运动模糊图像恢复的算法研究与分析

运动模糊图像恢复是图像处理中的重要部分。从运动模糊图像退化模型开始,介绍比较了几种恢复算法,并选取其中的维纳滤波法进行深入具体的实验,分析了图像恢复过程中存在的运动模糊仿真图片的正确生成、振铃效应及其与恢复算法参数的选取之间的关系等问题,最后简要分析了图像恢复中质量变差的原因。     

运动模糊图像恢复的算法研究与分析

运动模糊图像恢复是图像处理中的重要部分。从运动模糊图像退化模型开始,介绍比较了几种恢复算法,并选取其中的维纳滤波法进行深入具体的实验,分析了图像恢复过程中存在的运动模糊仿真图片的正确生成、振铃效应及其与恢复算法参数的选取之间的关系等问题,最后简要分析了图像恢复中质量变差的原因。     

基于 TMS320C6416的 JPEG 编码器优化实现

结合 TI 公司 TMS320C6416的结构和特点,在分析 JPEG 编码器结构特点的基础上,阐述了在实现 JPEG 编码中对算法的软件并行优化实现所做的工作,并在工程中用汇编语言实现了JPEG 编码器。在主频为600MHz 的 TMS320C6416 DSP 上处理4008＆#215;2672大小的图像数据,在满足一定编码图像质量的前提下,编码器编码速度达到2帧/秒。     

基于DSP的AdaBoost人脸检测算法实现

为解决人脸检测实时性问题,提出了基于DSP实现人脸检测算法.改进了AdaBoost人脸检测算法,在层次型AdaBoost检测算法的基础上,改进了特征定义方式,提出模糊层次型人脸检测器结构.介绍了TI公司的DSP芯片及其外围电路,描述了系统中各个模块的工作流程.最后,阐述了利用CCS对DSP程序进行优化.实验结果表明,在输入图像大小为256×256像素的条件下,检测速度达到每秒26帧,误检率只有0.9%,实现了实时人脸检测的要求.     

基于灰度重构和PSO的FCM分割MRI

为解决模糊C均值(FCM)模型对噪声敏感和随机初始聚类中心影响分割结果的问题,提出一种基于灰度重构和自适应粒子群优化的FCM算法.使用图像中每两个像素的空间和灰度信息,构造一种加权方式对灰度进行加权和,进行Top-hat和Bottom-hat变换,得到灰度重构图像;对粒子群算法的惯性权重进行改进,使其根据迭代情况自适应更新粒子速度,避免陷入局部最优;将改进的粒子群算法与FCM相融合,粒子位置作为聚类中心,对灰度重构后的图像进行分割.以磁共振图像为例进行实验,并与同类型算法进行对比,所提算法取得了较好的分割结果.     

非零边界旋转运动模糊图像的恢复算法

具有非零灰度边界的旋转运动模糊图像的恢复是图像处理的一个热点研究问题。为了在离散情况下能够沿模糊路径上快速提取像素的灰度信息，将Bresenham算法思想引入到旋转运动模糊图像的恢复工作中，并在此基础上，提出了一种基于模糊路径频域滤波去卷积的恢复算法，同时，为了有效地恢复非零边界区的图像信息，又提出了一种基于邻域知识引导的最小代价恢复算法。这样就可将非零边界旋转运动模糊图像的恢复过程分为两个阶段，即先后用该两个恢复算法分别进行处理，由于使整个恢复过程避开了迭代计算和一些复杂的费时运算，从而加快了恢复速度。为验证该算法的效果，在微机上，对该恢复算法与现有的算法进行了对比实验和一系列的验证实验，实验结果表明，该算法十分有效，且具有一定的抗噪能力。     

基于小波分解和模糊聚类的图像分割方法

传统的FCM图像聚类法由于需要大量先验知识和聚类速度的原因,大大限制其在图像分割领域的应用.提出一种基于小波分解和模糊聚类相结合的图像分割算法,首先对图像进行小波变换,对于L空间得到的灰度图像利用小波多尺度分解的性质得到特征图像,利用此特征图像的一维灰度信息采用模糊C均值聚类(FCM)算法,并自动确定FCM算法聚类数和聚类中心从而完成聚类的无监督化,实现对经小波分解后的特征图像的高效快速分割.     

基于核与局部信息的多维度模糊聚类图像分割算法

在以聚类分析为背景的图像分割算法中,引入局部信息是为了在保留图像细节的同时尽可能地减少噪声.在模糊C均值算法基础上,提出了一种基于核与局部信息的多维度模糊聚类分析方法来权衡图像中的噪声和细节.该算法引入2个基于局部信息的图像变体,即平滑和锐化处理后的图像,使之与原始图像一起构成多维度的灰度值向量来替换原始单维的灰度值; 再利用核方法提高其鲁棒性; 最后添加一个邻域隶属度差异惩罚项很好地修正和增强了最终的分割效果.在人工合成图片的去噪实验中,所提方法取得了近99%的分割正确率,优于Nystrom归一化分割(NNcut)和基于模糊局部信息C均值(FLICM)算法;同时在自然图片和医学图片的对比实验以及参数调控实验中,展现出了其在处理图像噪声和细节时灵活、稳定、健壮且易于调控的特点.     

基于灰度平均梯度和粒子群优化的散焦图像模糊参数估计

针对散焦模糊图像的复原问题,提出一种基于灰度平均梯度与粒子群优化(PSO)算法相结合的散焦图像模糊参数估计方法。首先,利用PSO算法随机生成一群不同模糊半径的点扩散函数,分别用维纳滤波算法处理模糊图像,得到一系列复原图像,并计算其对应的灰度平均梯度值;然后,利用图像清晰度与图像灰度平均梯度值成正变关系这一特点,以复原图像的灰度平均梯度值作为粒子群算法的适应度函数值,找出使适应度函数最大的粒子所对应的模糊半径作为最后的估计结果。实验结果表明,与频谱估计方法和倒频谱估计方法相比,所提算法能够更精确地估计出模糊参数,尤其是在大尺度模糊半径的情况下,所提算法估计的精度更高。     

图像运动模糊方向的检测方法

为了降低运动模糊图像恢复问题的复杂度,提高计算效率,将图像恢复的二维问题转化为一维问题,可以将图像的模糊方向旋转到水平方向,这就需要识别图像的运动模糊方向.计算模糊图像任意角度的方向微分,根据微分图像灰度值的绝对值的分布特征,可以看到模糊方向和微分图像的绝对灰度值存在一定的关系,由此可以鉴别出模糊方向.在鉴别过程中,给出了精度更高的三次样条插值计算微分图像的详细方法.仿真实验表明,该方法稳定性好,具有较高的精度.