界的距离最短，进而将其转化为求解线性规划的问题，降低了模型计算的复杂度；通过正则化约束来控制低秩项，进而弱化冗余特征和噪声成分对模型的影响，得到了更加准确的预测模型；最后，为了验证ARMC方法的有效性，采用美国凯斯西储大学(CWRU)的滚动轴承实验数据和自制滚动轴承故障模拟实验台数据，分别进行了实验；并且将采用该方法所获得的结果与其他方法获得的结果进行了对比。研究结果表明：ARMC利用L₁范数和核函数来构造和求解目标函数，不仅可以保护待诊断对象的结构化信息，而且可以弱化模型复杂度和增强模型的鲁棒性；与支持矩阵机(SMM)和鲁棒支持矩阵机等相比，ARMC能够充分考虑样本冗余信息弱化的问题，平均识别...     

基于无参考图像质量评价的反卷积去模糊算法

针对数字图像在处理过程中容易产生模糊的现象,提出了基于无参考图像质量评价的自适应反卷积去模糊算法。首先,根据无参考图像质量评价结果与其失真等级的强相关性,通过计算模糊图像的无参考评价参数确定图像的模糊等级,进而根据图像模糊等级与模糊核的对应关系确定反卷积核;其次,提出将失真图像颜色空间转变到YUV,仅对失真图像Y通道进行去模糊处理,保证了彩色图像处理前后颜色的忠实性,并提高算法运算效率;最后,针对图像灰度剧烈变化的邻域出现类吉布斯(Gibbs)振荡分布的现象,提出基于梯度的权重矩阵进行控制。实验结果表明,本文提出的算法在Tid2008图库不仅能够对图像模糊进行快速有效去除,并且恢复图像的纹理细节能够得到有效保留。     

电容层析成像图像重建的总变差正则化算法

针对电容层析成像（ECT）逆问题解的不适定性,本文提出一种基于总变差（total variation,TV）正则化的图像重建算法。同传统的2范数Tikhonov正则化方法相比,该算法（基于1范数正则化）不仅保证了逆问题求解的稳定性,而且提高了对介质非连续分布的区域成像的分辨能力,具有良好的保边缘性。仿真及实验结果表明,该算法在重建图像质量和重建速度两方面均具有优势。     

基于分段四次速度矩分布的叶片式气液混输泵导叶设计方法

叶片式气液混输泵是深海油气资源开采的核心装备，导叶对其输运性能影响较大，而混输泵导叶设计相关的研究很少。提出一种基于分段四次速度矩分布的叶片式气液混输泵导叶设计方法，利用三段四次函数控制导叶速度矩的分布规律，通过给定控制点流线长度及载荷等参数确定分布规律。将该设计方法应用到三级叶片式气液混输泵中，并选取轮毂前控制点载荷L_1h、轮毂前后控制点载荷差ΔL_h、轮缘前控制点载荷L_1s、轮缘前后控制点载荷差ΔL_s、前控制点流线长度m₁、后控制点流线长度m₂、起点载荷系数k₀等7个参数，对混输泵导叶进行7因素3水平的L₁₈（3⁷）正交优化。完成混输泵导叶设计和优化后，泵效率在单相和两相工况下分别平均提升6.73%和4.10%。优化前后的流场显示，导叶内流场低速区范围明显缩小，流动分离的范围和强度都受到了明显抑制。     

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。     

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。     

Application of convolutional neural network to acquisition of clear images for objects with large vertical size in stereo light microscope vision system

For an object with large vertical size that exceeds the certain depth of a stereo light microscope (SLM), its image will be blurred. To obtain clear images, we proposed an image fusion method based on the convolutional neural network (CNN) for the microscopic image sequence. The CNN was designed to discriminate clear and blurred pixels in the source images according to the neighborhood information. To train the CNN, a training set that contained correctly labeled clear and blurred images was created from an open‐access database. The image sequence to be fused was aligned at first. The trained CNN was then used to measure the activity level of each pixel in the aligned source images. The fused image was obtained by taking the pixels with the highest activity levels in the source image sequence. The performance was evaluated using five microscopic image sequences. Compared with other two fusion methods, the proposed method obtained better performance in terms of both visual quality and objective assessment. It is suitable for fusion of the SLM image sequence.     

