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。     

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...     

自适应阈值的超变分正则化图像盲复原

针对一阶总变分盲复原块效应严重的问题,提出了一种自适应阈值的超变分正则化图像盲复原方法来恢复点扩散函数未知的退化图像。对总变分形式进行了分析,提出了超变分正则项,并给出了代价函数的数学模型。用估计的图像噪声确定模型中阈值的大小,然后引进3个辅助变量等价转化代价函数,以便简化后续计算并提高复原效果。最后,利用半二次规整化对模型迭代求解。实验结果表明,复原后图像细节增加且块效应减少,相对于目前已有的方法,信噪比提高了近1dB。恢复效果表明该方法具有较大的实用价值。     

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%。     

基于混合数据项的运动去模糊变分方法

运动去模糊是当今图像处理领域的研究热点和难点.鉴于变分能量方程在图像处理中的理论优势,提出了基于变分能量方程的运动去模糊算法.为了利用图像中的梯度信息并消除噪声的影响,采用混合数据项.引入归一化的总变分项,使得运动去模糊的真正解能够使得变分能量下降.由于引入的归一化总变分项求解复杂,引入线性分裂Bregman迭代简化求解过程.由于运动轨迹的复杂性,算法在多尺度框架下进行,从粗尺度到细尺度依次渐近执行,直到最终求得模糊核函数.粗尺度上估计的点扩展函数和恢复的清晰图像作为下一精确尺度变分能量模型求解的初始值.估计出点扩展函数后利用总变分能量方程求得清晰的图像.实验结果验证了算法的有效性.     

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RobFergus去模糊方法和XuLi去模糊方法相比,对Lena模糊图去模糊后的结构相似度(SSIM)为0.7624,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.     

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0.36dB到14.66dB。     

基于边缘预测和稀疏约束的湍流图像盲复原

大气湍流严重影响天文观测图像的成像效果,必须对退化图像进行处理才能获得清晰的图像。经典的湍流退化图像盲复原算法(IBD、NAS-RIF等)使用的先验知识过于简单,导致很多场合不能获得较优的复原效果。近几年提出的稀疏表达理论,使用自然图像边缘的稀疏先验信息指导图像复原,能复原出较多的细节,但它直接使用模糊图像的梯度图像指导点扩散函数复原,而模糊的梯度图像包含很多噪声和伪边缘,无效的梯度会误导点扩散函数的估计,从而使复原图像中出现较多伪迹。针对上述问题,提出了一种基于边缘预测和稀疏比值正则约束的湍流退化图像盲复原算法,该算法首先从当前的复原图像中预测出有效的边缘,然后将边缘预测信息与自然图像边缘的稀疏先验信息相结合指导点扩散函数复原,得到点扩散函数后,再通过一种非盲复原算法恢复出当前的目标图像,并将此复原图像作为下一次边缘预测的输入图像,如此迭代循环直到求出最终清晰的目标图像。所提算法结合了图像的先验信息与退化图像自身包含的有效信息,能有效抑制图像复原过程中产生的伪迹,获得令人满意的结果。针对多幅模拟的湍流退化图像进行仿真测试,验证了算法的有效性。     

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.     

一种基于局部图像复原的天文图像增强算法

大气湍流、光子和电子噪声等降低了地基观测天文图像的质量,影响了空间目标的检测,针对这种情况,提出一种基于局部图像复原的天文图像增强算法。首先利用已知的观测设备系统参数和图像建立初始点扩散函数的模型,然后将图像分割成N×N个区域,对满足条件的子区域进行基于盲反卷积的图像复原,最后采用改进的中值滤波器对复原图像进行去噪,实现天文图像的增强。采用实际天文图像进行算法验证,实验结果表明,该算法有效的抑制了大气湍流和噪声的影响,提高了图像的分辨率和空间目标背景的对比度,在保证图像增强效果的前提下减少了大约30%的运算量。     

基于最大似然的超分辨率图像复原方法

从超分辨率图像复原的实际应用出发,提出了一种基于最大似然的序列图像复原方法.在通用线性观测成像模型下,利用改进的奇异值分解法估计成像系统点扩散函数,通过高斯金字塔结构下的光流场方法估计图像间的亚像素级平动,利用基于统计特性的方法估计图像噪声方差等.根据以上参数及部分先验知识,运用最速下降迭代算法实现基于最大似然的超分辨率复原,并对迭代结果进行维纳滤波.计算机模拟实验结果表明,该方法具有较好的复原效果,其性能优于典型的反向迭代投影法.利用实际视频图像的复原实验证明了该方法的实用性.     

