焦炭光学组织离焦显微图像去模糊算法研究

微观组织结构是判定焦炭质量的重要依据,通常需要偏光显微镜对焦炭光片成像,但显微镜头的特殊性,使得图像中间清晰而周围存在离焦模糊,降低了图像的质量,影响对焦炭组织成分的判定。因此,本文结合局部模糊分割算法和离焦去模糊网络,提出一种局部去模糊算法。首先对焦炭图像进行基于LBP的模糊检测,得到模糊度量图;通过Alpha抠图算法分割度量图,获得α模板矩阵;最后,以α模板矩阵作为融合比列,对原图和全处理图像进行线性融合,得到去模糊图像。通过实验对比,证明本文方法在累加概率(CPBD)等4个质量评价标准上面都得到了提升,相比于传统方法,去模糊效果更佳。     

基于CA-Res2Net和可变形卷积的图像去模糊方法

针对动态场景下的非均匀运动模糊问题,提出了一种基于细粒度多尺度注意力残差模块(CA-Res2Net)和可变形卷积(Deformable Convolution)的图像去模糊方法CADNet。CADNet以可变形卷积自编码结构为基础架构,进而可以更好地对抗模糊形变;同时CADNet嵌入了细粒度多尺度的残差模块,可以在更细粒度的层次上表示图片的多尺度特征信息,从而可以获得更强的特征表示能力。实验结果表明,CADNet是一种高效的去模糊算法,在获得更高去模糊性能的同时,压制住了计算开销。     

基于TwIST-TV 约束的图像去模糊方法

传统的基于频域和小波域的去模糊算法所得的复原图像总是存在比较明显的边缘振铃及模糊效应,而较为有效的空域迭代优化去模糊算法速度通常比较慢。为了解决上述问题,提出了基于二步迭代阈值收缩（TwIST）与总变分（TV）约束相结合的图像去模糊算法（TwIST-TV）。首先在去模糊目标函数中加入对图像的TV 正则化约束,其次在对图像小波系数的每次二步迭代之前,加入对图像的TV 优化去噪约束,最后迭代获取去模糊图像。实验结果表明:相对于基于频域和小波域的模糊图像恢复算法,TwIST-TV 能有效抑制边缘模糊和振铃效应,复原图像的信噪比（SNR）、峰值信噪比（PSNR）高出1~7 dB,平均结构相似度指标（MSSIM）可高出0.05,相对于空域解卷积算法在保证求解精度相当的情况下具备6 倍以上的速度优势。     

基于边缘信息的运动模糊图像的鲁棒盲复原

为获得适用于不同模糊图像且简捷的图像盲复原方法,提出了一种稳健的从单幅模糊图像中求取模糊核并对图像去模糊的图像盲复原方法。根据模糊图像与非模糊图之间的边缘关系求模糊核,并在多尺度框架下针对各个子算法设定自适应参数,从而构建一个稳健的图像盲复原方法。对复原结果用4种无参考的图像质量评价方法的评价结果显示,本文方法在噪声和...     

基于局部最大和最小强度先验的遥感图像盲去模糊

针对遥感图像的运动模糊问题，提出一种基于局部最大和最小强度先验的遥感图像盲去模糊方法。该方法利用遥感图像局部像素强度的稀疏性作为先验条件，使用简单的迭代阈值收缩方法求解潜像和模糊核，再由非盲反卷积算法得到去模糊图像。实验结果表明，所提方法能提高计算效率，对于可见、红外遥感图像，均能有效恢复图像的纹理细节，抑制伪影，提升了复原图像的主观效果与客观评价指标。     

基于局部特征核估计的图像去模糊算法

针对在图像去模糊迭代处理阶段的潜像估计和模糊核估计处理速度较低的问题,采用了一种从中等尺寸的单一运动模糊图像实现去模糊的方法,该方法利用简单的图像处理技术从一张预估计的潜像中预测出强边缘,然后得到的结果又独立地运用到模糊核的估计中,能很好地抑制在预测阶段反卷积形成的不良效应,同时构成的数字化系统展现出来的结果比使用像素值计算的需要更少的条件限制,结果收敛得更快。仿真实验结果表明:在去模糊质量相当的情况下,此方法比以往成果的处理速度快20%。     

基于振铃约束的全变差正则化图像去模糊算法

当前去模糊方法只利用图像单一的稀疏特性作为先验信息,忽略了伪边缘(如振铃瑕疵)对模糊核估计的影响,导致其去模糊性能不佳.本文充分利用复杂结构图像的先验信息,设计了振铃约束下的全变差正则化图像去模糊算法.首先,利用多分辨率图像金字塔策略建立多层图像模型,通过对比模糊图像和潜在清晰图像来获得振铃先验信息.其次,将振铃正则约...     

