基于图像先验和结构特征的盲图像复原算法

提出了一种基于图像先验和图像结构特征的盲图像复原算法,在模糊核未知的情况下,采用一系列离散化的模糊核参数对模糊图像进行非盲去卷积,得到一系列对应的复原图像。同时提出一种复原图像判决准则,对这一系列复原图像进行质量判决,从中得到最优的复原图像。最后在实验部分,通过对图像的测试表明,提出的盲图像复原算法能较准确的得到最优复原图像,复原效果在主观和客观标准上均有良好表现。     

一种改进的NAS-RIF盲图像复原算法

在Deepa Kundur等人提出的NAS-RIR (Nonnegativity and support constraints recursive inverse filtering)盲图像复原算法的基础上，提出改进方法。首先对非均匀背景图像进行背景校正，以扩大原算法的适应范围；接着改进求取支撑域的算法，以提高图像的复原效果；最后对求取梯度值的算法作了改进，以提高原算法的执行效率。由实验结果可看出，改进的NAS-RIF算法比原算法具有更好的图像复原性。     

盲去卷积算法在图像恢复中的应用研究

在研究图像复原方法的基础上,提出利用盲去卷积的图像复原方法,对模糊图像进行了复原。实验表明,复原后图像的主观视觉质量有了明显提高。     

基于非盲去模糊算法的图像复原

在图像复原中,对降质图像失真的点扩散函数求逆是研究难点之一。现根据先验概率将贝叶斯理论的函数关系化,提出遗传算法的种群繁殖模型,通过逐步演化来执行变换、调整和集成。同时,为了获取更高效的效果,构建Jenkins持续集成平台进行集成和测试模型参数。最后,从决策支持系统的角度阐述整个系统的框架。     

频域迭代盲解卷积图像恢复方法及其算法实现

详细讨论了一种新的模糊图像复原法 ,使用这种方法 ,不需知道图像模糊过程的模糊因子 ,就可以实现图像的恢复。该算法易于编程 ,且具有较强的通用性。分析了计算机算法 ,并给出了处理的结果。     

基于Mobile U-Net的多芯光纤散斑图像复原方法研究

目前多芯光纤的成像技术应用广泛,但光纤周围所处的环境因素使得现有技术可以清晰成像具有很大的局限性,例如振动和光纤所处环境的温度的改变可以影响成像的效果.传统光学成像系统由于介质内部折射率分布不均,光经过浑浊介质会发生多次未知散射,很难对目标进行成像.深度学习技术是近年来计算成像的焦点,计算成像技术作为新型光纤成像手段,...     

基于神经网络和维纳滤波的半盲离焦图像复原

本文提出了一种基于小波神经网络和维纳(Wiener)滤波的半盲离焦图像复原算法,首先提取训练图像的小波域特点参数向量,将该参数用来训练小波神经网络,利用训练好的网络估计图像离焦模糊参数.由离焦模糊参数获得点扩展函数,然后用Wiener滤波完成图像的复原.实验结果表明:该方法能有效地估计离焦模糊参数和复原模糊图像.     

基于2-D公共因子的精确提取的图像盲复原方法

利用2-D公共因子(GCD)提取是实现图像盲复原最有效的方法之一。该文发展了一种2-D公共因子精确提取算法,该算法不需要构建原算法中高阶病态方程,其复杂度大大降低,且提高了对噪声的鲁棒性。仿真实验证实了该文提出的方法优于传统图像复原算法。     

基于头脑风暴优化算法的BP神经网络模糊图像复原

该文提出一种基于头脑风暴智能优化算法的BP神经网络模糊图像复原方法(OBSO-BP)。该方法在聚类和变异两方面优化了头脑风暴智能算法,利用头脑风暴优化算法易于解决多峰高维函数问题的特点,自动搜寻BP神经网络更佳的初始权值和阈值,以减少BP网络对其初始权值和阈值的敏感性,避免网络陷入局部最优解,增加网络的收敛速度,减小网络误差,提高图像还原质量。该文采用20张不同的图像,对其模糊图像分别进行维纳滤波复原(Wiener)、基于头脑风暴算法的维纳滤波复原(Wiener-BSO)、BP神经网络复原以及基于头脑风暴算法的BP神经网络(BSO-BP)图像复原实验。实验结果表明,该方法能够取得更好的图像复原效果。     

基于弱表层模型的降晰函数辨识与图像复原

针对常规正则化易产生过度平滑解的情况,采用了一种具有保边特性的弱表层模型.该模型因引入反映不连续性边缘的线过程,从而使平滑在边缘处得到有效抑制.对得到的非线性代价函数,采用一种混合退火策略交替迭代估计图像、线场和降晰函数.在确定线元阈值的选取中引入信噪比,使得在每次迭代中阈值根据图像复原情况进行更新,通过仿真合成图像实验,验证了该改进方法的有效性.     

