一种图象恢复效果接近最优的正则化方法

提出一种新的技术，它自适应地选取正则化参数以取得较理想的恢复效果．利用小波变换，分析正则化算子和正则化参数对图象残差的各子频段能量的影响．在本文条件下，我们论证正则化算子取拉普拉斯算子比取恒等算子恢复性能好,并且预测噪声能量．实验结果表明本文提出的方法不需要知道噪声能量，也能够自适应地确定正则化参数并且恢复性能比传统的方法好，恢复效果非常接近最优恢复．     

一种不需噪声能量信息的准最佳正则图像复原

提出一种基于正则化方法的高效图像复原技术。围绕最小化正则解模糊误差，设计该技术。利用泰勒级数定性地分析怎样的正则化算于使正则解模糊误差能量较小，得出结论：通常情况下应选取低阻高通的正则化算子；利用随机理论解决正则解模糊误差能量期望值最小化问题，确定正则化参数；利用小波变换估计噪声能量，在没有噪声能量信息的情况下，新方法能进行高效的图像恢复。实验结果表明本文的恢复技术比传统方法的恢复性能好，恢复效果接近最佳且性能稳定，且不需要噪声能量信息。     

带微调参量的正则化方法及其在降质图像恢复问题中的应用

1 引言降质图像恢复问题就是图像处理领域里一类反问题。降质图像恢复中的解通常是病态的,利用正则化方法恢复图像取得了较好效果。然而,传统的正则化方法中正则逆算子只含正则化参数,它不能充分地融合其它信息,得到的正则解逼近真解的效果不很理想。为了取得好的恢复效果,各种各样融合其它信息的方法提出来了,以使正则化方法的恢复效果更好。例如,使用局部正则化参数,图像的边缘和纹理区域使用较小的正则化参数,平滑的区域使用较大的正则化参数,局部方差较小的区域正则化参数较大,局部方差较大的区域正则化参数较小,产生自适应正则化参数的正则化方法。人们根据图像的能量、导数的二次平均、曲率的二次平均等设计出各种各样的正则化算子,不同的正则化算子将导致不同的     

一种基于正则化方法的准最佳图像复原技术

提出一种基于正则化方法的高效图像复原技术.正则化残量的能量越小,则恢复效果越好,基于此,利用小波变换定性地分析如何选取正则化算子,利用随机理论得到正则化残量的能量期望值,通过最小化这个期望模型确定正则化参数,从而得到正则化图像.定性分析表明,在通常情况下应选取低阻高通的正则化算子.实验结果表明,该恢复技术比传统方法的恢复性能要好,恢复效果接近最佳且性能稳定.     

小波域噪声分布估计的自适应正则化图像恢复

提出一种正则化图像恢复中自适应选择局部正则化参数的方法．首先提出局部正则化参数的大小应正比于降质图像局部噪声方差;然后在小波域内给出一种估计降质图像局部噪声方差的算法;最后根据小波域噪声方差估计值的分布自适应地确定局部正则化参数．实验结果表明,对于存在多种类型噪声的降质图像,文中方法对噪声方差的估计在分布上与真实噪声一致,而在恢复效果上则要优于Katsaggelos所提出的方法．     

自适应扩散系数优化的图像降噪算法

非线性扩散图像在降噪时纹理和细节通常会被削弱,为了解决这一问题,提出一种自适应扩散系数优化的图像降噪算法。利用经典的PM模型处理图像,利用扩散系数基于梯度幅值结合残差局部能量,可精确获取图像的纹理区域;利用绝对差值排序算子,进一步区分纹理部分及其存在的噪声;将图像梯度信息,残差能量及绝对差值排序算子融合到模型中,在去噪的同时很好地保留图像边缘、纹理等细节信息。实验结果表明,所提算法的SNR值为18.4714,RMSE值为15.8373,UQI值为0.8193,在降噪的同时较好地保留图像的纹理和细节,在视觉质量方面具有优越性能。     

PET序列图像超分辨率优质重建算法

为了从PET序列低分辨率图像中重建出优质高分辨率图像,提出了一种基于正则化参数的自适应线性斜率超分辨率算法。该算法通过对正则化线性斜率的自适应,更新动态优化代价函数,以降低对PET图像高频成分的抑制。为验证算法的有效性,采用模拟PET序列图像进行实验。实验结果表明,新算法在改善图像空间分辨率上取得良好的效果。     

