混合特性正则化约束的运动模糊盲复原

目的 为了提高运动模糊图像盲复原清晰度,提出一种混合特性正则化约束的运动模糊盲复原算法。方法 首先利用基于局部加权全变差的结构提取算法提取显著边缘,降低了噪声对边缘提取的影响。然后改进模糊核模型的平滑与保真正则项,在保证精确估计的同时,增强了模糊核的抗噪性能。最后改进梯度拟合策略,并加入保边正则项,使图像梯度更加符合重尾分布特性,且保证了边缘细节。结果 本文通过两组实验验证改进模型与所提算法的优越性。实验1以模拟运动模糊图像作为实验对象,通过对比分析5种组合步骤算法的复原效果,验证了本文改进模糊核模型与改进复原图像模型的鲁棒性较强。实验结果表明,本文改进模型复原图像的边缘细节更加清晰自然,评价指标明显提升。实验2以小型无人机真实运动模糊图像为实验对象,通过与传统算法进行对比,对比分析了所提算法的鲁棒性与实用性。实验结果表明,本文算法复原图像的标准差提升约11.4%,平均梯度提升约30.1%,信息熵提升约2.2%,且具有较好的主观视觉效果。结论 针对运动模糊图像盲复原,通过理论分析和实验验证,说明了本文改进模型的优越性,所提算法的复原效果较好。     

A Hybrid Motion Deblurring Strategy Using Patch Based Edge Restoration and Bilateral Filter

Motion blur is a common problem in digital photography. In the dim light, a long exposure time is needed to acquire a satisfactory photograph, and if the camera shakes during exposure, a motion blur is captured. Image deblurring has become a crucial image-processing challenge, because of the increased popularity of handheld cameras. Traditional motion deblurring methods assume that the blur degradation is shift-invariant; therefore, the deblurring problem can be reduced to a deconvolution problem. Edge-specific motion deblurring sharpened the strong edges of the image and then used them to estimate the blur kernel. However, this also enhanced noise and narrow edges, which cause ambiguity and ringing artifacts. We propose a hybrid-based single image motion deblurring algorithm to solve these problems. First, we separated the blurred image into strong edge parts and smooth parts. We applied the improved patch-based sharpening method to enhance the strong edge for kernel estimation, but for the smooth part, we used the bilateral filter to remove the narrow edge and the noise for avoiding the generation of ringing artifacts. Experimental results show that the proposed method is efficient at deblurring for a variety of images and can produce images of a quality comparable to other state-of-the-art techniques.     

稀疏平滑特性的多正则化约束图像盲复原方法

为了实现对线性空间不变的模糊图像的盲复原,提出了一种基于稀疏性和平滑特性的多正则化约束的模糊图像盲复原方法.首先,根据自然图像边缘的稀疏特性,运用了一种权重的全变差范数(weighted total variation norm,简称WTV-norm)对复原图像进行正则化约束;然后,从运动模糊的点扩散函数(motion point spread function,简称MPSF)的特性出发,提出一种能够适用于多种模糊情况的多正则化约束;最后,提出了一种改进的变量分裂(modified variable splitting,简称MVS)方法来得到清晰的复原图像,同时准确地估计出相应的模糊退化函数.大量的实验结果表明,该方法能够较好地复原多种不同类型的模糊(例如运动模糊、高斯模糊、均匀模糊、圆盘模糊).与近几年提出来的一些具有代表性的模糊图像盲复原方法相比,该方法不仅主观的视觉效果得到了较为明显的改进,而且客观的信噪比增量也增加了1.20dB~4.22dB.     

加强边缘感知的盲去模糊算法

目的 拍摄过程中,如果摄像机进行了错误的聚焦,就会得到模糊的图像,如何将模糊图像变得清晰成为一个亟待解决的问题。目前关于图像的去模糊方法多采用基于模糊核约束的卷积模型。但是由于实际应用中很难准确获取模糊核的信息,同时计算机也存在精度限制,计算结果与实际物理模型有偏差,因而去模糊的主要挑战为：如何精确地估计模糊核,以及如何在复原过程中减弱由于精度限制造成的振铃效应。方法 振铃效应是指图像的灰度剧烈变化处产生的震荡,类似于钟被敲击后产生的波状空气震荡。在图像复原过程中,此效应通常发生在梯度变化较大的边缘区域附近。本文对此进行研究,在去模糊过程中引入边缘信息作为约束条件,以改善模糊核的估计,并通过抑制边缘区域的反卷积,抑制图像复原过程中的振铃效应。算法主要分为如下3个部分：1）设计了适用于模糊图像的边缘提取算法;2）利用边缘信息设计了加强边缘感知的反卷积算法;3）提出并设计了安全检测子,以保证算法在边缘区域复原的完整性。结果 实验结果表明,在没有先验知识的情况下,本文方法可以较好地恢复图像细节,并有效抑制振铃效应。较之传统的去模糊处理算法,本文方法在性能上有较大提高。比如,相比于Chan、Krishnan以及Hu的方法,本文方法在峰值信噪比指标上分别提高了25.73%、3.52%和4.43%,在结构相似性指标上分别提高了7.67%、1.63%和3.59%。同时,与基于深度学习的方法相比,本文方法不依赖于数据集,鲁棒性更强。结论 本文方法可以较好地恢复图像细节,并抑制振铃效应,同时比深度学习方法适用范围更广。     

