基于Lucy-Richardson的自适应光学图像复原

自适应光学系统受观测条件与自身条件的限制,通常只能对受大气湍流影响的降质图像进行部分矫正,文中提出将Lucy-Richardson应用于自适应光学图像的复原中,首先对LuckRichardson算法的原理进行介绍,并对比分析其在不同的噪声条件下的复原效果,针对其复原算法对噪声较为敏感的缺陷,提出将复原后的图像利用中值滤波进行降噪处理,实现模糊图像清晰化。     

一种适合车牌图像复原的改进NAS-RIF算法

针对监控中得到的车牌图像易因为运动产生模糊的特点,在NAS-RIF算法的基础上进行改进.首先采用自适应中值滤波对退化的车牌图像进行预处理,在抑制噪声的同时保持了车牌图像的细节特征;其次利用NAS-RIF进行盲复原算法复原图像时,在每次复原迭代过程中加入低通滤波环节.实验结果表明,改进算法能有效地恢复出监控录像中的车牌图...     

噪声点位置已知的自适应滤波算法比较研究

高效滤除图像中椒盐噪声的方法大多采用先检测被污染图像中椒盐噪声的位置,再有针对性地对椒盐噪声进行处理的方法。噪声检测算法精度均较高,滤波质量与后续采用的自适应开关滤波算法息息相关。文中在图像椒盐噪声位置已知的情况下,比较研究了应用较为广泛的3种自适应开关滤波算法的去噪性能。     

合成孔径雷达图像斑点噪声抑制与滤波

斑点噪声的存在,严重阻碍了合成孔径雷达（SAR）图像的应用。根据斑点噪声的形成机理,分析并比较了抑制SAR斑点噪声的传统滤波算法及统计滤波算法的原理,利用ERS-2的SAR图像数据比较了这几种算法对SAR图像斑点噪声的滤除效果,根据噪声滤波效果评价参数得出Gamma滤波抑制斑点噪声的综合性能最好。     

结合复小波的倒易晶胞图像复原方法

 遥感图像的退化主要受到噪声、模糊、混迭等多种因素的影响.针对单帧图像复原中的混迭现象,采用一种基于传感器几何特性的倒易晶胞复原方法.这种倒易晶胞的复原方法是把图像从空域对偶到频域,去除超出频域网格之间的频谱交叠部分,从而抑制混迭.然后,在频域采用逆滤波的方法进行去模糊和去彩色噪声.最后,利用复小波多方向可选择的特性进行去白噪声,可得到更准确的重建小波系数.实验表明,倒易晶胞结合复小波的复原方法比常用的复原方法效果更好.由于本复原算法考虑到了去混迭,因而比常用的图像复原方法更适于指导工程实践.     

一种基于椒盐噪声新型组合滤波算法仿真研究

提出了一种新型组合滤波算法。该算法首先在噪声方差估计、滤波模板类型和尺寸大小等方面对自适应维纳滤波进行改进,对图像噪声进行预处理;其次将预处理后的图像进行二维多尺度小波分解,由于低频子图像基本不受噪声污染,故不作处理;然后对开关中值滤波分别从噪声检测、噪声分类、噪声滤波等方面进行改进,并给出具体实现步骤,用于小波域高频子图像滤波;最后将滤波后高频子图像和低频子图像进行小波系数重构。实验结果表明,两类改进滤波算法在滤波性能上均优于原始算法,在抗噪性和细节保持等方面具有一定优势。     

基于不同窗口形状下的CT图像中值滤波算法

CT作为医学影像工具,对CT图像的去噪声处理是医学图像预处理中的重要环节,中值滤波是传统滤波算法中对滤除椒盐噪声有较好滤波性能的方法之一,滤波窗口形状有着多样性。文中对于不同形状窗口进行了程序编写,研究了不同形状的滤波窗口、不同窗口大小的中值滤波算法对CT图像的去噪效果,这些影响到中值滤波中心像素值的选取以及滤波处理的计算量。实验结果表明,中值滤波的效果有差别,为改进中值滤波算法及对CT图像的去噪声处理提供了参考,同时也有利于研究中值滤波与其他滤波方法结合进行去噪声处理,可以更好地保留图像的细节。     

