生产线模糊图像恢复的投影迭代算法和维纳滤波算法比较

为解决在运动模糊图像的处理中传统的逆滤波法算法对噪声很敏感且易产生噪声放大的问题,采用维纳滤波算法和投影迭代算法对生产线上模糊图像的处理进行分析和比较。在VC++2008上仿真结果表明:这2种算法都能克服逆滤波算法放大高频段噪声的不足;投影迭代算法在恢复模糊图像所用时间和清晰度方面比维纳滤波算法好。     

基于模糊熵的多值图像恢复方法

提出了一种基于模糊熵的多值图像恢复方法．该方法根据熵在应用方面的局限性,对其表示的形式进行了扩展,构造了一类能够反映多值图像特点的模糊熵．仿真结果表明,用模糊熵进行图像恢复的效果明显好于另两种常用的图像恢复方法(中值滤波和均值滤波)得到的结果．另外,在医用图像和军事图像处理方面,多值图像的恢复是非常重要的．     

模糊图像的Kalman滤波恢复方法

提出了一种利用Kalman滤波对模糊图像进行恢复的方法。当降质函数已知时,首先对模糊图像在一个方向进行傅立叶变换,然后在另一方向进行快速的Kalman滤波,将两维的恢复问题转化为若干个一维问题。为克服边缘效应,构造了原图像的镜像,并给出了滤波结果。     

自适应-模糊滤波算法

为了克服大部分的自然图像中同时存在脉冲噪声和高斯噪声,在分析了传统滤波算法特点的基础上,提出了一种改进的自适应-模糊图像滤波算法.该算法首先判别并标定图像中的脉冲噪声,以实现两类噪声的分离.采用自适应滤波窗口的中值滤波算法滤除脉冲噪声,有效地克服了传统中值滤波的不足.在有效地滤除脉冲噪声的基础上,引入提出了模糊控制中隶属度函数的概念改进均值滤波算法,结合图像直方图的自适应,提出隶属度函数的阀值,克服了均值滤波造成图像细节模糊的不足.最后提出了一种针对图像滤波算法中求解中值的快速算法,提高算法的实用性.仿真证明,自适应-模糊滤波算法在滤除图像中混合噪声的效果明显优于传统滤波算法,可广泛应用于各种图像处理场合.     

运动模糊的递推恢复方法

研究匀速直线运动模糊的恢复问题,提出了一种递推恢复方法,该方法通过建立简单的差分方程组,在最小范数意义下,给出了图像恢复问题的直接计算公式,具有计算量少,使用简便的特点。     

基于频谱图分析的PSF自动获取方法

运动模糊图像恢复讨论的是对运动物体所拍摄的模糊图像进行精确恢复,恢复的关键在于精确获取点扩展函数的参数。本文提出了一种点扩展函数自动获取方法,该方法通过计算机分析运动模糊图像频谱图,能够自动获取点扩展函数的运动方向和模糊长度,避免了人机交互的繁琐和不准确。通过实验仿真并与其他点扩展函数的参数获取方法做比较,验证了该方法的准确性和实用性。     

一种新的基于倒谱法和Richardson—Lucy算法的运动图像盲复原方法

运动图像的盲复原,一直是图像处理领域的难点,本文根据运动模糊图像特点,提出了一种鲁棒、高效保留图像细节和纹理特征的图像盲复原算法．在图像的复原过程中运用了基于最大似然函数的Richardson—Lucy滤波方法只需知道模糊类型,不需要其它任何先验知识,就能做到有效复原,适用范围广,能对线性匀速运动类型的模糊、振动模糊、旋转模糊都有效,鲁棒性好,抗噪能力强．     

动目标多视点基于标定的去模糊方法

针对三维视觉检测技术应用中动目标多视点去模糊的难题,提出了一种动目标多视点基于标定的去模糊方法.首先估计部分视点模糊图像(以两个视点的模糊图像为例)点扩展函数.其次根据多视点几何关系,利用相机标定方法,得到各个相机的参数矩阵;结合估计出部分视点的点扩展函数和相关参数矩阵,以直线运动为例,建立多视点模糊图像的点扩展函数关系.最后在确保各视点模糊路径对应的关系前提下,对多视点图像进行整体去模糊.结果表明该方法对于对运动模糊图像恢复有很好的效果.     