基于RBF神经网络的盲均衡算法综述

RBF神经网络是一种局部逼近的多层前向神经网络,具有算法简单,收敛快,逼近效果好,泛化能力强等优点。RBF通过非线性基函数的线性组合实现从输入空间到输出空间的非线性转换。盲均衡则是一种不借助训练序列,仅利用接收序列和发送序列的先验知识来恢复发送序列的方法。文中基于RBF神经网络的研究给出盲均衡的算法综述。     

基于参数估计的降晰函数辨识及图像复原算法

成像系统的点扩展函数(PSF)以及观测噪声,在一般应用过程中是未知信息,因此,点扩展函数的辨识是一个具有挑战性的世界难题.为解决实际工作中遇到的在已知降晰类型情况下的降晰函数辨识和降晰图像复原问题,提出了基于参数估计的降晰函数辨识及降晰图像复原算法.首先,由初始猜测给定降晰函数参数的变化范围和参数的增量步长;然后,最小化降晰图像和由相应点扩展函数及降晰图像得到的实验观测图像的差的Frobenius范数,以确定点扩展函数的参数,进而确定降晰图像的点扩展函数并对降晰图像进行复原.应用基于Wiener滤波的频域循环边界算法对降晰图像进行复原.实验结果表明:在降晰图像信噪比较高的情况下,降晰函数的辨识结果是可靠和准确的,有较好的复原效果.     

基于旋转阵列的多帧合成孔径图像复原

针对光学合成孔径成像系统的调制传递函数 (MTF)在中-低频段的衰减以及造成的合成图像降质问题,以6孔径Y型 阵列 为例,提出子孔径阵列旋转成像以获取包含互补信息的多帧图像;通过截止频率与中频能量 比确定旋转角度,并 利用多帧迭代盲解卷积算法进行图像复原。实验表明,与现有的代表性工作相比,本文方法 对于Y型阵列的合成孔径图像有较好的复原效果和重建的准确性。     

基于卷积神经网络的数字图像特征降维算法

内容针对手写数字的图像特征维度过大的问题,提出了一种改进的深度神经网络算法。该算法利用20个卷积层提取手写数字图像的特征向量,特征向量经过Re LU激活函数后被20个池化层进一步降低向量维度,降维后的数字图像计算量大大降低。采用整流线性单元函数作为激活函数,有效解决了梯度消失问题和过拟合问题。     

多通道盲反卷积算法综述

本文阐述了多通道盲反卷积（Multichannel Blind Deconvolution-MBD）的发展历程、基本模型及假设、数学原理以及通用求解过程,讨论了目前MBD几个研究方向的发展现状与面临的问题。在分析了MBD研究进展的基础上,从时域、频域、时频域、子空间、子带技术及其他算法六个方面分类综述和比较了MBD典型算法的特点与方法思路,说明了各类算法的优缺点以及主要问题。最后指出了目前多通道盲反卷积算法研究存在的不足,并提出了MBD未来理论和应用研究中可继续深入的开放课题。      

一种卷积混合下的盲分离算法

盲信号处理理论常被应用于许多工程实际系统,是信号处理领域的重要而又前沿的研究热点,已经成为信号处理成熟的研究方法。文章针对盲信号分离的基本理论问题和卷积混合下的盲分离算法进行了探讨,建立卷积混合模型,并将某些算法扩展到卷积混合模型中,推导出了一系列使用价值更强的盲反卷积算法。     

基于子空间分解的多通道盲解卷积算法

针对卷积混合信号,提出了一种新的多通道盲解卷积算法,该算法首先利用子空间分解方法,将信号卷积混合模型变换成线性混合模型,然后利用线性混合盲分离算法分离出源信号.该算法相对频域盲解卷积算法来说无需解决线性混合盲分离中存在的幅度和排列顺序的模糊性问题,而且该算法不要求信号独立同分布,只要求各源信号统计独立即可.因此,该算法可以直接在中频对观察信号进行处理.计算机仿真结果表明,该算法不仅能对不同频不同调制方式的通信信号进行盲解卷积,而且对同频同调制的通信信号,该算法同样有效.     

基于量子遗传算法的多通道通信信号盲反卷积算法研究

本文在分析多输入多输出盲反卷积的网络结构和算法模型的基础上，提出了一种基于输出信号上下文信息的盲反卷积算法，并提出一种采用量子遗传算法的新的优化求解方法，对仿真的通信信号分离的结果表明算法的有效性。     

基于支撑向量机的盲超分辨率图像复原算法

本文提出了一种基于支撑向量机的盲超分辨率图像复原算法.首先采用Sobel算子和局部方差从训练图像中提取能够表征模糊参数信息的特征向量,并利用支撑向量机建立特征向量与对应的候选参数的映射关系,然后通过建立的模型对不同光照条件下的低分辨率图像进行参数辨识,最后根据辨识出的模糊参数融合不同光照条件下的低分辨率图像同时实现了图像动态范围和空间分辨率的增强.为了实现低分辨率图像间的亚像素配准,还提出了一种基于Retinex的亚像素运动估计算法.仿真结果表明与传统算法相比,无论从主观视觉还是定量描述上本文算法均具有较好的效果.