基于多尺度优化和动态特征融合的图像去模糊研究

目前采用U-Net结构的去模糊算法存在细节损失、图像质量欠佳等问题,因此对U-Net进行改进,提出一种基于多尺度优化和动态特征融合的图像去模糊方法。首先针对细节损失,提出一种精简且有效的多尺度残差注意力模块(Multi-Scale Residual Module, MSRM),通过增加特征尺度多样性来提取更精细的图像特征。此外,为了将更有利的特征传递到解码部分,在跳跃连接处设计动态特征融合模块(Dynamic Feature Fusion Module, DFFM),采用注意力加权的方式选择性融合不同阶段的编码特征。该算法采用多尺度内容损失和多尺度高频信息损失进行约束训练。在GoPro和RealBlur数据集上的实验结果表明,这种方法能有效改善图像质量,复原更丰富的细节信息。与现有去模糊算法相比,本文算法在主观视觉和客观评价等方面均具有一定优势。     

TDI遥感图像中畸变像移模糊的去除

采用离轴三反射结构的大视场空间相机存在较大的光学畸变,导致引入时间延迟积分(Time Delay Integration, TDI)技术的面阵探测器在推扫成像时产生像移模糊。根据畸变引起的TDI成像退化原理,将畸变像移模糊转化为非均匀运动模糊,通过求解像移路径计算初始模糊核,将其作为先验信息,建立半盲复原模型进一步细化模糊核。利用初始模糊核复原的粗略图像边缘指导模糊核的细化,提出一种多方向权重异性的全变差模型提取图像结构信息。为了增强先验信息对模糊核细化的约束,构建了含有初始模糊核的正则项,使模糊核的估计不过度依赖于图像内容,采用多尺度迭代方法求解。最后用正则化约束的非盲反卷积方法去除图像模糊。实验结果表明:与现有的几种去模糊算法相比,所提方法的去模糊效果不仅清晰自然且对不同样本图像的模糊核估计更稳定。     

基于梯度指导的生成对抗网络内镜图像去模糊重建

胃肠镜检查是目前临床上检查和诊断消化道疾病最重要的途径,内窥镜图像的运动模糊会对医生诊断和机器辅助诊断造成干扰.现有的去模糊网络由于缺乏对结构信息的关注,在处理内窥镜图像时普遍存在着伪影和结构变形的问题.为解决这一问题,提高胃镜图像质量,该文提出一种基于梯度指导的生成对抗网络,网络以多尺度残差网络(Res2net)结构...     

SAR图像目标超分辨的变范数正则化算法

 基于正则化变分的框架,提出了SAR图像目标超分辨的变范数算法.考虑目标在成像区域中的稀疏特性,利用广义高斯分布对目标区域的幅度进行建模,在Bayes估计的框架下,推导了l_p范数约束的正则化变分模型和广义高斯分布形状参数的关系.采用迭代的方法在逐次估计真实图像的过程中,将p的取值与逐次估计结果相关联,逐步估计目标区域分布的形状参数,并修正l_p范数的具体形式,由此得到变范数的正则化模型.该方法克服了通过经验选取p值的局限,以及由观测数据估计p值的误差.仿真和实测SAR图像的处理结果表明了该方法的有效性.     

Spatially variant defocus blur map estimation and deblurring from a single image

In this paper, we propose a single image deblurring algorithm to remove spatially variant defocus blur based on the estimated blur map. Firstly, we estimate the blur map from a single image by utilizing the edge information and K nearest neighbors (KNN) matting interpolation. Secondly, the local kernels are derived by segmenting the blur map according to the blur amount of local regions and image contours. Thirdly, we adopt a BM3D-based non-blind deconvolution algorithm to restore the latent image. Finally, ringing artifacts and noise are detected and removed, to obtain a high quality in-focus image. Experimental results on real defocus blurred images demonstrate that our proposed algorithm outperforms some state-of-the-art approaches.     

Improved image deblurring based on salient-region segmentation

Image deblurring techniques play important roles in many image processing applications. As the blur varies spatially across the image plane, it calls for robust and effective methods to deal with the spatially-variant blur problem. In this paper, a Saliency-based Deblurring (SD) approach is proposed based on the saliency detection for salient-region segmentation and a corresponding compensate method for image deblurring. We also propose a PDE-based deblurring method which introduces an anisotropic Partial Differential Equation (PDE) model for latent image prediction and employs an adaptive optimization model in the kernel estimation and deconvolution steps. Experimental results demonstrate the effectiveness of the proposed algorithm.     

Iterative deblurring for CT metal artifact reduction

Iterative deblurring methods using the expectation maximization (EM) formulation and the algebraic reconstruction technique (ART), respectively, are adapted for metal artifact reduction in medical computed tomography (CT). In experiments with synthetic noise-free and additive noisy projection data of dental phantoms, it is found that both simultaneous iterative algorithms produce superior image quality as compared to filtered backprojection after linearly fitting projection gaps. Furthermore, the EM-type algorithm converges faster than the ART-type algorithm in terms of either the I-divergence or Euclidean distance between ideal and reprojected data in the authors' simulation. Also, for a given iteration number, the EM-type deblurring method produces better image clarity but stronger noise than the ART-type reconstruction. The computational complexity of EM- and ART-based iterative deblurring is essentially the same, dominated by reprojection and backprojection. Relevant practical and theoretical issues are discussed.     

