基于图像质量评价的自动图像复原技术

针对很难使用一种图像复原技术来满足实际的成像系统应用需求的情况,提出了一种基于无参考图像质量评价的自动图像复原技术.该技术在图像复原中引入图像质量评价,使图像复原技术变为主动图像复原.为应对图像降质过程的复杂性,介绍了基于图像质量评价的多模式图像复原框架.为适应由于图像复原过程的病态性导致的图像误差问题,提出了一种新的无参考图像质量评价方法,该算法通过在图像质量算子中引入图像相似矩阵和图像复原趋势矩阵,使其能适应复原对于图像结构或噪声结构变化.实验表明该图像质量评价算子的有效性,可以满足自动图像复原对图像质量评价算法的要求.     

基于改进逆滤波的衍射成像光谱仪图像复原方法

针对在衍射光谱仪(DOIS)成像中离焦谱段对准焦谱段成像造成干扰而导致的图像模糊问题,提出一种改进的逆滤波复原方法,旨在解决逆滤波中存在的不适定问题,并利用该方法对衍射光谱图像进行复原。改进的逆滤波算法通过引入正则化矩阵来改变原始问题的求解形式,将逆滤波函数进行正则化,从而减弱噪声对图像复原效果所产生的影响。通过将图像复原过程转换为矩阵求逆的过程,并在SVD算法求解过程中添加规则滤波器的方法,来调节正则化矩阵的形式以及参数的大小,达到了减弱矩阵的病态性并取得较优的复原效果的目的。实验结果表明,该方法能够有效地对衍射成像光谱仪图像进行复原,在一定程度上提高了拉普拉斯梯度以及图像质量指数(QI)值,同时减小了均方根(RMSE)值。所提方法能够抑制噪声干扰,增强图像清晰度,复原出与参考图相似度更高的单谱段图像,并能够获得更好的光谱曲线,有助于分析出地貌特征。     

基于Hessian矩阵范数正则化方法的共聚焦图像复原

对于泊松噪声污染下的模糊共聚焦图像复原问题,为解决传统方法中存在的阶梯效应,提出了一种基于Hessian矩阵范数的正则化方法.在泊松概率模型的基础上,该方法引入Hessian矩阵范数作为正则条件,并应用交替方向乘子法和梯度投影方法求解最优化模型.在激光扫描共聚焦显微镜实验中,所获得的复原图像质量优于传统方法,此结果证明了该方法可以有效地复原泊松噪声污染下的模糊共聚焦图像.     

一种快速稳健的超分辨率图像复原算法

提供了一种快速稳健的正则化超分辨率图像复原算法。该算法从Roberts交叉梯度算子的角度构造正则项,从自适应性的角度确定正则参数。用1-范数度量数据逼近项和正则项。算法分析和实验结果表明该算法具有好的稳健性,并且计算速度较快。     

改进的二值图像复原方法研究

为了解决传统基于GBB方法的正则化二值图像复原算法放大背景噪声的问题,提出了一种基于GBB方法的改进的正则化二值图像复原算法。根据提出的算法进行实验,定性的对两种算法的图像复原结果进行了比较。同时,利用ISNR选取最佳参数,且在不同程度噪声的影响下定量的评价了两种复原方法的结果。实验结果表明,该方法对于模糊二值图像的复原效果有显著提升,有效降低了噪声对图像复原的影响。     

基于分形维数的正则化图像复原方法

正则化方法是指在空间域上以符合图像特征的先验信息作为约束条件,寻找与模糊图像最近似的清晰图像以作为解的一种图像复原算法。本文研究正则项的泛函形式,基于单一全局泛函的不足,将图像空间看作微分流形,以图像分形维数为特征进行分类,进而对不同区域采取不同的泛函约束,得到正则化模型。仿真实验表明,该方法比单一范数形式复原效果更佳。     

基于广义高斯噪声分布模型的迭代正则化图像复原

讨论了广义高斯分布加性噪声模型，从对图像的最大似然估计出发，结合正则化的复原方法，提出了具有lp范数数据逼近项的正则化目标泛函，同时给出了自适应的正则化参数选择方法。对目标泛函使用迭代的方法求解，分析了迭代式的收敛性。目标泛函中正则化参数的选择和图像复原的迭代运算同步进行并自动优化。实验结果表明，对于加有广义高斯分布噪声的并被高斯型点扩展函数模糊的图像，该方法可明显改善图像复原的效果，尤其当广义高斯分布的形状参数p≤1时复原效果更好。     

基于最小二乘增量迭代正则化方法的图像复原

针对模糊图像的复原问题,从最小二乘算法出发,采用增量迭代的方法改善算法的收敛性,同时结合正则化技术克服问题的病态性质,研究了一种有效的图像复原方法。在运算中,采用最速下降法求解方程,并运用快速傅立叶变换(FFT)原理来减少计算复杂度,同时引入自适应的正则化参数,使其与图像复原的迭代运算同步进行并自动修正到最优值。计算机仿真结果表明,该方法可较好地再现原图像的重要信息,复原图像在峰值信噪比和主观视觉效果方面都有明显的提高。     

一种变步长迭代正则化图像复原的新算法

针对现有迭代正则化方法复原质量不高的问题 ,提出了变步长迭代正则化图像复原方法 ,并在三种不同的正则参数下对该方法的恢复性能进行了检验。实验结果表明 ,该方法不仅提高了图像复原的质量 ,极大地减少了迭代算法的运行时间 ,而且当噪声能量增大时 ,迭代过程中解的稳定性也不会受到影响 ;更重要的是它对正则参数的选择不敏感。     