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。     

基于小波变换的正则化盲图像复原算法

提出了一种将小波变换和自适应正则化方法相结合的盲图像复原算法。该算法先对退化后的图像进行小波分解,得到图像在不同子频段的信息;然后针对各个子频段内图像的频率和方向特性,使用不同的自适应正则化复原方法,在图像的低频子频段进行去模糊;高频子频段则进行抑制噪声和保边缘特征;最后通过小波逆变换得到复原后的图像。实验结果表明, MSE减少了1.60,信噪比增量为1.76,算法性能和复原效果相对空间自适应正则化方法,都有一定的提高。     

基于梯度图的快速POCS超分辨率复原算法研究

随着红外成像相关产业的兴起,红外成像技术具有的隐蔽性好、探测范围广、定位精度高、穿透距离远,以及轻质小巧、低耗可靠等优点备受青睐,已成为当前智能化光电探测发展的主流方向。然而,红外弱小目标的图像细节特征少、信噪比低等特点成为红外图像应用的瓶颈,如何提高红外弱小目标成像效果成为目前的研究热点。POCS算法是目前超分辨率复原中应用非常广泛的一种复原算法,但是该算法运算量大,处理时间较长,同时对图像的边缘细节保留能力较差。针对POCS超分辨率复原算法迭代时间较长,无法满足光电探测系统实时性的问题,提出了基于梯度图的快速POCS超分辨率复原算法(GPOCS)。该算法根据图像的梯度分布对图像中的像素点进行分类,采用不同的迭代系数进行计算。改进算法能够较好的保留边缘信息并抑制噪声,进而在保证超分辨率复原性能的基础上大大缩短了运算时间。实验结果表明:GPOCS算法复原结果在背景处噪声得到一定的抑制,整体复原能力优于传统的POCS复原方法。该算法能够有效地保留边缘细节,同时处理时间小于传统的POCS复原方法,减少了1个数量级已经是接近实时。GPOCS算法能够自适应的选取迭代步长,较好的保留边缘信息并抑制噪声,进而在保证超分辨率复原性能的基础上大大缩短了运算时间,虽然不能满足实时性的要求,但是也已经是接近实时。     

改进的基于小波域隐Markov树模型的图像复原

针对传统的基于小波域隐Markov树模型的图像复原算法运算时间长以及对噪声敏感的问题,提出了一种快速并且鲁棒的复原算法.首先使用改进的ForWaRD算法,由混合线性时不变Wiener反卷积和平稳小波阈值收缩算法对退化图像进行预处理,将其结果作为模型参数训练和隐藏状态概率求取的样本.然后分别通过EM算法和Upward-Downward算法求得模型参数和隐藏状态概率.最终通过小波域的Bayesian方法完成复原.实验结果表明,该方法可大大提高复原算法的运算速度,提高算法鲁棒性,在退化图像被噪声干扰比较严重时,较传统算法具有更好的复原效果.     

鲁棒的图像恢复技术在溺水报警系统中的应用

对于一个溺水报警系统.为了将游泳者从背景中分离出来以便分析其运动特征.需要对受各种噪声污染的观测图像进行恢复处理。由于泳池水下图像受水波干扰较为严重.信噪比低.直接使用传统的图像恢复方法对其进行处理.效果较差。本文根据鲁棒估计方法抗噪性能强的特点.将其与图像恢复技术结合起来.提出了一种自适应鲁棒平滑滤波算法。通过泳池水下图像处理实验证明,该算法可以在充分去除噪声的同时.很好地保持原始图像中大部分的边缘结构。因此.本方法具有一定的实用价值。