正则图像恢复中正则化算子选取的定性分析

对病态图像恢复中正则化算子的选取问题进行定性分析。以最小化正则解模糊误差为目标,利用泰勒级数定性地分析怎样选取正则化算子,得出结论:在信号的强度大于噪声强度的频带正则化算子应该是带阻的,而信号的强度小于噪声强度的频带正则化算子应该是带通的,通常情况下应选取低阻高通的正则化算子。实验结果表明了该结论的正确性。     

基于PSO自适应正则化参数图像恢复的研究

图像恢复的根本目的是使降质图像趋向于复原或没有噪声影响的理想图像,当前的主要问题是如何在平滑噪声的同时保持图像的边缘和细节.文中提出了基于粒子群优化算法的自适应正则化参数图像恢复算法,与传统方法相比较,实验结果表明,文中方法在恢复效果上要优于传统的正则化方法、Lucy-Richardson 算法和维纳(Wiener)滤波器恢复,明显地克服模糊退化,同时也保护了图像的边缘等细节信息,图像纹路更加清晰,图像质量评价的ISNR好于传统方法.     

基于自适应P-Laplace扩散的图像复原

针对图像复原问题提出基于自适应P-Laplace扩散的图像盲复原算法。该算法结合图像的梯度和曲率性质,采用各向异性的空间自适应正则化处理,建立具有非线性和各向异性扩散的正则化方程,使其在恢复目标图像时能自适应地进行梯度平滑和边缘保留。通过最小化能量方案极小化代价函数,同时通过定点交替迭代策略将非线性方程进行线性化处理,快速恢复图像。实验结果证明,该方法能对模糊图像进行有效复原,提高图像的质量。     

空域中基于正则化的自适应超分辨率图像复原

对于模糊图像的复原问题,从正则化技术克服问题病态性的思想出发,研究了一种有效的超分辨率图像复原方法.在Nguyen等人的正则图像复原框架的基础上,根据Roberts交叉梯度算子构造正则项,从自适应的角度生成正则化参数,并用共轭梯度法求解该模型的目标泛函极小值.计算机仿真结果表明,该方法可较好的再现图像的重要信息,复原图像的相对误差降低,同时,峰值信噪比和主观视觉效果方面都有明显的提高.     

基于最小鉴别信息的正则化图像恢复方法

提出在正则化图像恢复方法中将图像恢复结果与先验图像的最小鉴别信息作为新的正则化约束.同传统的正则化约束不同,新的约束使得恢复的图像与给定的先验图像具有最相似的灰度分布.同时给出一种自适应确定正则化参数的方法.实验结果表明,新方法在恢复效果上要优于传统的正则化方法,但对噪声则比较敏感.因此,提出在降质图像含有较多的噪声时保留传统的正则化约束,以达到更好的恢复效果.     

基于正则化技术的超分辨图像盲复原

针对低分辨率图像盲复原中信息不足的问题,可以用正则方法来求解。假设点扩散函数结构已知而参数未知,模糊矩阵可表示为带参数的形式,在Nguyen等人的正则有参盲复原框架的基础上,进一步根据Roberts交叉梯度算子构造正则项,从自适应的角度构造正则化参数,并用迭代法求解该框架的目标泛函极小值。算法分析和实验结果表明,这种方法能取得令人满意的超分辨图像复原效果。     

一种快速稳健的超分辨率图像复原算法

提供了一种快速稳健的正则化超分辨率图像复原算法。该算法从Roberts交叉梯度算子的角度构造正则项,从自适应性的角度确定正则参数。用1-范数度量数据逼近项和正则项。算法分析和实验结果表明该算法具有好的稳健性,并且计算速度较快。     

基于Abdou算子的空间自适应图像去模糊算法

在数字图像去模糊的正则化求解过程中,为了更好地保持图像的边缘和纹理,抑制振铃效应,需要结合图像不同空间位置的信息,自适应地调节正则化参数。通过引入Abdou算子计算图像中每个像素的梯度幅值,并考虑人类的视觉系统特性,构造出空间域上的加权矩阵s,从而对正则化参数自适应加权,并采用共轭梯度法进行去模糊求解。与Lagendijk提出的基于局部方差构造加权矩阵的复杂计算不同,基于Abdou算子求解的方法简单可行,去模糊效果良好。