混有高斯和脉冲噪声图像的一种新滤波方法

针对数字图像中的高斯噪声和脉冲噪声,提出了采用递推最小最大值法与中值滤波相结合的滤波方法。对数字图像首先采用递推最小最大值方法来除去脉冲噪声,然后采用中值滤波方法,并选择合适的窗口尺寸,可得到质量很好的图像。实验结果表明,递推最小最大值方法在抑制脉冲噪声的同时,还能保留良好的图像细节,特别是在多种脉冲噪声存在的条件下,效果更加明显,而中值滤波可以有效地除去剩余噪声,最终得到满意结果。     

面向工业检测的图像快速去直线运动模糊方法

在基于机器视觉的工业检测中,由于受到传送带速度变化或曝光不足的影响,得到的图像有时会产生运动模糊,影响检测效果.为去除工业检测中的图像运动模糊,提出了基于R-L引导滤波的快速去直线运动模糊方法.首先对图像的模糊参数进行评估,使用图像的频谱图积分评估图像的模糊方向,使用微分自相关方法得到模糊图像尺寸;然后通过提出的R-L引导滤波方法快速去除运动模糊并抑制振铃效应,得到清晰图像.通过对工件图像去运动模糊的仿真,证明了模糊核估计的准确性;与TPKE和HQ比较,提出的去模糊方法在对噪声的鲁棒性和抑制振铃的效果更好.通过对不同速度、不同工件下实拍图像的去运动模糊实验,以及客观评价指标、去模糊前后尺寸测量的差异和运行速度证明了该方法在工业检测中的优势.实验结果表明:提出方法的R_(PSNR)和R_(SIMM)优于对比方法,在抑制振铃的同时保持了边缘的清晰;同时,提出方法对尺寸的测量影响也更小,在小尺寸的工件上具有优势,最大误差为0.31像素.     

运动模糊图像的去卷积方法研究

针对成像过程中观测图像存在像素灰度信息丢失的情况，在分析此类图像的退化原理及建立其数学模型和离散化表达式的基础上，将最优化方法中的共轭梯度法引入图像复原过程中，提出基于共轭梯度优化迭代的非零背景运动模糊图像去卷积方法．实验表明，该算法复原效果良好，是一种有效的图像复原方法．     

基于改进γ-CLAHE算法的水下机器人图像识别

水体及悬浮粒子对光的吸收、折射及反射导致水下图像对比度低及细节模糊,单一图像增强算法难以适用于水下复杂环境识别.为了解决该问题,提出基于小波变换和改进的γ-CLAHE相融合的图像增强算法.通过快速中值滤波去除图像中噪声,向CLAHE算法中加入自适应伽马变换,解决CLAHE算法处理水下图像色彩失真,丢失孤立点、细线,画面突变等问题.利用改进的γ-CLAHE算法处理小波变换分解后的低频部分,增强图像并加快运行速度.通过小波逆变换将γ-CLAHE算法处理后的低频部分和双边滤波处理后的高频部分相融合,得到最终的增强图像.将实验图像同传统CLAHE、Retinex、Singh融合算法的处理图像进行对比,验证本研究算法在水下图像处理方面的有效性和优越性.     

相对运动所引起的模糊图像的模糊复原算法研究

由于通常所要处理的图像都具有某种不确性，根据先验知识采建立退化模型的反退化处理技术，如滤波，其通用性较差．论文基于模糊算法对由相对运动引起的模糊图像的复原算法进行了研究，阐述了运动模糊图像退化的数学模型．根据数学模型分析其退化的原因，并运用模糊理论知识，提出了对由相对运动引起的模糊图像进行复原的隶属函数，同时与维纳（Wiener）滤波复原算法进行了对比分析．结果表明：模糊复原算法对有噪声的运动模糊图像能基本还原出原来的图像，效果相当理想，为图像复原技术提供了一种新思路．     