噪声密度不敏感的随机采样椒盐噪声滤波算法

中值滤波系列算法在处理被不同密度椒盐噪声污染的细节图像和平坦图像时,降噪性能不一致。本文借鉴开关中值滤波和压缩感知的思想,提出了随机采样滤波算法去除椒盐噪声。算法以噪声检测为基础,将被椒盐噪声污染的图像分为疑似噪声像素和信号像素,随机采样仅对信号像素采样。然后,利用正交匹配追踪算法重构出被污染前的图像,替代了中值滤波对噪声像素的估计。由于随机采样滤波基于压缩感知理论,对稀疏信号的重构具有最少测量次数的条件,因此随机采样点的数量具有一定的浮动空间,表现为对噪声密度不敏感。以被不同噪声密度污染图像的纹理、平坦局部区域进行验证,实验表明,当噪声密度在一定范围内变化时,算法可以实现对噪声密度不敏感。在高密度噪声污染的情况下,相较于中值滤波系列算法,随机采样滤波算法具有更好的细节保留能力和滤波能力。对标准测试图像进行了全局滤波,不同噪声密度具有一致的滤波效果,与自适应滤波算法相比,随机采样滤波算法在处理包含密集边缘特征的区域时更具备优势。      

抑制大噪声的解包算法

移相干涉技术是高精度面形检测的主要手段之一,但当图像中含有大噪声和大块无效区域时,解包却是一个难题。将噪声点分为残差点和不连续点,对残差点采用三点邻域的组合对其进行判定,对不连续点在解包前后进行两次标记,并在解包后利用邻域有效点的均值来复原噪声点,从而改进和完善了种子点解包算法。仿真结果表明,改进后的算法有较强的噪声抑制能力,有效解决了在大噪声、大块无效区域情况下图像的相位解包问题,且解包出来的图像中不再含有大的噪声,可用均值滤波进行平滑处理。     

基于脉冲耦合神经网络的椒盐噪声滤波

基于脉冲耦合神经网络,提出了一种有效的椒盐噪声图像滤波算法.首先利用PCNN相似群神经元同步发放脉冲的特性检测噪声,并给出了神经元参数的估计方法.然后考虑到噪声点应和最近的非噪声点最相似,提出了一种扩展窗口中值滤波算法对噪声点进行滤波.仿真表明,本文提出的方法对不同强度的噪声图像均体现了优异的滤波性能,和相关的中值滤波算法相比也体现了相当明显的优势.     

运动和散焦模糊图像的复原方法及其应用研究

模糊图像复原是从退化的观测图像中重建原始图像的过程,是进行图像处理和模式识别等研究的基础.运动模糊和散焦模糊是两类常见的模糊方式.通过对这两类模糊图像复原过程的研究,分析了模糊图像复原过程中滤波器的选择、点扩散函数的确定以及边缘噪声的处理等关键技术,提出了图像复原的可行方案.计算机仿真试验结果表明,该方法是有效地和可行的.     

基于直方图的自适应图像去噪滤波器

对于那些明显偏离高斯型白噪声的加性噪声,如拖尾脉冲噪声,高斯脉冲噪声等,已有方法的滤噪性能会严重退化.为此,该文提出了一种去除脉冲噪声的新方法.该方法首先由被污染图像估计出原图像的直方图.然后应用模糊集理论,利用加权策略得到了一个符合图像灰度分布统计规律的模糊隶属度函数,以此隶属度函数构建一个加权平均滤波器. 新方法有效地利用了原图像的先验知识,能够根据图像区域特性差异及脉冲噪声强弱自适应地采用不同的滤波尺度.文章比较了传统滤波器、已有的模糊滤波器和本文方法的结果.实验表明本文方法具有更好的效果.     

一种基于PCNN的图像去噪新方法

该文深入研究了如何用一种有生物学依据的人工神经网络脉冲耦合神经网络(PCNNPulseCoupled Neural Network)进行二值图像去噪与图像平滑,并提出了基于PCNN的图像去噪算法。计算机仿真结果表明,使用PCNN可有效地恢复被噪声污染的二值图像,且恢复图像的信噪比增量高于用另两种常用的图像恢复方法(中值滤波与均值滤波)得到的结果。     

一种视频监控图像条纹噪声去除算法

针对视频图像中图像传感器故障引起的等间距横纹噪声去除问题,提出了基于陷波滤波器的去除条纹噪声算法;首先将视频条纹图进行傅里叶变换,通过频域累积分布函数映射法构造自适应滤波器,用该滤波器对变换后的条纹图像进行滤波,最后用Laplacian算子进行锐化处理得到最终去噪声图像。实验结果表明,本算法适合用于去除有图像传感器故障引起的等间距横纹噪声。     

