离焦模糊数字图像的Wiener滤波频域复原

离焦模糊图像的退化模型可用均匀分布的圆盘函数表示 ,其对应的圆盘半径是需辨识的退化模型参数 (即模糊半径 )。利用模糊图像的频率域中的零点位置来估计模糊半径 ,采用简化Wiener滤波对模糊图像进行复原。实验结果表明该方法能够以较少的运算时间代价获取较好的复原效果 ,适用于信噪比高的离焦模糊图像的快速复原     

基于降质信息估计的盲图像复原算法

针对低质量图像的复原重建问题,提出了一种基于降质信息估计的盲图像复原算法.该算法主要包括噪声估计网络、模糊核估计网络和重建网络3部分.首先分别通过噪声估计网络和模糊核估计网络,对图像噪声水平和模糊核进行估计;其次,将估计所得噪声水平和模糊核作为降质信息,并联合待处理的低质量图像一起输入重建网络,以帮助获得更好的重建效果...     

基于参数估计的降晰函数辨识及图像复原算法

成像系统的点扩展函数(PSF)以及观测噪声,在一般应用过程中是未知信息,因此,点扩展函数的辨识是一个具有挑战性的世界难题.为解决实际工作中遇到的在已知降晰类型情况下的降晰函数辨识和降晰图像复原问题,提出了基于参数估计的降晰函数辨识及降晰图像复原算法.首先,由初始猜测给定降晰函数参数的变化范围和参数的增量步长;然后,最小化降晰图像和由相应点扩展函数及降晰图像得到的实验观测图像的差的Frobenius范数,以确定点扩展函数的参数,进而确定降晰图像的点扩展函数并对降晰图像进行复原.应用基于Wiener滤波的频域循环边界算法对降晰图像进行复原.实验结果表明:在降晰图像信噪比较高的情况下,降晰函数的辨识结果是可靠和准确的,有较好的复原效果.     

柯林斯公式及其逆运算在处理离焦图像中的应用

给出描述光波通过傍轴光学系统衍射的柯林斯公式及其逆运算表达式。根据在数字全息研究中可以将物平面及CCD平面视为ABCD系统的输入平面及输出平面,本文提出通过柯林斯公式的逆运算进行离焦图像复原的一种计算方法,并且,基于相移法和计算机编程技术,给出离焦图像复原的计算机模拟实例,证明了算法的可行性。     

频域正则求逆小波域维纳滤波图像复原

采用频域正则化求逆和小波域维纳滤波去噪的方法对已知线性降晰模型的含噪图像进行图像复原。实验结果表明,本文算法的复原效果明显优于频域维纳滤波复原和小波域正则反卷积复原。     

一种基于神经网络的图像复原方法

提出了一种基于BP神经网络的图像复原算法.在分析图像模糊机制的基础上,为了降低输入维数,该方法采用滑动窗口操作来提取特征,同时为了加快训练速度和改善网络复原效果,首先对图像进行边缘提取,对图像内边缘区域和平坦区域分别采用滑动窗口获得训练集.利用BP神经网络的学习能力,通过训练,建立含有退化信息(高斯模糊)的模糊图像和清晰图像之间的映射关系模型,利用该模型对模糊图像进行复原,得到的复原图像在视觉上和定量分析上都获得了较好的效果.     

空间变化离焦模糊红外图像快速复原算法

为了提升空间变化离焦模糊红外图像的图像质量,提出了一种基于图像质量评价的快速复原算法.本文提出的方法首先对模糊图像采用不同点扩散函数对应的截断约束最小二乘法算法进行复原而获得多幅复原图像,并对复原图像进行去振铃;然后对复原图像中每个像素为中心的区域进行图像质量评价,将采用不同参数复原的图像以图像质量评价的结果进行组合以...     

光学离焦三维传感技术的现状与进展

介绍了近年来光学离焦三维传感技术的研究现状，重点综述了离焦三维传感的原理、技术特点以及主动离焦和被动离焦的实现方法。分析了这两种方法的优缺点。最后讨论了在现有条件下进一步提高离焦三维传感精度的可能性。     

基于离焦光栅的单帧深度学习相位反演算法

针对目前相位差法收敛速度慢以及需要CCD在焦面以及离焦面多次测量的问题,提出了基于离焦光栅的单帧深度学习相位反演算法。该算法用离焦光栅对入射波前进行调制,可同时在透镜焦平面上获得正负离焦以及焦面远场光强分布;此外算法引入卷积神经网络替代原有的多次扰动寻优过程,波前复原算法耗时大大降低。仿真结果表明:算法可根据单帧透镜焦面远场光强分布实现高精度快速波前复原,残差波前的均方根为入射波前均方根的6.7%,算法进行一次波前复原所需时间可小于0.6 ms。     

基于头脑风暴优化算法的BP神经网络模糊图像复原

该文提出一种基于头脑风暴智能优化算法的BP神经网络模糊图像复原方法(OBSO-BP)。该方法在聚类和变异两方面优化了头脑风暴智能算法,利用头脑风暴优化算法易于解决多峰高维函数问题的特点,自动搜寻BP神经网络更佳的初始权值和阈值,以减少BP网络对其初始权值和阈值的敏感性,避免网络陷入局部最优解,增加网络的收敛速度,减小网络误差,提高图像还原质量。该文采用20张不同的图像,对其模糊图像分别进行维纳滤波复原(Wiener)、基于头脑风暴算法的维纳滤波复原(Wiener-BSO)、BP神经网络复原以及基于头脑风暴算法的BP神经网络(BSO-BP)图像复原实验。实验结果表明,该方法能够取得更好的图像复原效果。     

维纳滤波在退化图像恢复中的应用研究

图像由于受到如模糊、失真、噪声等的影响,会造成图像质量的下降,形成退化的数字图像.退化的数字图像会造成图像中的目标很难识别或者图像中的特征无法提取,必须对其进行恢复.维纳波是一种常见的图像复原方法,该方法的思想是使复原的图像与原图像的均方误差最小原则采复原图像.本文进行了对退化图像进行图像复原的仿真实验,在退化图像中加...     

