基于频域和空域的数字图像复原算法研究

基于频域和基于空域的数字图像复原算法有各自的适用范围和特点.通过分析研究可以得到,基于频域的算法比较简单,在已知图像和噪声功率谱的情况下可以快速准确地进行图像复原;基于空域的算法直接对图像像素进行操作,通过正则化项的引入更好地控制噪声,并采用迭代计算获得了良好的图像复原效果.文中对常规的空域正则化算法进行改进,构造空域上加权矩阵,更好地保持图像的边缘和纹理.在实际应用中要需要对这些不同算法加以比较选择.     

一种空间自适应正则化图象盲复原算法

图象盲复原所面临的主要问题是可利用信息的不足，所以必须充分利用图象本身及成像系统的先验信息，为此，结合模糊先验辨识的思想，给出了一种新的空间自适应正则化算法，该算法先用交替最小化的迭代方法对模糊进行先验辨识，然后利用辨识结果，用各向异性扩散进行图象复原，算法充分利用了图象及成像系统（或点扩散函数PSF）的分段平滑特性，同时又利用各向异性扩散的概念，使得正则化不仅在程度上，而且在方向上都是空间自适应的，从而能够有效地进行图象盲复原，仿真结果表明，该算法的复原效果优于空间自适应各向同性正则化（SAR）算法，其收敛性能优于空间自适应各向异性正则化（SAAR）算法。     

基于调和模型神经网络的彩色图像复原研究

针对彩色图像复原提出了基于网络能量递减收敛的调和模型神经网络图像复原方法,研究了该方法在运动模糊图像复原上的应用。利用待复原图像重构出多幅模糊图像用于算法的实现,并首次提出基于图像局部方差的自适应正则化算子的实现方法。实验结果表明,该方法是有效的,复原效果优于有约束的最小二乘复原法和已有的传统神经网络图像复原法,对复原图像的信噪比有一定的提高。     

基于数字图像技术的西红柿智能分类

针对传统农业中人工水果分级和分类较为困难的问题,提出了一种无损的西红柿智能分拣分级系统.首先,该系统利用微控制器装置采集样本的数字图像来构建物种向量并进行二值分类,以区分西红柿和其他物种.其次,根据颜色属性将西红柿分为成熟和未成熟两类,并利用Gabor小波变换对图像中的病损区域进行分割,识别出果实中的缺陷.最后,根据附...     

基于张量分解的数字图像取证

提出一种基于张量分解的数字图像盲检测方法,从全局处理角度对JPEG压缩数字图像进行真伪盲检测。对于来自某一相机拍摄的一批参考图像组成的张量,利用张量分解的方法,从分解残差中分析提取图像特征,通过支持向量机分类器鉴别待检测图像是否直接来自该数码相机。实验结果表明,该方法对数字图像的来源鉴定具有较高准确性和较强的鲁棒性。     

数字图像压缩算法的仿真与应用研究

研究数字图像压缩问题,针对传统图像压缩算法无法消除图像中视觉和统计冗余,导致图像传输速度慢,效果低。为此,提出一种新的数字图像压缩算法。首先对图像进行小波变换,提取子层的小波系数,然后对变换后的小波系数用SWZ进行编码;并采支持向量机对小波系数进行拟合,最后对压缩后系数进行算术编码。结果表明,相对于传统图像压缩算法,新算法提高了图像压缩前后间的信噪比,加快了图像传输速度,为图像压缩方法提供了一种新的研究思路。     

回归型支持向量机的系统辨识及仿真

本文详细阐述支持向量机(SVM)和最小二乘SVM(LS—SVM)的基本原理基础上。提出基于SVM的线性、非线性系统辨识。通过仿真分析并比较SVM、LS—SVM辨识与神经网络辨识结果,得到SVM、LS—SVM方法比神经网络具有更高的系统辨识精度和更好的泛化能力;LS—SVM算法比SVM快速。抗噪声能力强,更适合于动态系统辨识。     

基于SOM神经网络和支持向量机的方言辨识

建立了一个基于SOM神经网络和支持向量机(SVM)的汉语方言辨识系统。该系统以湖南方言作为研究对象,借助SOM神经网络对不同方言的MFCC特征参量进行聚类,并用SVM作为最终的决策辨识器。实验结果表明:该系统与传统系统相比实时性和辨识率较好,特别适用于信噪比低的情况。     

基于支持向量机的模糊系统辨识研究

GK模糊聚类是一类广泛应用于分类的数据分析技术,能智能探测不同聚类的形状,但是存在迭代过程中聚类数恒定、公式中协方差矩阵要求非零等缺点。本文针对这些缺点,提出改进的聚类算法,针对现有的模糊辨识算法出现的维数灾难及函数逼近能力不高等问题,以语言模糊模型和缺少常数项的支持向量回归机的等价性分析为基础,提出一种支持向量机与模糊系统相结合的新辨识算法,并且利用梯度下降法对参数进行辨识;为了更好地缩减规则数及体现样本数据的信息,对输入的样本集又采用改进的GK模糊聚类对数据进行分类。     

离焦图象模糊辨识及复原方法研究

本文讨论如何根据离焦模糊图象确定其退化模型参数,并同时使模糊图象复原的问题,提出了一种基于模糊图象的梯度图象、最小二乘技术和斐波那契最优搜索法的有效方法.文中介绍了方法的基本原理,提出了实现该方法的算法步骤,并给出了对人工模拟图象和实际拍摄的离焦图象处理的实验结果.     