基于小波融合的图像复原技术

图像融合是信息融合的一个重要分支,基于小波分解的图像融合可以获得与人的视觉特征更为接近的融合效果。选取小波融合技术实现了模糊图像的复原。通过仿真试验验证,证明该技术正确率高,复原效果明显,在实际工作中有广阔的应用前景。     

Image restoration with shifting reflective boundary conditions

In signal and image processing,we want to recover a faithful representation of an original scene from blurred,noisy image data.This process can be transformed mathematically into solving a linear system with a blurring matrix.Particularly,the blurring matrix is determined from not only a point spread function(PSF),which defines how each pixel is blurred,but also boundary conditions(BCs),which specify our assumptions on the data outside the domain of consideration.In this paper,we first propose shifting reflective BCs which preserve the continuity at the boundaries and,therefore,reduce ringing effects in the restored image.A Kronecker product approximation of the corresponding blurring matrix is then provided,regardless of symmetry requirement of the PSF.Finally,we demonstrate the efficiency of our approximation in an SVD-based regularization method by several numerical examples.     

图像复原的Bregman迭代双正则化方法

正则化图像复原最终会导致一个大规模优化问题,提出了一种基于Bregman迭代双正则化的图像复原方法。该方法中目标函数同时考虑总变分正则化和小波域稀疏正则化,在Bregman框架下解决图像复原问题,并且给出了用于解该问题的分裂Bregman迭代算法。该算法将复杂的优化问题转化为几十次简单的迭代加以解决,每次迭代只需几次快速傅里叶变换和收缩操作即可。实验结果表明,提出的复原算法不论从客观改善信噪比还是主观视觉,都能取得很好的效果。同时与目前的复原算法相比,该算法有更快的收敛速度。     

基于奇异值分解的数字图像水印算法

奇异值分解（Singular Value Decomposition,SVD）是一种特殊的矩阵分解技术。图像的奇异值具有很好的稳定性,体现的是图像的内蕴性质,这使得它在图像水印领域得到了广泛应用。通过回顾空域和变换域中经典的基于SVD的水印算法,分析了算法的缺陷,讨论了现有的改进方案,提出了基于奇异值分解设计水印算法的注意事项。     

基于多分辨率奇异值分解的图像融合

提出一种新的基于多分辨率奇异值分解（ MSVD）图像融合算法。算法对源图像进行MSVD处理,使其分解为互不相关的平滑和细节分量,并对平滑分量进行多层次的分解与处理。类似于小波变换,多分辨率奇异值分解的基本思想是在平滑分量的每一层上用奇异值分解（ SVD）来取代滤波,最终利用融合规则对图像进行MSVD融合。利用5种评价算子来评价算法,得到的融合效果很好。与基于小波分解的算法相比,算法计算简单、实时性突出,对复杂、高像素图像处理更简单方便。     

利用SVD对带噪声的模糊图像进行盲复原

介绍了具有非负和有限支撑约束的递归逆滤波器盲图像复原算法。在此基础上，利用分块奇异值分解和压缩技术，提出一种去噪声方法，使得可以复原被噪声污染的具有全黑、全白或全灰的背景和有限支撑的目标图像。计算机仿真结果表明，新的方法具有更好的图像复原性能。     

Spatially dependent regularization parameter selection in total generalized variation models for image restoration

In this paper, the automated spatially dependent regularization parameter selection framework for multi-scale image restoration is applied to total generalized variation (TGV) of order 2. Well-posedness of the underlying continuous models is discussed and an algorithm for the numerical solution is developed. Experiments confirm that due to the spatially adapted regularization parameter, the method allows for a faithful and simultaneous recovery of fine structures and smooth regions in images. Moreover, because of the TGV regularization term, the adverse staircasing effect, which is a well-known drawback of the total variation regularization, is avoided.     

自相似特征彩色图像检索算法

针对传统的分形图像检索方法不能很好的体现图像的颜色自相似特征,且具有计算量大、速度慢的缺点,提出了适合彩色图像的自相似特征编码方法,将编码空间由灰度空间扩展到了彩色空间,充分体现了图像的颜色自相似特征.为了达到更好的检索效果,提出了对图像的自相似特征编码进行奇异值分解来构造特征向量的方法,并定义了相似度度量公式来支持图像检索.实验结果表明,本文提出的算法具有较好的可行性和有效性.     

Kronecker积重构卷积核矩阵的图像迭代复原方法

图像复原实际上是反卷积问题,其中的卷积核矩阵属于大尺寸的Toeplitz矩阵。为了降低迭代复原算法的计算复杂度,通过分析该Toeplitz系统的病态性及常见快速求解方法,提出一种基于卷积核矩阵重构的预条件共轭梯度迭代算法。首先根据Toeplitz矩阵可分解为Kronecker积的和的性质,对点扩散函数进行奇异值分解,将各奇异值对应的左右向量构造子Toeplitz矩阵,子矩阵作Kronecker积并加和,从而得到卷积核矩阵的分解式,然后根据Kronecker乘积的性质,将该分解式用于构造预条件算子,最后利用预条件共轭梯度法求解。计算复杂度分析及实验表明该方法有助于加速迭代的收敛并得到稳定结果。