A rapid hybrid algorithm for image restoration combining parametric Wiener filtering and wave atom transform

Image restoration refers to removal or minimization of known degradations in an image. This includes de-blurring images degraded by the limitations of sensors or source of captures in addition to noise filtering and correction of geometric distortion due to sensors. There are several classical image restoration methods such as Wiener filtering. To find an estimate of the original image, Wiener filter requires the prior knowledge of the degradation phenomenon, the blurred image and the statistical properties of the noise process. In this work, we propose a new rapid and blind algorithm for image restoration that does not require a priori knowledge of the noise distribution. The degraded image is first de-convoluted in Fourier space by parametric Wiener filtering, and then, it is smoothed by the wave atom transform after setting the threshold to its coefficients. Experiment results are significant and show the efficiency of our algorithm compared with other techniques in use.     

逆滤波法在图像复原中的应用

针对逆滤波图像复原算法进行研究,在已知系统退化模型的情况下,对退化图像使用逆滤波算法进行复原,再对复原后的图像进行平滑处理,使其更接近于原始图像。文中使用Vis-ual C++6.0和Matlab作为开发工具,实验表明该上述算法具有简单可靠等优点,能使图像质量得到改善。     

基于改进脊波变换的红外视频图像高质量复原

为了实现红外视频降质图像高质量复原,采用一种基于改进脊波变换的图像复原算法来进行处理。该算法首先对降质图像进行改进脊波变换,然后提出一种具有加权改进自适应伪中值滤波算法对脊波系数进行处理,最后针对滤波后图像中时常出现的"环绕"现象,引入自适应Wiener滤波算法来抑制。进行了理论分析和实验验证,取得了相关模拟降质图像、真实降质图像以及峰值信噪比的测试数据。结果表明,该算法性能优于伪中值滤波以及两类脊波变换去噪算法。这对于实现红外视频降质图像复原研究是有帮助的。     

基于PSO和改进神经网络的图像滤波方法的研究

提出了一种基于改进BP神经网络和粒子群优化算法（PSO）的图像滤波方法。该方法利用对数最小均方误差函数（LNLS）代替BP神经网络传统的最小均方误差函数（LMS）,用来减小图像噪声对神经网络精度的影响;并将改进后的BP神经网络利用PSO算法优化,从而避免神经网络陷入局部极小值点,进一步提高神经网络滤波能力。实验结果表明,与传统滤波方法相比,该方法不仅能有效地滤除图像中的高斯噪声而且能很好地保护图像细节。     

改进的MEA-WNN图像复原方法

模糊图像复原是计算机视觉和图像处理领域的重要任务。针对思维进化算法(mind evolutionary algorithm,MEA)和小波神经网络(wavelet neural network,WNN)相结合的图像复原模型中,MEA的得分函数相对差别小、选优功能较弱等问题,提出了一种改进的MEA-WNN图像复原方法。该方法采用逻辑回归函数进行幂律变换,增加得分之间的差别,从而增强MEA的选优功能。将改进的模型与传统的基于WNN和MEA-WNN的图像复原模型进行对比,改进的模型把复原图像峰值信噪比(peak signal-to-noise ratio,PSNR)分别提高15%和6.5%、结构相似性(structural similarity,SSIM)提高了6.1%和5%,实验结果证明改进模型的有效性和优越性。     

基于改进BP神经网络和粒子群优化算法的图像滤波方法的研究

提出了一种基于改进BP神经网络和粒子群优化算法(PSO)的图像滤波方法.该方法利用双曲正切形式的误差函数代替BP神经网络传统的最小均方误差函数(LMS),并将改进后的BP神经网络利用PSO算法优化,用来减小图像噪声对神经网络精度的影响以及避免神经网络陷入局部极小值点,从而提高神经网络去噪能力.实验结果表明,与传统滤波方法相比,该方法不仅能有效地滤除图像中的高斯噪声而且能很好地保护图像细节.     

基于层叠滤波的快速图像恢复算法

在层叠滤波理论基础上,根据层叠滤波器的阈值分解和层叠性,提出了一种快速图像恢复算法。此算法在对层叠滤波进行计算机仿真实验时,能有效地提高图像恢复的效率,大大缩短图像恢复时间。     

实时图像盲复原技术

在有效的视频传输过程中图像的降质是不可避免的，可以通过图像盲复原重建降质的图像。因为不需要已知点扩展函数（PSF），所以得到广泛的应用。视频图像变化明显，传输的数据量大，因此需要一种计算复杂度小的方法来实现图像的盲复原。从此点出发包括两个主要的步骤：模糊图像到拉冬变换域的映射和在这个城内的盲模糊识别。这一映射使系统从2维到1维简化了计算的复杂度，更加符合实时的要求。