一种空间自适应正则化图象盲复原算法

图象盲复原所面临的主要问题是可利用信息的不足，所以必须充分利用图象本身及成像系统的先验信息，为此，结合模糊先验辨识的思想，给出了一种新的空间自适应正则化算法，该算法先用交替最小化的迭代方法对模糊进行先验辨识，然后利用辨识结果，用各向异性扩散进行图象复原，算法充分利用了图象及成像系统（或点扩散函数PSF）的分段平滑特性，同时又利用各向异性扩散的概念，使得正则化不仅在程度上，而且在方向上都是空间自适应的，从而能够有效地进行图象盲复原，仿真结果表明，该算法的复原效果优于空间自适应各向同性正则化（SAR）算法，其收敛性能优于空间自适应各向异性正则化（SAAR）算法。     

用于含噪二值图像的改进NAS-RIF图像盲复原算法

D.Kunder等提出的NAS－RIF图像盲复原算法在无噪情况下，能够得到好的结果，但算法对噪声敏感。针对此特点，Michael K.Ng等提出了NAS－RRIF算法，它主要是对逆滤波器进行正则化，以避免噪声过分放大，但 所得结果没有大的改善。二值图像的盲复原也是其应用价值的，本文将二值图像所具有的更多先验信息用于NAS－RIF算法，采用新的非线性函数，并结合后续处理,提出一种用于含噪二值图像的改进算法。实验表明，在噪声情况下，所提出的算法可以得到满意的结果。算法还考虑了背景灰度值非零情况。文章给出了实验结果，另外还考虑并解决了NAS－RIF算法固有的比例问题。     

基于Besov空间的图像盲复原算法

针对Chan-Wong全变差正则化思想的不足,提出了一种Besov空间的图像盲复原算法.该算法用一个B11,1项代替BV项,采用交替最小化的思想在小波域上求解,将全变差盲复原中求解复杂的偏微分方程转化为简单的小波软阈值问题.实验结果表明:该算法不仅减少了全变差盲复原中出现的阶梯效应,而且运算时间大大减少.     

混合非凸非光滑正则化约束的模糊图像盲复原

为能够复原出高质量的清晰图像,提出一种混合正则化约束的模糊图像盲复原方法。首先,根据模糊核的稀疏性,采用L₀范数的正则项对模糊核进行稀疏约束,以提高模糊核估计的准确性;然后,根据图像梯度的稀疏性,采用混合一阶和二阶图像梯度的L₀范数对图像梯度进行正则化约束,以保留图像边缘信息;最后,由于所提出的混合正则化约束模型本质上是非凸非光滑优化问题,通过交替方向乘子法对模型进行求解,并在非盲反卷积阶段采用L₁范数数据拟合项和全变分的方法复原清晰图像。实验结果表明,所提方法能够复原出更加清晰的细节和边缘信息,复原结果的质量更高。     

基于空间自适应正则化和Hopfield网络的图像盲复原方法

本文在研究空间自适应正则化和Hopfield神经网络图像复原算法的基础上,综合两者的优点,提出了一种退化图像的盲复原方案,先对退化图像利用SAR算法进行先验辨识,再利用基于连续函数的全并行自反馈改进Hopfield神经网络算法进行精确的复原。仿真证明,此方案的盲复原结果图像的质量有很大改善。     

混合特性正则化约束的运动模糊盲复原

目的 为了提高运动模糊图像盲复原清晰度,提出一种混合特性正则化约束的运动模糊盲复原算法。方法 首先利用基于局部加权全变差的结构提取算法提取显著边缘,降低了噪声对边缘提取的影响。然后改进模糊核模型的平滑与保真正则项,在保证精确估计的同时,增强了模糊核的抗噪性能。最后改进梯度拟合策略,并加入保边正则项,使图像梯度更加符合重尾分布特性,且保证了边缘细节。结果 本文通过两组实验验证改进模型与所提算法的优越性。实验1以模拟运动模糊图像作为实验对象,通过对比分析5种组合步骤算法的复原效果,验证了本文改进模糊核模型与改进复原图像模型的鲁棒性较强。实验结果表明,本文改进模型复原图像的边缘细节更加清晰自然,评价指标明显提升。实验2以小型无人机真实运动模糊图像为实验对象,通过与传统算法进行对比,对比分析了所提算法的鲁棒性与实用性。实验结果表明,本文算法复原图像的标准差提升约11.4%,平均梯度提升约30.1%,信息熵提升约2.2%,且具有较好的主观视觉效果。结论 针对运动模糊图像盲复原,通过理论分析和实验验证,说明了本文改进模型的优越性,所提算法的复原效果较好。     

基于Tikhonov正则的图像盲复原算法

图像在获取、传输及保存的过程中,很多因素会导致图像质量退化,图像模糊是图像质量退化的一种常见表现。基于全变差(TV)的图像复原Chan模型虽然能较好地刻画导致图像质量退化的模糊核,但该模型的图像复原结果严重依赖于参数的选取。针对Chan模型对参数敏感的问题,在该模型中引入模糊核的Tikhonov正则,提出新的盲去糊模型,并证明新的盲复原模型解的存在性。另外,采用由粗到精的多层图像金字塔策略,构造模糊核的初始值,再结合交替极小化(alternating minimization, AM)方法,设计基于初始模糊核的快速算法求解所提模型。数值实验结果表明：所提模型与其他正则化模型相比,在不需要模糊核动态阈值约束的前提下,不仅能得到高质量的图像复原结果,而且对参数有较好的鲁棒性。     

稀疏平滑特性的多正则化约束图像盲复原方法

为了实现对线性空间不变的模糊图像的盲复原,提出了一种基于稀疏性和平滑特性的多正则化约束的模糊图像盲复原方法.首先,根据自然图像边缘的稀疏特性,运用了一种权重的全变差范数(weighted total variation norm,简称WTV-norm)对复原图像进行正则化约束;然后,从运动模糊的点扩散函数(motion point spread function,简称MPSF)的特性出发,提出一种能够适用于多种模糊情况的多正则化约束;最后,提出了一种改进的变量分裂(modified variable splitting,简称MVS)方法来得到清晰的复原图像,同时准确地估计出相应的模糊退化函数.大量的实验结果表明,该方法能够较好地复原多种不同类型的模糊(例如运动模糊、高斯模糊、均匀模糊、圆盘模糊).与近几年提出来的一些具有代表性的模糊图像盲复原方法相比,该方法不仅主观的视觉效果得到了较为明显的改进,而且客观的信噪比增量也增加了1.20dB~4.22dB.     

