一种盲复原图像振铃效应的后处理与质量评价方法

由于图像盲复原过程中先验信息的不足,往往造成复原图像质量不尽如人意,振铃效应就是影响复原图像质量的重要因素之一。振铃效应的存在使得对复原图像的后续处理难于进行,并使得一些图像质量的评价方法失效。针对图像盲复原的特点,提出了一种振铃效应的后处理方法,并基于将振铃与清晰度分别评价的思想,提出了一种复原图像的无参考评价方案。实验证明该去振铃方法简单有效,该复原图像的评价方案也很好地反映了人类的视觉特性。     

正弦积分拟合的图像复原边界振铃效应抑制方法

目的 边缘振铃效应是影响运动模糊图像复原效果的重要因素之一。为了有效提高运动模糊图像复原的质量,针对运动模糊图像复原中由于图像边界截断而产生的振铃效应问题,提出一种正弦积分拟合的图像复原边界振铃效应抑制方法。方法 首先,对待处理的模糊图像根据模糊核的大小进行边缘延展;然后,分别利用正弦函数积分方法和双正弦函数积分方法对单向过渡区域和双向过渡区域进行窗函数计算;进而,将延展图像进行加窗处理;最后,对加窗图像进行复原处理并提取出原始图像的部分作为复原结果。结果 与现有的几种振铃效应抑制算法进行对比实验。在视觉效果方面,本文方法能有效抑制振铃效应;在峰值信噪比(PSNR)、归一化均方误差(NMSE)以及图像质量指数(Q)等图像质量评价指标方面,本文方法的PSNR值比最优窗算法提高了约0.170.76 dB,NMSE值比最优窗算法降低了约0.000 50.000 7,Q值比最优窗算法提高了约0.0230.029,本文方法在多数情况下得到的评价指标优于循环边界法;在耗时方面,本文方法对非迭代恢复算法的处理时间比循环边界算法降低了约0.040.11 s,对迭代恢复算法处理时间减少达到数秒。结论 通过大量实验发现,正弦积分拟合的图像复原边界振铃效应抑制方法在进行振铃效应抑制时,能有效控制计算量,且能完整地保留图像的边缘信息,图像恢复效果明显优于其他方法。     

一种基于振铃效应分析的图像锐化取证算法

提出了一种图像盲取证算法,用于检测经历过锐化处理的伪造图像.该算法基于对图像边缘振铃效应的深入分析,设计了一种有效的振铃效应描述与测度算法,通过构建效应强度分布图和提取振铃响应特征,实现对图像锐化操作历史的鉴别和操作痕迹的指证,进而为图像的完整性分析提供依据.实验结果表明,该算法能够有效估计图像的锐化操作历史,可作为一种可靠的锐化检测工具.     

强边缘导向的盲去模糊算法

目的 在图像的获取过程中,成像设备与拍摄场景发生了相对位移,导致获取的实际图像存在信息丢失、模糊退化的现象,这极大地影响了图像的质量和人们的视觉体验,也影响了图像的后续处理。盲去卷积旨在从观测图像中估计模糊核并获得清晰图像,为此提出了一种基于强边缘的运动图像盲去模糊算法。方法 结合图像梯度稀疏性,采用自适应l₀范数约束待估计图像梯度的强边缘;针对模糊核稀疏性和连续性,以l₀-l₂范数分别约束模糊核的像素和梯度,同时把模糊核归一化先验作为正则项引入模型中,以强边缘指导模糊核估计。在去模糊阶段,结合全变分与超拉普拉斯正则化方法的优点,将两种方法复原的图像取平均,以减轻复原图像中的振铃效应,同时保留更多的图像细节。结果 为了检验本文算法的有效性,对Levin测试集和实际拍摄的模糊图像分别进行仿真,并同现有算法进行比较。Levin测试集上的实验结果表明,提出的盲反卷积成功率为100%且在对比算法中具有最高PSNR;实际彩色图像的盲反卷积实验表明,相比于其他算法,本文算法获得的模糊核具有更准确的支撑和较少的噪点,获得的清晰图像具有较优的视觉效果。结论 该方法从定量和定性比较上都体现了较好的去运动模糊能力,可适用于遥感、医学等领域。     

