图像复原中高斯点扩展函数参数估计算法研究

在图像的非盲复原算法中,点扩展函数的获取是算法的关键,因而点扩展函数参数估计是图像复原中重要的一步。由于高斯型点扩展函数是许多光学系统和成像模型中最常见的,所以高斯型点扩展函数参数估计算法一直是研究的热点。文中详细论述了三种主要的高斯型点扩展函数参数的估计算法的原理和实现,比较了各种算法的优点和不足之处。最后,文中展望了今后研究的方向,具有重要的实际意义。     

基于最小二乘准则的模糊估计和图像复原

在计算光学显微成像技术中,点扩展函数往往是未知的,且不易获取,从而给图像复原带来很大困难。基于最小二乘准则和最优化理论,提出了利用变尺度法的三维点扩展函数参数估计算法;针对传统EM算法存在复原效果细节丢失严重等问题,提出最小二乘共轭梯度三维图像复原算法。算法在点扩展函数参数估计和求解真实图像之间进行交替迭代,从而得到图像的最优估计。实验表明,新算法在较短时间内,能够较准确地估计出点扩展函数参数,并得到较好的复原结果。     

基于各向异性Markov随机场的三维显微图像复原

提出了基于小波域各向异性马尔可夫随机场模型的三维显微图像复原算法。小波是当前研究的热点,它能够很好地刻画图像的边缘信息。为了有效地保留图像的边缘,根据小波变换后各个子带小波系数的方向性特点,以各向异性马尔可夫随机场模型作为小波系数的先验概率模型进行正则化处理;本文采用正则化比例系数自适应调整方法,当算法收敛到全局最优时,正则化比例系数也达到最优选择;考虑到噪声的影响,算法在每一步迭代求解过程中,对估计出的图像进行去噪处理。实验结果表明,本文算法能够有效地保留图像边缘等细节信息,去除层间干扰并抑制噪声。     

高斯型点扩展函数估计的最近邻算法

本文针对计算光学切片中的最近邻算法提出了一种改进算法.通过小波变换计算出高斯点扩展函数的方差值,再根据相邻图像成像及高斯函数特性,得出所需的高斯型层间点扩展函数.同时,文章还给出了两种高斯型层间点扩展函数方差的获得方式及获得过程,对最近邻算法中的加权因子的取值范围做出了讨论,对传统的最近邻算法做出了改进.实验表明,本算法能够更有效地复原符合最近邻要求的切片图像.在点扩展函数未知的情况下,复原效果要优于传统方法.