一种基于倒谱相关特性的散焦模糊图像复原方法

由于设备环境、人为因素等诸多原因造成的散焦退化图像,在天文、交通、医疗等众多领域的实际应用效果受到较大程度的影响.针对散焦模糊图像的盲复原技术进行研究,以探索一种较好的散焦模糊图像盲复原方法.在退化图像的复原过程中,点扩展函数(Point spread Function)的参数估计最为关键.因此,文中提出的散焦模糊图像复原方法,基于频域倒谱及其相关特性.进行散焦模糊图像的PSF估计.通过仿真实验表明,该算法可以较为准确地估计出散焦模糊图像的模糊半径,实验证明了估计结果的准确性以及对模糊图像恢复的有效性.可以得出结论:利用倒谱相关性对散焦模糊图像进行肓复原,是一条切实可行的研究路线.     

基于改进卡尔曼滤波的盲图像恢复

为了解决在获取数字图像过程中发生的图像质量下降（退化）的问题,需要使用图像恢复技术进行图像重建。针对未知点扩散函数(PSF)的盲图像恢复,首先利用倒频谱的方法估计模糊图像的点扩散函数,然后再利用改进的卡尔曼滤波方法对图像进行恢复。倒频谱方法是将模糊图像分成反映原图像信息和反映模糊系统信息的两部分相加的形式,通过分析两者的关系估计出模糊图像的PSF。改进卡尔曼滤波器在估计过程中考虑了系统的模型误差,使其对模型误差具有一定的鲁棒性。通过Matlab进行了数字仿真实验,实验结果表明利用所提出的方法可以有效地减小PSF估计不准确对图像恢复的影响,与传统卡尔曼滤波相比恢复效果较好。     

联合优化PSF估计与可逆性编码的去运动模糊

针对传统相机捕获的图像去运动模糊性能不稳定的问题,对编码相机的原理和编码策略进行研究,提出了一种基于相机优化编码和图像有效边缘的点扩展函数(Point spread function,PSF)估计与去运动模糊方法。首先,对传统相机的alpha蒙板去模糊方法进行研究,并将其扩展到编码相机的去运动模糊;然后,对影响去模糊性能的编码因素进行分析,找出适宜于PSF估计和可 逆性的最优化编码;最后,对一种基于有效边缘和最大后验分布的PSF估计方法进行改进,并以有效的边缘梯度为空间先验信息采用由粗到精的迭代方式完成图像的去运动模糊。基于仿真模糊图像与真实模糊图像的实验结果表明,本文方法能够有效地估计PSF,并且去运 动模糊方法的性能优于当前技术条件下的其他方法。     

基于LMS自适应算法的图像去模糊研究

传统单幅图像去模糊方法需要稀疏先验约束,导致计算量较大。为此,在自适应最小均方误差(LMS)算法的基础上,提出一种点扩散函数(PSF)估计方法。利用模糊图像得到有效突出边缘,作为自适应滤波器的输入信号,并将模糊图像作为滤波器的期望信号,用以估计PSF。在非盲去卷积过程中,采用各项异性正规化方法对清晰图像进行约束,以减少恢复图像的振铃效应。实验结果表明,该方法不需要先验约束,对运动和非运动模糊图像均可适用,在保留图像细节的同时能抑制平滑区域的噪声。     

运动模糊图像PSF参数估计方法改进及图像复原

运动模糊图像复原的目的是改善运动图像质量,从而为图像处理任务提供高质量的清晰图像以保证算法能够准确获取图像信息,其中运动模糊图像的点扩散函数（PSF）求解是影响复原图像质量的关键步骤。针对现有运动模糊图像PSF参数估计方法中存在的估计误差大、有效估计范围有限等问题,在分析频谱图像特征的基础上,提出一种改进的PSF参数估计方法。通过图像增强处理和形态学变换去除频谱图像中的十字亮线和噪点干扰,获取形态合适的条纹图像以完成Radon变换检测。利用二值频谱图像的条纹特征自适应地控制形态学运算精度,从而保证算法的执行效率和鲁棒性。对条纹进行边缘测定,消除由条纹自身宽度导致的角度估计误差,以提高参数估计结果的精度。实验结果表明,该方法能够提高模糊参数估计的准确率和有效估计范围,由此构建的PSF能复原出更加清晰的重建图像,复原图像总体峰值信噪比不低于25 dB。     