虹膜图像质量评价综述

虹膜图像质量评价是虹膜识别系统中重要的模块,通过评价低质量虹膜样本的综合质量来提升虹膜识别的性能。虹膜图像质量评价与图像获取、人机交互系统、识别性能预测以及自适应虹膜识别算法设计等密切相关。近年来,随着低图像质量的鲁棒虹膜识别系统不断发展,虹膜图像质量评价得到了广泛研究。为了使该领域的研究人员充分了解当前虹膜图像质量评价算法,本文对已有的方法进行了综述。回顾了虹膜图像质量评价算法的发展历程,阐述了其典型应用,进而展望了虹膜图像质量评价算法以及以质量为导向的虹膜识别技术的发展。     

加强边缘感知的盲去模糊算法

目的 拍摄过程中,如果摄像机进行了错误的聚焦,就会得到模糊的图像,如何将模糊图像变得清晰成为一个亟待解决的问题。目前关于图像的去模糊方法多采用基于模糊核约束的卷积模型。但是由于实际应用中很难准确获取模糊核的信息,同时计算机也存在精度限制,计算结果与实际物理模型有偏差,因而去模糊的主要挑战为：如何精确地估计模糊核,以及如何在复原过程中减弱由于精度限制造成的振铃效应。方法 振铃效应是指图像的灰度剧烈变化处产生的震荡,类似于钟被敲击后产生的波状空气震荡。在图像复原过程中,此效应通常发生在梯度变化较大的边缘区域附近。本文对此进行研究,在去模糊过程中引入边缘信息作为约束条件,以改善模糊核的估计,并通过抑制边缘区域的反卷积,抑制图像复原过程中的振铃效应。算法主要分为如下3个部分：1）设计了适用于模糊图像的边缘提取算法;2）利用边缘信息设计了加强边缘感知的反卷积算法;3）提出并设计了安全检测子,以保证算法在边缘区域复原的完整性。结果 实验结果表明,在没有先验知识的情况下,本文方法可以较好地恢复图像细节,并有效抑制振铃效应。较之传统的去模糊处理算法,本文方法在性能上有较大提高。比如,相比于Chan、Krishnan以及Hu的方法,本文方法在峰值信噪比指标上分别提高了25.73%、3.52%和4.43%,在结构相似性指标上分别提高了7.67%、1.63%和3.59%。同时,与基于深度学习的方法相比,本文方法不依赖于数据集,鲁棒性更强。结论 本文方法可以较好地恢复图像细节,并抑制振铃效应,同时比深度学习方法适用范围更广。     

基于边缘相似度的全参考图像质量评价算法

客观图像质量评价(IQA)方法旨在利用计算模型自动实现与主观感知一致的图像质量评估,是当前计算机视觉领域和图像处理领域的研究热点.由于图像的边缘信息对理解图像语义信息至关重要,提出一种基于边缘信息的图像质量客观评价方法.通过比较参考图像和失真图像的多方向边缘强度、边缘强度对比度及亮度信息等特征的相似性,实现图像质量的客观评价.利用国外的LIVE2、TID2008及CSIQ等多个图形数据库计算结果证明,本算法能实现对多种失真类型的图像的质量预测,并且在预测准确性、鲁棒性和主观评价一致性方面与当前大多数方法相比都有明显优势.     

基于掩盖效应的无参考数字图像质量评价

针对数字图像的客观质量评估,从噪声检测的角度,提出了一种基于掩盖效应的无参考图像质量评估方法。首先对Hosaka分块进行了改进,取消了该方法对图像尺寸的限制。通过分块,将图像以不同的频率成分区分开来。然后计算各个子块的噪声。根据图像的污染程度,提出了基于掩盖效应的无参考图像峰值信噪比NPSNR。实验结果表明,该方法具有无参考、运算复杂度低、主客观较一致等特点。     