Depth from Defocus Estimation in Spatial Domain

This paper presents an algorithm for a dense computation of the difference in blur between two images. The two images are acquired by varying the intrinsic parameters of the camera. The image formation system is assumed to be passive. Estimation of depth from the blur difference is straightforward. The algorithm is based on a local image decomposition technique using the Hermite polynomial basis. We show that any coefficient of the Hermite polynomial computed using the more blurred image is a function of the partial derivatives of the other image and the blur difference. Hence, the blur difference is computed by resolving a system of equations. The resulting estimation is dense and involves simple local operations carried out in the spatial domain. The mathematical developments underlying estimation of the blur in both 1D and 2D images are presented. The behavior of the algorithm is studied for constant images, step edges, line edges, and junctions. The selection of its parameters is discussed. The proposed algorithm is tested using synthetic and real images. The results obtained are accurate and dense. They are compared with those obtained using an existing algorithm.     

基于灰度平均梯度和粒子群优化的散焦图像模糊参数估计

针对散焦模糊图像的复原问题,提出一种基于灰度平均梯度与粒子群优化(PSO)算法相结合的散焦图像模糊参数估计方法。首先,利用PSO算法随机生成一群不同模糊半径的点扩散函数,分别用维纳滤波算法处理模糊图像,得到一系列复原图像,并计算其对应的灰度平均梯度值;然后,利用图像清晰度与图像灰度平均梯度值成正变关系这一特点,以复原图像的灰度平均梯度值作为粒子群算法的适应度函数值,找出使适应度函数最大的粒子所对应的模糊半径作为最后的估计结果。实验结果表明,与频谱估计方法和倒频谱估计方法相比,所提算法能够更精确地估计出模糊参数,尤其是在大尺度模糊半径的情况下,所提算法估计的精度更高。     

Local motion deblurring using an effective image prior based on both the first- and second-order gradients

Local motion deblurring is a highly challenging problem as both the blurred region and the blur kernel are unknown. Most existing methods for local deblurring require a specialized hardware, an alpha matte, or user annotation of the blurred region. In this paper, an automatic method is proposed for local motion deblurring in which a segmentation step is performed to extract the blurred region. Then, for blind deblurring, i.e., simultaneously estimating both the blur kernel and the latent image, an optimization problem in the form of maximum-a-posteriori (MAP) is introduced. An effective image prior is used in the MAP based on both the first- and second-order gradients of the image. This prior assists to well reconstruct salient edges, providing reliable edge information for kernel estimation, in the intermediate latent image. We examined the proposed method for both global and local deblurring. The efficiency of the proposed method for global deblurring is demonstrated by performing several quantitative and qualitative comparisons with the state-of-the-art methods, on both a benchmark image dataset and real-world motion blurred images. In addition, in order to demonstrate the efficiency in local motion deblurring, the proposed method is examined to deblur some real-world locally linear motion blurred images. The qualitative results show the efficiency of the proposed method for local deblurring at various blur levels.     

拉普拉斯与双边滤波的图像去运动模糊算法

运动模糊图像盲复原是图像复原中的关键问题之一,由于模糊信息的复杂性以及图像噪声的影响,导致复原的结果有振铃效应.为解决这些问题,提出基于拉普拉斯先验的改进算法.在原有的模糊核估计过程中,引入拉普拉斯锐化增强,增强图像的边缘信息,达到改善模糊核估计结果的目的.在复原时,针对图像振铃噪声,引入了双边滤波,抑制该噪声对复原结果的影响,进一步改善复原图像的质量.与三种现有图像去模糊算法相比,该方法能更准确地估计模糊信息,对图像复原具有更好的鲁棒性.     

