TV正则化的双迭代RL湍流退化图像复原算法

RL算法是湍流退化图像复原的一类重要算法,但在迭代过程中存在噪声放大或过度平滑问题.围绕湍流退化图像复原问题对RL（Richardson-Lucy）算法及其改进方法进行研究：建立了一种短曝光成像探测湍流退化模型,并给出该模型中随机相位屏的数值模拟方法;推导了RL算法的基本原理和计算公式;为更好地从湍流退化图像中恢复目标,提出了TV正则化双迭代RL图像复原算法.改进算法引入总体变分约束,并对目标图像和点扩展函数采用内外循环双重迭代,充分利用了目标图像和点扩展函数的内在联系.仿真实验表明,算法能有效地保持了图像的细节信息,复原效果明显优于传统RL算法.     

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．     

基于单点像的光学稀疏孔径图像复原

为了定量评价光学稀疏孔径系统的图像复原效果,提出了一种以稀疏孔径系统单点像作为退化图像进行图像复原的方法.对稀疏孔径系统的单点像进行适当的复原处理,可获得类似爱里斑(即该稀疏孔径等效圆口径系统的单点像)的复原图像.通过比较该复原图像和爱里斑相似程度,即可对该复原算法(或者参数)进行评价.以法国SOLARNET光学稀疏孔径系统为例演示了上述图像复原过程.仿真结果表明,基于单点像的图像复原方法是可行的.     

一种新的卡尔曼滤波图像复原算法

为了更好地对退化图像进行降噪,提升算法运行效率,同时保留复原图像边缘细节信息,提出了一种交替卡尔曼滤波图像复原算法。与传统方法相比,该算法不需要估计退化函数,仅需将退化图像的信息矩阵第一行(或列)代入卡尔曼滤波预测方程作为初始值进行滤波,然后将第一次滤波图像的信息矩阵第一列(或行)代入卡尔曼滤波预测方程作为初始值进行第二次滤波获得复原图像。仿真结果表明,交替卡尔曼滤波图像复原算法在去除退化噪声保证图像清晰的同时,还能快速完成图像复原,其计算时间降为维纳滤波复原法计算时间的2%。     

匀速直线运动模糊图像点扩展函数的识别方法

为解决图像复原中模糊函数即点扩展函数的估计问题,介绍了图像退化的一般模型,分析了匀速直线运动模糊的退化函数,并采用基于约束最小二乘复原算法的参数误差曲线法对运动参数进行估计。实验结果表明:该方法可以提高参数的判别精度,复原图像的视觉效果和峰值信噪比都有显著提高。     

基于改进的Kolmogorov谱湍流模型的图像退化研究

大气湍流干扰空中目标的成像探测,使得观测到的目标图像是严重抖动和模糊的。文章研究了这些抖动和模糊效应,总结了湍流流场的统计特性和光在大气中的传输特性,具体分析了湍流效应退化图像的特征。采用包含了湍流内外尺度影响的波结构函数、折射率谱以及成像系统退化函数的新退化模型,相比Kolmogorov谱模型,该模型引入了更完整的先验约束条件,更接近大气湍流的物理特性。通过对计算结果进行分析,验证了退化模型的合理性,并对图像退化给出了定量的描述。对进一步进行湍流效应退化图像校正算法研究具有重要意义。结果表明采用了改进的Kolmogorov谱模型的图像的退化效果更加接近真实的退化情况。     

基于大气模型的天气退化图像复原方法及应用

介绍了一种简单的基于大气模型的天气退化图像复原方法．与以往的天气退化图像复原方法相比，该方法只需要一幅受天气影响的图像和少量的用户提供的额外信息，而不需要任何深度和天气信息，即可去除图像的天气影响．该方法通过深度启发法来获取场景点的深度信息，基于大气模型对天气退化图像进行复原，针对去除天气影响后图像亮度降低的问题，采用了直方图调整方法进行图像增强．在MATLAB平台上的仿真实验结果表明，该方法对天气退化图像复原的效果较好．     

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.     