基于有理数多项式先验模型的图像盲去模糊

图像盲去模糊问题是当今图像处理领域的热点问题之一.基于混合高斯先验模型的变分贝叶斯去模糊算法可以有效地复原模糊图像,成为一种重要的图像去模糊算法.虽然混合高斯先验模型可以很好地逼近自然图像的梯度分布,但是该模型在图像梯度值较大处往往会产生过拟合导致去模糊后的图像产生振铃效应,严重影响了图像可读性.利用有理数多项式先验模型代替混合高斯模型逼近自然图像的梯度分布,克服算法的上述缺点.有理数多项式函数的分母多项式强制函数在梯度值较大值时平滑,所以有效地避免了过拟合现象的发生,从而使得模糊核估计得更准确,减少振铃效应.实验结果表明了算法的可行性和有效性.     

Blind deblurring of spiral CT images

To discriminate fine anatomical features in the inner ear, it has been desirable that spiral computed tomography (CT) may perform beyond their current resolution limits with the aid of digital image processing techniques. In this paper, we develop a blind deblurring approach to enhance image resolution retrospectively without complete knowledge of the underlying point spread function (PSF). An oblique CT image can be approximated as the convolution of an isotropic Gaussian PSF and the actual cross section. Practically, the parameter of the PSF is often unavailable. Hence, estimation of the parameter for the underlying PSF is crucially important for blind image deblurring. Based on the iterative deblurring theory, we formulate an edge-to-noise ratio (ENR) to characterize the image quality change due to deblurring. Our blind deblurring algorithm estimates the parameter of the PSF by maximizing the ENR, and deblurs images. In the phantom studies, the blind deblurring algorithm reduces image blurring by about 24%, according to our blurring residual measure. Also, the blind deblurring algorithm works well in patient studies. After fully automatic blind deblurring, the conspicuity of the submillimeter features of the cochlea is substantially improved.     

优化重加权L1范数的图像盲复原算法

在单幅运动模糊图像的盲复原问题中,图像中强边缘部分的利用成为模糊核估计的关键所在.为此,本文提出了一种优化重加权L1范数的图像盲复原算法.首先,建立了基于加权L1范数的模糊核盲估计模型,并引入了一种图像平滑模型对权重进行优化估计,从而减少计算权重时受细小结构以及噪声的影响,其次,设计了模糊核盲估计模型求解的迭代收缩阈值数值算法,最后采用了一种基于超拉普拉斯先验的快速图像非盲复原算法对模糊图像进行复原.仿真和实际数据实验结果验证了本文算法的有效性.     

基于专家场先验模型的图像超分辨重建算法

为了进一步提高图像超分辨率重建的质量,针对非局部集中稀疏表示算法中重建图像的噪声问题,提出了一种基于专家场先验模型的图像超分辨率重建改进算法。首先,利用专家场模型从图像训练集中学习整幅图像的先验知识建立全局先验模型;然后将学习到的先验信息用于非局部集中稀疏表示模型求解最优稀疏表示系数;最后,得到高分辨率图像估计。该算法在超分辨率重建迭代运算的同时,同步更新专家场模型参数,因此在不显著增加运算复杂度的情况下,通过选取合适的先验约束,有效地增强了图像重建的效果。实验结果表明:相比非局部集中稀疏表示算法,文中算法对无噪和有噪降质图像均能取得较好的峰值信噪比结果,并且能够进一步提高有噪图像的去噪效果。     

联合小波域和频域的图像去模糊算法

提出了一种在小波域和频域上联合恢复模糊图像的算法。首先在小波域上对模糊图像去噪,提出按照贝叶斯公式估计出小波系数的收缩因子,恢复出模糊图像的小波系数值。此后,按照正则化反卷积图像恢复算法,对去噪模糊图像进行恢复。该算法使得反卷积时的正则化算子选取为较小的值,从而恢复的图像既滤除了噪声,同时降低了边缘模糊等振铃效应。实验结果表明,选择拉普拉斯正则化算子,该算法恢复的图像质量优于频域正则化反卷积算法,此外在同等噪声水平下,不同图像的最优正则化参数处在较小的相同动态范围之内,避免了恢复算法中的反复经验试值寻求最优。     

An improved image blind deblurring based on dark channel prior

In order to solve the ringing effect caused by the incorrect estimation of the blur kernel, an improved blind image deblurring algorithm based on the dark channel prior is proposed. First, in the blur kernel estimation stage, high-pass filtering is introduced to enhance the image quality and enhance the edge information to make the blur kernel estimation more accurate. A combination of super Laplacian prior and dark channel prior is introduced to estimate the potential clear image. Then the accurate blur kernel is estimated through alternate iterations from coarse to fine. In the image restoration stage, a weighted least square filter is introduced to suppress the ringing effect of the original clear image to further improve the quality of image restoration. Finally, image deconvolution based on Laplace priors and L₀ regularized priors is used to restore clear images. Experimental results show that our approach improves the peak signal-to-noise ratio(PSNR) by about 0.4 d B and structural similarity(SSIM) by about 0.01, respectively. Compared with the existing image deblurring algorithms, this method can estimate the blur information more accurately, so that the restored image can achieve the effect of keeping the edges and removing ringing.