离焦模糊图像模糊半径检测的新方法

针对离焦模糊图像盲复原中模糊半径难以快速精确检测的问题,提出了局部熵和直方图统计相结合的算法。首先对模糊图像进行局部熵滤波提取图像的灰度变化信息量,利用Canny边缘算子和Hough变换检测出离焦图像的直线边缘;然后利用相互平行直线边缘区域内的直方图统计特性和Grubbs检验法,定位出阶跃直线边缘求出线扩散函数;最后利用线扩散函数得到模糊半径。实验结果表明所提算法在模糊半径较小时能够精确快速地定位阶跃边缘,从而提高模糊半径的识别精度和识别效率。     

基于频域的运动模糊参数估计

运动模糊图像复原的关键之一是模糊核函数的估计,即降质图像的模糊方向和距离变化的估计。已经有多种方法用于模糊核函数的估计,通过对运动模糊图像频谱的研究,提出了一种基于形态学的模糊运动方向计算方法,并根据模糊图像频谱的黑色条纹周期出现的规律,采用投影法计算极值点,从而获取模糊运动距离。实验结果表明该算法简单有效,得到的运动模糊参数较准确。     

基于边缘模糊频谱特征的散焦参数估计方法

退化图像复原的关键在于点扩散函数(PSF)的准确估计,针对散焦模糊图像点扩散函数参数未知的情况,提出一种基于图像边缘模糊频谱特征的参数估计方法。首先分析基本边缘经模糊退化后的频谱特征,进而构建了自然图像的边缘模型作为参考图像,通过在连续的散焦值范围内计算与待测模糊图像频谱的最大相似性,以获取散焦参数估计值。实验结果表明,所提方法能够适用于大尺度模糊图像的参数估计问题,且具有较强的抗噪性能。     

离焦模糊图像的盲复原算法

针对离焦模糊图像,提出了一种盲复原算法。该算法首先利用Hough变换检测出离焦图像中的直线边缘,然后基于图像的空域统计特性和修正的Grubbs检验法,定位出阶跃或近似阶跃直线边缘,在此基础上自适应计算出线扩散函数,最后利用线扩散函数求取离焦模糊半径,进而用Wiener滤波完成了图像的复原。实验结果表明,对真实的离焦模糊图像,该算法能够准确地检测和定位出阶跃或近似阶跃边缘,提高离焦模糊半径的鉴别精度和图像的复原效果,已在实际刑侦取证工作中获得较为成功的应用。     

基于不变距特征的二维码模糊类型辨识算法

二维条码作为一种重要的自动识别技术,有极大的商用前景。有效地解决二维条码图像模糊问题是其能够得以广泛应用的关键。针对条码识别中的常见3类模糊函数,设计了一个基于不变矩的辨识方法。文中分析了不同的模糊类型的频域图像的差异。经过边缘检测和去噪音的预处理后,对图像进行二值化,并提取矩特征进行辨识。最终实验表明本文设计的算法具有很好的识别率。     

基于频谱预处理与改进霍夫变换的离焦模糊盲复原算法

为了提高离焦模糊图像复原清晰度,提出一种基于频谱预处理与改进霍夫变换的 离焦模糊盲复原算法。首先改进模糊图像频谱预处理策略,降低了噪声对零点暗圆检测的影响。 然后改进霍夫变换圆检测算法,在降低算法复杂度的同时,增强了模糊半径估计的准确性。最 后利用混合特性正则化复原图像模型对模糊图像进行迭代复原,使复原图像的边缘细节更加清 晰。实验结果表明,提出的模糊半径估计方法较其他方法平均误差更小,改进的频谱预处理策 略更有利于零点暗圆检测,改进的霍夫变换圆检测算法模糊半径估计精度更高,所提算法对已 知相机失焦的小型无人机拍摄的离焦模糊图像具有更好的复原效果。针对离焦模糊图像复原, 通过理论分析和实验验证了改进的模糊半径估计方法的鲁棒性强,所提算法的复原效果较好。     

基于张量总变分的模糊图像盲复原

现有模糊图像盲复原算法通常仅利用彩色图像的灰度信息估计模糊核,彩色图像转换成灰度图像的操作会造成信息丢失,在处理尺寸过小或显著边缘过少的图像时,模糊核的估计通常会失效,导致最后复原图像的质量不理想。针对上述问题,在新的张量框架下,把彩色模糊图像作为一个三阶张量,提出了一种基于张量总变分的模糊图像盲复原算法。首先通过调整张量总变分模型中的正则化参数获取彩色图像不同尺度的边缘信息,从而估计出模糊核;再利用张量总变分算法对模糊图像解模糊,复原出清晰图像。实验结果表明,所提算法得到的复原图像在峰值信噪比（PSNR）和主观视觉上均得到明显改善。     

Analysis of photometric properties of occluding edges by thereversed projection blurring model