图像恢复中有约束最小平方滤波技术研究

图像复原是利用退化现象的某种先验知识（退化模型）,按退化的逆过程重建图像的技术.分析了有约束最小平方滤波方法的理论,得出只需图像噪声均值和方差的知识就能对图像实行最佳复原,最后给出了对一幅图像进行圈积模糊和加高斯噪声操作,然后进行复原的实例.     

基于RBPNN的退化交通标志图像的识别算法

为了识别退化的交通标志图像,提出了一种新的特征提取算法。该算法在处理图像退化问题时,采用模糊-仿射联合不变矩直接提取图像的特征,从而避免了需要较大计算量的图像复原处理过程。在利用模糊-仿射联合不变矩作为图像特征的基础上,采用递归正交最小二乘算法优化设计径向基概率神经网络分类器。仿真结果表明:模糊-仿射联合不变矩是一种有效的退化交通标志图像的特征提取算法,所设计的径向基概率神经网络分类器不仅具有精简的结构而且具有较好的推广性能。     

紧框架小波和总广义全变分联合约束的医学图像复原算法

为了克服传统全变分正则化方法容易造成复原图像中出现阶梯状伪边缘、纹理细节丢失的不足,本文提出了一种紧框架小波和总广义全变分联合约束的图像复原算法.首先,结合紧框架小波能够捕获含噪声或退化图像中的奇异点的优势,同时采用能够逼近任意阶多项式函数进而可以保留图像尖锐边缘的总广义全变分,构造出一种由紧框架小波的L_1范数和二阶总广义全变分的L_2范数组成的联合正则项约束的图像复原模型;其次,采用交替方向迭代方法将所提模型的最小化问题分解为两个子问题,并分别采用均值增广拉格朗日算法和Chambolle-Pock一阶原始—对偶迭代方法获得最优解.实验结果表明,所提算法在抑制噪声的同时能够有效复原图像的边缘、细节信息,两种量化指标峰值信噪比和结构相似度的值也能直观体现复原图像质量的提高水平.     

基于MATLAB的遥感图像复原算法的研究与改进

遥感图像受各方面因素的影响往往会产生退化,进而影响图像的品质,需要对退化的图像进行复原处理。主要介绍图像退化-复原模型的建立方法,对现有的经典图像复原方法进行研究与分析。实验采用逆滤波法、维纳滤波法和Lucy-Richardson滤波法对遥感图像进行复原,并以复原图像的均值、方差和灰度直方图为指标,对这三种方法复原的结果进行综合评价、分析与对比。结果表明,Lucy-Richardson滤波法复原的图像更能客观地反映实际图像信息。在此基础上,提出将L-R滤波与空间滤波相结合的组合滤波复原技术,该方法先抑制噪声后复原图像,从而达到更好的图像复原效果。     

空间变化模糊的图像复原算法

传统的空间不变的模糊图像复原算法无法对空间变化图像取得良好的复原效果,空间变化的图像复原算法能够较好地复原图像,增强复原图像的可读性。新算法使用奇异值分解法将模糊核分解为基滤波器和系数滤波器的线性组合,提出一种总变分和小波框架双正则化模型。并使用ADMM算法将原问题分解为易于求解的子问题进行独立求解,使得算法能快速迭代收敛,在迭代过程中完成图像的复原与优化。实验结果表明:对于空间变化的模糊图像,提出的新算法能够较好地去模糊,取得较高的峰值信噪比和结构相似度,在主观评价上也具有良好的视觉效果。     

基于总变分规整化的湍流退化图像复原RL算法

根据RL（Richardson-Lucy）不需要点扩散函数尺寸先验信息的优点和湍流退化模式的特点,将RL图像复原算法应用到气动光学效应退化图像的复原中．针对RL算法极易引起噪声放大和过度平滑的缺点,提出了基于总变分最小化的RL图像盲复原算法．仿真结果表明,该算法在噪声抑制和细节保存方面都优于非规整化的RL算法。     