ROI对图像质量主观评价的影响

人眼感兴趣区域(ROI)是图像中包含信息量最大的区域,它直接关系人对图像信息的获取,本文结合边缘检测和对比度提取的方法提取感兴趣区域,设计了相关主观视觉感知实验来考察人眼感兴趣区域对图像质量主观评价的影响,并对这些图像进行主观评分。实验结果表明,ROI区域在主观评价过程中占有更重要的作用,ROI区域的质量直接影响全图的显示质量。     

边缘加权的结构相似性测度

针对结构相似性测度(SSIM)不能较好地客观评价图像模糊与强高斯噪声失真的问题,提出一种边缘加权的结构相似性测度(EWSSIM),以符合人眼视觉系统(HVS)特性。EWSSIM将原始图像和失真图像的整体轮廓信息与局部纹理细节信息加权,更充分地描述图像的结构相似度。通过LIVE图库的仿真结果表明,与SSIME相比,WSSIM能够更好地评价图像模糊与强高斯噪声失真,且在各类失真图像的评价一致性上优于SSIM。     

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.     

无参考图像质量评价综述

图像质量对人类视觉信息的获取影响很大, 如何在没有参考图像的情况下准确地评价失真图像的质量是一个关键但又非常困难的问题. 本文回顾了近20年来无参考图像质量评价发展的主要技术. 首先,介绍了这一领域常用的衡量评价算法性能的技术指标,以及几个网上共享的典型图像质量评价数据库; 然后,对各种无参考图像质量评价算法进行详细的分类介绍和特点评析; 最后,基于典型数据库对近几年的一些非特定失真图像质量评价方法进行了性能测试和比较. 目的是为这一领域的研究人员提供一个较为全面的、有价值的文献参考.     

图像去雾的无参考客观质量评测方法

针对图像去雾过程中经常出现的Halo效应,色调偏移等问题,提出一种去雾增强图像质量客观评价方法。采用Canny算子和亮通道检测去雾图像的有效边缘强度,使用直方图相似性度量去雾图像的色彩还原能力;使用反射图像的结构信息评价去雾图像的结构保持能力。最后综合有效边缘强度,色彩还原能力和结构信息3个方面对去雾图像的质量进行客观评测。实验结果表明,这种针对去雾前后图像视觉差异的评价模型,能够有效地对各类去雾算法进行比较与评价,与主观评价结果基本一致。     

薄雾天气下图像的复原与边缘检测研究

在薄雾天气下拍摄的图像用常规的复原方法达不到较好的复原效果,从而导致图像的边缘检测效率低下．首先通过物理方法分析这种图像的成像原理,提出基于景点深度检测的物理复原方法;然后用三次B-样条函数作为光滑函数定义小波函数,通过小波变换对复原后的图像进行边缘检测．实验结果表明,在同样的薄雾天气条件下,文中方法比基于滤波的图像复原方法更有效．对采用这两种方法复原后的图像分别做边缘检测实验,结果表明文中方法的边缘检测效果明显优于基于滤波的图像复原方法．     

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。     

采用加权优化的图像修复

针对目前贪婪修复算法可能存在修复效果视觉不一致以及优化修复算法中存在的算法复杂度较高或者未考虑结构信息的情况,提出一种基于加权优化的图像修复算法,通过定义出新的能量函数,把图像破损修复问题转化为加权的离散优化问题,在保证结构信息强、信任度高的区域被优先修复的前提下,利用贪婪修复思想获取初值并计算权值,然后通过类EM算法迭代求解出破损区域中每一个像素的最佳值。与其他贪婪合成和最优化方法相比,优先考虑结构信息对修复效果的影响,更好地保持了纹理和结构的整体一致性。     

基于变分的盲图像复原质量评价指标

盲图像复原过程中,图像质量评价至关重要. 通过分析重构图像质量与其总变分值之间的关系, 提出了用于图像复原的一种基于总变分(Total bounded variation, TBV)的图像质量评估方法, 并构建关系模型, 证明了原始清晰图像的总变分值在所有模糊图像中具有极大值, 且在所有重构图像的变分值中具有极小值. 通过分析, 得出结论: 当总变分取极值时, 基于所提度量方法, 可以获得更好的盲图像重构效果. 最后, 比较了原始清晰图像、模糊图像和重构图像之间的变分值, 计算机仿真验证了该方法的有效性和准确性.     

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。