模糊图像盲复原的鲁棒自适应滤波算法

运动模糊图像盲复原是图像处理中的关键问题之一.由于模糊信息估计的复杂性以及图像噪声的影响,现有算法往往难以做到高质量的图像复原.为改善模糊信息估计的效果,提出一种基于自适应线性滤波的改进算法.首先在原有模糊信息估计过程中引入自适应动态线性滤波以抑制噪声影响,达到改善模糊信息估计结果的目的,同时可以起到调整优化目标的作用,使原问题变得较容易求解,从而获得高质量的模糊信息估计;在此基础上提出了改进的重定权值split Bregman迭代法,用于获得模糊信息后求解原始图像的过程中,进一步改善模糊图像复原的效果.实验结果表明,与3种现有的模糊图像盲复原算法相比,该算法能更准确地估计模糊信息,对多数图像复原任务具有更好的鲁棒性,能有效地用于运动模糊图像复原任务.     

基于正则化技术的超分辨图像盲复原

针对低分辨率图像盲复原中信息不足的问题,可以用正则方法来求解。假设点扩散函数结构已知而参数未知,模糊矩阵可表示为带参数的形式,在Nguyen等人的正则有参盲复原框架的基础上,进一步根据Roberts交叉梯度算子构造正则项,从自适应的角度构造正则化参数,并用迭代法求解该框架的目标泛函极小值。算法分析和实验结果表明,这种方法能取得令人满意的超分辨图像复原效果。     

保边缘的递归逆滤波盲目图像复原算法

为了对单帧气动光学效应退化图像进行有效恢复，对非负和支持域限制递归逆滤波（NAS-RIF）复原算法进行有效地改进，提出一种保边缘的递归逆滤波盲目复原算法。为了保存图像的细节信息，在代价函数中引入一个保边缘规整化惩罚泛函，采用线性快速搜索方法来寻找最优解。算法不需要图像支持域的先验信息，能够复原具有较复杂背景的目标图像。     

基于四阶偏微分方程的盲图像恢复模型

由于全变分(total variation,TV)正则化方法能够很好地保持边界,因而在图像去噪和恢复中得到广泛的应用,但其一个显著的缺点就是会在恢复出来的图像中产生阶梯效应。针对此问题给出了一种基于四阶偏微分方程(PDE)的盲图像恢复模型,该模型在Chan和Wong的全变分模型的基础上,用四阶范数来代替TV范数,构造了一种新的能量泛函,消除了全变分正则化方法所产生的阶梯效应。实验结果表明,该模型能取得较好的图像恢复效果。     

一种基于正则化方法的准最佳图像复原技术

提出一种基于正则化方法的高效图像复原技术.正则化残量的能量越小,则恢复效果越好,基于此,利用小波变换定性地分析如何选取正则化算子,利用随机理论得到正则化残量的能量期望值,通过最小化这个期望模型确定正则化参数,从而得到正则化图像.定性分析表明,在通常情况下应选取低阻高通的正则化算子.实验结果表明,该恢复技术比传统方法的恢复性能要好,恢复效果接近最佳且性能稳定.     

一种图象恢复效果接近最优的正则化方法

提出一种新的技术，它自适应地选取正则化参数以取得较理想的恢复效果．利用小波变换，分析正则化算子和正则化参数对图象残差的各子频段能量的影响．在本文条件下，我们论证正则化算子取拉普拉斯算子比取恒等算子恢复性能好,并且预测噪声能量．实验结果表明本文提出的方法不需要知道噪声能量，也能够自适应地确定正则化参数并且恢复性能比传统的方法好，恢复效果非常接近最优恢复．     

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.     

自适应正则有参超分辨率图像盲恢复

基于重建的超分辨率(SR)方法中，图像求解是典型的高维病态问题，需借助有效的正则来稳定求解。在Nguyen等人的正则有参超分辨率盲恢复框架(RPSR)基础上，引入基于图像局部光滑特征的正则处理，提出自适应正则的有参超分辨率方法(ARPSR)，并从方便计算的角度，进一步提出了ARPSR的近似求解方法，即先将ARPSR问题，化为两个RPSR问题的带权组合，然后用RPSR框架估计图像模糊系统的自由参数和最优正则参数，用重排系统矩阵的方法构造预处理器，最后用预处理共轭梯度方法(PCG)求解超分辨率图像。算法分析和试验结果表明，ARPSR方法是对RPSR框架的进一步改进。     

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.     

一种基于粒子群优化算法的图像盲复原方法

传统的图像盲复原算法通常采用模糊图像与复原图像的均方误差作为优化的性能指标.为进一步提高复原效果,结合反映人类视觉特性的Weber定律,提出一种改进的图像盲复原优化性能指标,并且采用双粒子群交替最小化进行求解,即在模糊辨识阶段,采用一个粒子群优化算法求解点传播函数;在复原阶段,采用另一个粒子群优化算法求解复原图像.仿真实验表明,提出的算法比以前的算法有更好的复原效果.