This paper analyzes photometric properties of occluding edges and proves that an object surface behind a nearer object is partially observable beyond the occluding edges. We first discuss a limitation of the image blurring model using the convolution, and then present an optical flux based blurring model named the reversed projection blurring (RPB) model. Unlike the multicomponent blurring model proposed by Nguyen et al., the RPB model enables us to explore the optical phenomena caused by a shift-variant point spread function that appears at a depth discontinuity. Using the RPB model, theoretical analysis of occluding edge properties are given and two characteristic phenomena are shown: (1) a blurred occluding edge produces the same brightness profiles as would be predicted for a surface edge on the occluding object when the occluded surface radiance is uniform and (2) a nonmonotonic brightness transition would be observed in blurred occluding edge profiles when the occluded object has a surface edge. Experimental results using real images have demonstrated the validity of the RPB model as well as the observability of the characteristic phenomena of blurred occluding edges     

图像抖动核函数估计与图像恢复

抖动模糊是摄影中常见的问题,为此提出了一个鲁棒快速的核函数估计和图像恢复方法。给定一幅因相机抖动而模糊的图像,该方法首先建立金字塔,然后自顶向下、迭代地估计运动模糊核函数,同时对图像进行恢复。使用混合高斯模型对核函数建模,使用自然图像的边缘大尾巴分布对图像进行约束。通过冲击滤波器预测图像的强边缘,对图像的边缘与核函数进行约束,从而更好地估计核函数。并通过迟滞阈值方法和核函数重新定位的方法,降低核函数的噪声,提高核函数估计的鲁棒性能。在求解核函数能量方程时,采用共轭梯度法,利用图像的一阶和二阶偏导数降低系统方程的条件数,加快收敛速度。最后,在一个国际公开的包含32组运动模糊图像的数据集上验证了该方法。实验结果表明,该方法所恢复的图像,其边缘和纹理清晰,能够很好地避免噪声和振铃走样问题。     

基于边缘先验模型的运动去模糊

从单幅运动模糊图像复原出清晰的图像,一直是数字图像处理领域中富有挑战的问题.基于边缘先验模型和小波分析提出了一种运动模糊退化图像的复原算法.在去模糊之前,对图像进行预处理,将噪声去除,用冲击滤波器增强边缘,并采用canny边缘检测获取清晰边缘作为先验模型,以此估计模糊核;然后在紧小波框架系统下,将清晰图像的稀疏性最大化,采用改进的分裂Bregman方法求解最优化问题,最终得到清晰的图像.实验结果表明,相对于传统的盲复原算法,提出的方法可以有效地去除运动模糊.     

基于跨尺度低秩约束的图像盲解卷积算法EI北大核心CSCD

在模糊核未知的情况下对模糊图像进行复原称为盲解卷积问题,这是一个欠定逆问题,现有的大部分盲解卷积算法利用图像的各种先验知识约束问题的解空间.由于清晰图像的跨尺度自相似性强于模糊图像的跨尺度自相似性,且降采样模糊图像与清晰图像具有更强的相似性,本文提出了一种基于跨尺度低秩约束的单幅图像盲解卷积算法,利用图像跨尺度自相似性,在降采样图像中搜索相似图像块构成相似图像块组,从整体上对相似图像块组进行低秩约束,作为正则项加入到图像盲解卷积的目标函数中,迫使重建图像的边缘接近清晰图像的边缘.本文算法没有对噪声进行特殊处理,由于低秩约束更好地表示了数据的全局结构特性,因此避免了盲解卷积过程受噪声的干扰.在模糊图像和模糊有噪图像上的实验验证了本文的算法能够解决大尺寸模糊核的盲复原并对噪声具有良好的鲁棒性.     

基于BP神经网络的图像局部模糊测量

目的 目前模糊测量方法难以处理存在纹理平坦区域时的局部模糊测量.针对该问题,提出一种基于BP(back propagation)神经网络的图像局部模糊检测方法.方法 该方法采用所有奇异值以描述不同尺度信息随模糊变化情况,并与描述高频信息变化的DCT(discrete cosine transform)非零系数结合,实现奇异值向量和DCT非零系数个数联合的混合模糊测度,达到空频联合的模糊度描述.在此基础上,通过训练BP神经网络分类器,实现图像块模糊值预测.结果 单幅局部模糊图像实验中,较好区分纹理平坦区域和模糊区域的模糊程度;多幅局部模糊图像的统计实验中,召回率-准确率(RP)评估曲线显示在相同召回率下准确率较其他方法高.结论 该方法可以较准确地实现局部模糊图像(特别是存在纹理平坦区域的局部模糊图像)的模糊测量.