图像去雾算法研究进展

图像去雾技术根据算法的处理方式分为两类:一类是图像增强去雾算法,涉及直方图均衡化、小波变换和基于色彩恒常理论的Retinex算法等;另一类是图像复原去雾算法,主要包括传统基于光偏振特性的多幅图像复原和基于先验假设的单幅图像复原等方法,以及基于深度学习的图像复原算法。为了今后更好地研究图像去雾技术,本文系统地回顾了图像去雾算法的发展情况,对图像去雾算法研究中存在的问题进行了分析,并尝试探讨了其发展趋势。     

基于FitzHugh-Naguno神经元随机共振机制的图像复原

应用随机共振机制,借助噪声能量实现图像复原,改善低信噪比图像的输出质量.通过分析FitzHugh-Nagumo(FHN)神经元的阈上随机共振机理,以及在相平面上的阈值工作特性,对FHN神经元模型进行约简,以峰值信噪比(PSNR)为图像复原的评价函数,提出基于随机共振的自适应最优图像复原算法.以含噪mountain彩色图像和LED芯片图像为实验对象,与均值滤波、维纳滤波等图像复原算法进行仿真对比研究.结果表明:随机共振方法较好地抑制了噪声、恢复了图像细节和色彩信息,且随着噪声的增强,随机共振方法复原图像的峰值信噪比变化较小,该方法具有较好的鲁棒性.     

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．     

基于小波域ADMM深度网络的图像复原算法

近年来,基于深度学习的方法在图像复原领域展现出了优秀的性能。然而现有大多数深度网络均是通过经验进行网络结构设计,较少在网络设计中考虑结合一些传统方法以提升网络可解释性。针对这一不足,本文对结合图像退化模型的深度学习方法展开研究,提出了一种基于小波域ADMM深度网络的图像复原算法。具体而言,本文首先提出了一种基于小波域ADMM的图像复原方法,该方法在小波域下使用ADMM算法将复原问题分解为一系列子问题。接着,分别对子问题求解,并根据其解的形式帮助进行网络的设计,构建了一个可解释的深度卷积神经网络用于图像复原。实验结果表明,本文提出算法取得了较好的复原结果,不论在视觉效果还是客观评价指标上都优于对比方法。     

基于数值保真项优化的TDI遥感图像复原方法

提出基于数值保真项优化的时间延迟积分电荷耦合元件（TDI-CCD）振动模糊遥感图像复原方法.针对时间延迟积分（TDI）退化图像点扩散函数（PSF）的空间变化性,根据成像平台颤振信息逐行构建模糊核.通过结合L1正则化和数值保真项优化,提出新的遥感图像去模糊方法,实现对TDI颤振图像的逐行复原.在基于最大后验概率（MAP）构建图像去模糊模型的过程中,将数值保真项扩展到二阶,以更好地保留图像细节.与传统的Richardson-Lucy（RL）算法、全变分方法相比,提出的算法去模糊效果明显.分析在不同积分级数和颤振频率下采用该算法复原后的图像的ssim,该算法体现出很好的普适性.     

在Gp,qβ空间收缩的图像复原方法

在DT模型、Jiang模型和LHLLAV模型等图像复原方法的基础上,提出了在新的光滑空间上的图像复原模型。首先剖析了新模型的参数含义和物理意义,阐述了Besov空间和Gp,qβ空间的定义、性质和范数。根据Gp,qβ空间和Besov空间的关系,把模型在Gp,qβ空间中重新描述。引入替代函数,消除K*Ku对求解带来的困难,推导了新模型在第二代Curvelet变换域的求解,得到了一个关键性的Curvelet域收缩求解公式。最后,对图像复原模型给出了算法步骤和实验,验证了复原效果和计算复杂度,模型收敛快,比LHLLAV模型省时近一半,图像的SNR也比LHLLAV模型的高。