卫星振动引起的非规则采样降质图像复原方法

针对卫星振动引起的TDICCD相机非规则采样导致像质退化的问题,提出了非规则采样降质退化图像的复原方法．首先利用基于非均匀快速傅里叶变换的频域插值对非规则采样的几何降质退化规律进行建模,并结合遥感成像的模糊退化过程,建立非规则采样降质图像退化模型．然后利用频域插值特性将模型逆求解过程转换为Toeplitz矩阵系统的线性方程求解问题,实现了快速求解,提出非规则采样几何降质和模糊退化的综合处理方法．最后利用测试图形和真实遥感图像对方法进行验证,实验结果表明:在严重模糊、几何降质及高噪声水平条件下,复原后的图像与理想图像的结构相似度仍优于0.93,而且具有较高的处理效率．该方法能有效应用于在轨振动引起的非规则采样降质的复原处理．     

基于区域能量的NSST域偏振图像融合算法

针对传统的偏振图像融合方法存在图像细节丢失、边缘模糊、对比度下降等不足,提出了一种基于区域能量的非下采样剪切波变换域(NSST)偏振图像融合方法。首先,利用NSST对源图像进行分解,获取源图像的低频子带系数和高频子带系数;然后,对分解得到的低频系数基于区域能量加权融合,对高频系数先基于区域能量取大融合,再应用引导滤波进行细节增强;最后,通过NSST逆变换得到融合图像。实验结果表明,融合后的偏振图像能够较好地保留细节信息,同时使边缘更加清晰,图像标准差、平均梯度、信息熵、对比度、空间频率相对传统方法均有不同程度的提高,具有更好的视觉效果。     

基于投影寻踪子波学习网络的图像无监督恢复

针对现有模糊图像的复原方法，提出了一类新型人工神经网络——投影寻踪子波学习网络，并将其用来处理图像的去模糊问题。这类新型网络具有投影寻踪学习网络优点，在先验条件知道甚少的情况下，不用求点扩展函数，直接通过网络的学习，提取参数，以达到自适应剔除图像的模糊信息，恢复原图像；且具有小波函数的时域局部性，可以对多种噪声源的模糊图像进行恢复。模拟结果表明，该方法对于图像无监督恢复明显优于现有图像恢复方法。     

结合编码曝光和运动先验信息的局部模糊图像复原

针对局部运动模糊图像复原的病态性和背景被破坏的问题,提出基于编码曝光和运动先验信息的局部模糊图像复原方法. 分析编码曝光成像理论模型,建立最优码字选取的适应度函数准则. 通过物像关系,获得运动目标的点扩散函数（PSF）像移尺度初步估计参数,作为运动先验信息. 采用背景差分法进行目标提取,综合编码曝光运动模糊图像的叠加特性,实现对运动模糊目标区域的精确提取. 结合先验信息,引入基于贝叶斯最大后验概率框架的student-t复原算法进行PSF精确估计和复原重建,快速迭代得到复原结果. 搭建实验仿真系统,并开展针对实际运动目标的复原实验. 实验结果表明,该方法能有效改善传统曝光中运动模糊复原的病态性问题,抑制复原过程中目标图像边缘振铃及背景噪声的放大效应,所复原图像具有更好的主客观评价结果.     

先验信息辅助的运动模糊星图星点提取方法

星敏感器处于高动态环境时所拍摄的星图会出现运动模糊现象,这将会严重影响星敏感器的星点提取精度.针对上述问题,提出了一种基于先验信息直接对高动态环境下的运动模糊星图进行星点提取的方法.首先,利用惯性导航系统和星敏感器的姿态先验信息预测当前运动模糊星图上的星点粗略坐标,将其作为“种子”点进行局部区域生长而获得运动模糊星图上的星像范围;然后,基于惯性导航系统的角速度输出估算星像运动轨迹长度并利用质心法计算星点坐标,根据星像运动轨迹长度与质心法提取误差之间的关系建立运动模糊星图星点提取误差修正模型;最后,基于上述模型对星点坐标进行修正,得到精度较高的运动模糊星图星点坐标. 仿真结果表明,相比于先对运动模糊星图进行复原再提取星点坐标的方法,本方法不仅能保证高动态环境下星敏感器的星点提取精度和较好的抗噪性能,同时还能大大减少星敏感器对运动模糊星图的处理时间,这有助于保证星敏感器的数据更新率不受高动态环境太大影响.