基于空间自适应正则化和Hopfield网络的图像盲复原方法

本文在研究空间自适应正则化和Hopfield神经网络图像复原算法的基础上,综合两者的优点,提出了一种退化图像的盲复原方案,先对退化图像利用SAR算法进行先验辨识,再利用基于连续函数的全并行自反馈改进Hopfield神经网络算法进行精确的复原。仿真证明,此方案的盲复原结果图像的质量有很大改善。     

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.     

基于小波混沌神经网络的图像复原算法

提出了一种将小波理论和混沌理论应用于改进的连续Hopfield神经网络的图像复原算法.文章在Hopfield神经网络应用于图像复原基础上,引入小波理论和混沌理论对Hopfield网络进行训练和调整,给出具体的小波混沌神经网络算法方案设计,并将改进后的算法应用于图像复原仿真.实验结果证明该小波混沌神经网络的图像复原方法得到的复原图像信噪比更高,可视效果更佳.     

基于分割的图像超分辨率重构算法

鉴于当前算法不能很好解决重构效果和算法复杂度之间的矛盾,提出了一种基于分割的图像超分辨率重构算法.首先提出了一种基于纹理的图像分割方法,将图像分为纹理较多和较少两个区域,然后针对纹理较少区域提出了改进型小波多尺度插值方法,纹理较多区域提出了固定训练集神经网络方法.本算法综合了小波方法的简单性和神经网络方法的精确性.实验结果表明,新算法重构效果良好,复杂度较低,操作性好.     

一种离焦模糊图像的复原方法

图像复原是一种去除或减轻在获取数字图像过程中发生的图像质量下降的方法。为了获得更好的离焦图像复原质量,在通过对离焦模糊图像复原进行了较为系统的研究后,提出了一种基于维纳滤波频域的复原方法,结果表明该方法具有较好的改善图像复原效果和较快的速度。图像散焦信息的干扰得到有效排除,噪声得到有效抑制,信噪比得到明显改善。     

一种离焦模糊图像的复原方法

图像复原是一种去除或减轻在获取数字图像过程中发生的图像质量下降的方法.为了获得更好的离焦图像复原质量,在通过对离焦模糊图像复原进行了较为系统的研究后,提出了一种基于维纳滤波频域的复原方法,结果表明该方法具有较好的改善图像复原效果和较快的速度.图像散焦信息的干扰得到有效排除,噪声得到有效抑制,信噪比得到明显改善.     

基于共生矩阵分析的自适应神经网络图像复原算法

为了保护图像中的细节信息,提出了一种基于共生矩阵聚类分析的自适应Hopfield神经网络图像复原算法．通过计算图像局部区域的共生矩阵提取其纹理特征,对共生矩阵非零元素进行聚类分析．根据聚类数量和各聚类之间的距离,提出了图像局部区域细节强度的定义及其计算方法．细节强度在准确地区分图像的平坦区域和细节区域基础上,通过非线性函数自适应地调整Hopfield网络的权系数矩阵,以使权系数适合图像的纹理特征,而且权系数的生成过程符合人的视觉特性．图像复原的迭代求解过程和神经网络权系数矩阵的更新过程交替进行．该算法能够在图像的平坦区域有效地抑制噪声,在包含细节的区域突出细节．对比实验结果显示,该算法获得的复原图像的信噪比明显提高,视觉效果明显改善．     

图像盲复原算法研究现状及其展望

当点扩展函数未知或不确知的情况下，从观察到的退化图像中恢复原始图像的过程称为图像盲复原。近年来，图像盲复原算法得到了广泛的研究。本文首先根据点扩展函数的特点，将图像盲复原算法分为单通道盲复原算法、空间不变多通道盲复原算法和空间变化图像盲复原算法等3种类型；然后讨论了3种算法的研究现状并指出了现有各种算法的优缺点，最后通过研究总结出以下结论：现有算法的改进以及新的算法研究、基于非线性退化模型的算法研究、去噪处理算法研究、实时处理算法以及算法的应用研究是今后进一步研究的发展方向。     

图像超分辨率复原技术的现状与展望

图像超分辨率复原技术是由一序列低分辨率变形图像来估计一幅或多幅较高分辨率的非变形图像，同时还能够消除加性噪声以及由有限检测器尺寸和光学产生的模糊，是图像融合领域中的一个重要分支。对此分别从超分辨率复原技术的理论基础、发展现状以及未来的研究发展方向进行了论述。