Image Restoration by Lifting‐Based Wavelet Domain E‐Median Filter

In this paper, we propose a method of applying a lifting‐based wavelet domain e‐median filter (LBWDEMF) for image restoration. LBWDEMF helps in reducing the number of computations. An e‐median filter is a type of modified median filter that processes each pixel of the output of a standard median filter in a binary manner, keeping the output of the median filter unchanged or replacing it with the original pixel value. Binary decision‐making is controlled by comparing the absolute difference of the median filter output and the original image to a preset threshold. In addition, the advantage of LBWDEMF is that probabilities of encountering root images are spread over sub‐band images, and therefore the e‐median filter is unlikely to encounter root images at an early stage of iterations and generates a better result as iteration increases. The proposed method transforms an image into the wavelet domain using lifting‐based wavelet filters, then applies an e‐median filter in the wavelet domain, transforms the result into the spatial domain, and finally goes through one spatial domain e‐median filter to produce the final restored image. Moreover, in order to validate the effectiveness of the proposed method we compare the result obtained using the proposed method to those using a spatial domain median filter (SDMF), spatial domain e‐median filter (SDEMF), and wavelet thresholding method. Experimental results show that the proposed method is superior to SDMF, SDEMF, and wavelet thresholding in terms of image restoration.     

融合深度学习与多尺度Retinex的水下图像增强方法

针对水下图像纹理模糊和色偏严重等问题,提出了一种融合深度学习与多尺度导向滤波Retinex的水下图像增强方法。首先,将陆上图像采用纹理和直方图匹配法进行退化,构建退化水下图像失真的数据集并训练端到端卷积神经网络(convolutional neural network,CNN) 模型,利用该模型对原始水下图像进行颜色校正,得到色彩复原后的水下图像;然后,对色彩复原图像的亮度通道,采用多尺度Retinex(multi-scale Retinex,MSR) 方法得到纹理增强图像;最后,融合色彩复原图像中的颜色分量和纹理增强图像得到最终水下增强图像。本文利用仿真水下图像数据集和真实水下图像对提出方法进行性能测试。实验结果表明,所提方法的均方根误差、峰值信噪比、CIEDE2000和水下图像质量评价指标分别为0.302 0、17.239 2 dB、16.878 4和4.960 0,优于5种对比方法,增强后的水下图像更加真实自然。本文方法在校正水下图像颜色失真的同时,能有效提升纹理清晰度和对比度。     

基于空间约束高斯混合模型的EPLL自然图像复原

为了提高基于块先验的自然图像复原效果,有效去除图像中的噪声和模糊,提出了一种基于空间约束高斯混合模型的块似然对数期望(Expected Patch Log Likelihood, EPLL)复原框架。基于图像块的空间分布信息,将图像块的空间约束高斯混合统计特性作为先验,在图像块复原的基础上实现整幅图像的全局优化复原。对比相关的图像复原方法,提出的方法去噪和去模糊效果更好,并且保图像细节。利用客观性能指标对复原结果进行评价。实验结果表明,提出的方法有效易行,而且复原图像表现出良好的可视效果。     

二阶Hopfield型神经网络的稳定性 分析及收敛速度的估计

本文讨论二阶连续Hopfield型神经网络平衡点的全局稳定性问题,利用LMI方法和Lyapunov方法得到了网络平衡点全局渐近稳定和全局指数稳定的几个充分条件,并对其指数收敛速度进行了估计.     

结合脉冲耦合神经网络与模糊算法进行四值图像去噪

该文研究了如何将模糊算法用于脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN),进行四值图像去噪,提出了基于模糊PCNN的图像去噪算法.计算机仿真结果表明,将模糊算法与PCNN相结合,可有效地去除被噪声污染的四值图像的噪声,且恢复图像的视觉效果明显地好于用另两种常用的图像去噪方法(中值滤波和均值滤波)得到的结果.在医用图像和军事图像处理方面,四值图像的去噪恢复是非常有价值的,故本文对于PCNN的理论研究和实际应用均有重要的意义。     

Optimal wavelet filter banks for regularized restoration of noisy images

Regularized image restoration methods efficiently handle the ill-posed problem of image restoration. Nevertheless, the issue of selecting the regularization parameter as well as the smoothing filter still constitutes an open research topic. A model of regularized image restoration is introduced and analyzed in this paper. The proposed model assumes that wavelet filter banks replace the smoothing filter of conventional regularized restoration. Filter factorizations for the optimal design of wavelet filter banks using the generalized-cross-validation (GCV) criterion are presented, and novel expressions of the influence matrix, which is used to calculate the GCV error, are derived. The error of the GCV method is expressed in terms of the modulation matrix of the filter bank and the modulation vector of the degradation filter. The expressions are given in general form for optimal wavelet filter bank design upon arbitrary sampling lattices. The numerical examples of image restoration using the proposed method that are presented indicate significant signal-to-noise ratio improvement, _SNR , compared to image restoration methods that employ the Laplacian as the smoothing filter.