遥感图像去云雾噪声的实现

为了去除相机拍摄的遥感图像中的云雾,提出了一种新的非局域均值算法来处理遥感图像序列中的云雾噪声。首先,根据遥感图像在云雾阴影下的梯度值的性质,得出了在云雾阴影下图像灰度值偏低而梯度值却变化不大的结论,从而在权重值的计算中耦合了梯度值信息。然后,利用序列图像的帧间冗余信息来计算新的权重值。最后,用新的权重值对图像进行恢复。用UltraCamD相机对在我国新疆地区和山西地区上空拍摄的两组遥感图像序列进行的实验表明:与传统的图像恢复算法相比,用提出的方法恢复图像可获得更好的图像质量;与原始图像相比,恢复后图像的峰值信噪比提高了9dB以上。实验结果表明,该算法可以在不知道云层运动方向和相机运动方向以及噪声模型的情况下有效地对薄云雾覆盖的遥感图像进行恢复。     

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。     

基于核模糊相似度度量的谱聚类算法

相似性度量的选择是谱聚类算法良好性能实现的关键。通常采用的谱聚类相似性的度量是基于高斯核函数的相似性度量。然而,谱聚类对这种相似度度量中的尺度参数非常敏感,并且确定一个合适的参数也很困难。另外,基于欧几里得的这种高斯核相似度度量无法有效反映复杂分布数据集的分布特点。针对此问题,通过利用基于核模糊C均值聚类算法得到的划分矩阵中隶属度的分布特点,提出了一个新的核模糊相似度度量,并将基于所提出的新的相似度度量的谱聚类算法(KFSC)应用于图像分割中。所提出的KFSC算法不仅克服了谱聚类对尺度参数敏感,而且解决了尺度参数很难确定的问题,获得更好的聚类效果。3个标准数据集、2个合成纹理图像及2个自然图像上的分割实验表明了所提出算法的有效性和鲁棒性。     

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。     

A non-convex regularization method combined with Landweber method for image reconstruction in electrical resistance tomography

Electrical resistance tomography (ERT) is a promising technique with which the conductivity distribution in the detected region can be visualized. Mathematically, the reconstruction of conductivity distribution is a seriously ill-posed inverse problem which poses a great challenge for the ERT sensing technique. The regularization method has been found to be an effective approach in coping with the inverse problem. In this work, a novel reconstruction strategy which combines the non-convex regularization method with Landweber method is proposed for the image reconstruction in ERT. At each iteration, the non-convex regularization is used to constrain the conductivity calculated with the Landweber method. A simple and efficient generalized iterated shrinkage algorithm is developed to solve the proposed method. To validate the performance of the proposed method, a series of numerical simulation is conducted and comparative analysis with other methods is performed. From the results, it can be observed that images with high quality are obtained when reconstructing with the proposed method. The impact of noise on the reconstruction is also investigated which shows that the images reconstructed by the proposed method are the least sensitive to the noise. The performance of the proposed method in the image reconstruction is also verified by experimental data. The results demonstrate that the inclusion is accurately reconstructed and the background is clear when the proposed method is adopted for the image reconstruction.     

基于区间二型模糊模型的高分辨率遥感影像分割方法

为了解决高分辨遥感影像分割过程中存在的类属和分割决策不确定性问题,提出一种基于区间二型模糊模型的监督分割方法。利用高斯函数建立影像分割一型模糊模型,其模糊隶属度表征像素类属不确定性;为了改善一型模糊模型隶属度对类属不确定性的表达以及增强分割决策的准确性,分别采用均值和方差扩展方法在上述一型模糊模型基础上构建区间二型模糊模型;综合利用一型模糊模型隶属度及二型模糊模型隶属区间等信息实现分割决策。提出算法和经典算法对合成影像、World View-II和IKONOS全色影像进行分割实验,定性和定量的分析结果表明提出算法具有更高的分割精度。