基于改进模糊参数估计的R-L运动图像复原算法研究

本文通过分析图像复原过程,提出了改进的在倒谱域中估计模糊参数的算法。首先,对运动模糊图像进行灰度变换计算,得到该图像的倒频谱后进行压缩运算和居中化的操作;其次,对得到的图像进行边缘检测运算、二值化处理;再次,再进行Radon变换,用来消除十字亮线引起的干扰信息,以正确估计模糊图像的模糊角度;然后,通过利用一阶差分自相关和倒谱三维图的峰值对称性,计算峰值并得到模糊尺度;最后,基于以上算法估计的模糊参数构造点扩散函数,使用Richardson-Lucy(R-L)算法对其进行多次迭代使运动模糊图像复原。实验表明,相比于其它算法,本文提出的算法不仅能够支持更大的模糊尺度估计范围,且在范围内运动模糊尺度的绝对误差在4个像素以内,运动模糊角度的绝对误差在0.17°以下。使用本文提出的改进的模糊参数估计的R-L算法,可以更快地迭代到最佳复原图像,获得细节清晰的图像。     

一种混合的单图像去运动模糊方法

图像的盲恢复一直是数字图像处理领域的难点,对运动模糊图像的复原进行研究,提出了一种混合的单图像去运动模糊方法。首先估计PSF,然后利用PSF和原始模糊图像评估潜像,并对边缘恢复、模糊核估计和反卷积进行多次迭代,采用自适应非盲反卷积方法得到高质量的去模糊图像。最后,与维纳滤波、露西-理查德森这两种经典算法的实验效果进行比较。实验结果表明,本算法保持细节的能力强,去模糊效果更好。     

倒谱和快速全变差去卷积的运动模糊图像复原

物体和成像系统之间的相对运动导致图像产生运动模糊,降低了图像质量,为了获得更加理想的复原图像,提出一种基于倒谱和快速全变差去卷积相结合的运动模糊图像复原算法。利用倒谱法对运动模糊图像的点扩散函数参数（模糊角度和模糊尺度）进行辩识,采用快速全变差去卷积法对模糊图像进行复原,采用多幅图像进行仿真实验测试算法的性能。仿真结果表明,相对于经典图像复原算法,该算法复原图像的主观视觉效果以及客观评价指标均更优,具有一定的实际利用价值。     

基于TVGA正则化的室内运动模糊图像恢复

针对室内环境下相机曝光时间长,被摄目标相对相机运动会产生图像模糊的问题,以室内服务移动机器人为研究背景,提出了一种基于Topkis-Veinott梯度法(TVGA)正则化运动的模糊图像恢复方法。此算法首先采用方向导数法估计出运动模糊方向,同时将图像运动模糊方向旋转至水平轴;然后采用自相关函数平均法确定运动模糊长度,并算出运动模糊点扩展函数(PSF);最后采用改进的TVGA最优化正则参数,进而恢复原始图像。与经典的Wiener法和两种正则化恢复方法进行的比较结果表明,用TVGA法正则化恢复的图像效果较好,不仅较接近原始图像,且易于实现。     

基于RPCA的局部运动模糊图像的复原

针对视频中局部运动模糊图像复原问题,首先运用RPCA将运动物体从图像中分离出来,用傅里叶变换得到其频谱图,对频谱图进行边缘检测和Hough Transform,估算出PSF值,然后用维纳滤波进行图像恢复并合成到背景中。从实验结果可以看出,该方法能够很好地分离图像的前景和背景,并将恢复后的前景图像融合到背景中,没有振铃效应产生,取得了很好的复原效果。     

运动模糊图像的Kalman滤波盲复原研究

本文提出一种对由于模糊参数未知的运动模糊和随机噪声引起降质的图像进行复原的方法。对于一幅这样的图像，首先确定图像退化过程的参数，即其点扩展函数(PSF)；再假设图像可由一个半因果的随机场表示，则图像表示和图像退化模型可以写成矩阵一向量形式。然后将它们分别作为状态方程和量测方程可以推导出N个频域中的并行Kalman滤波嚣。实验结果表明这种结合PSF估计和Kalman滤波复原的图像处理方法效果是令人满意的。     

基于PSF尺寸预估计的天文图像复原优化算法

地基天文观测中,对大气湍流造成的天文模糊图像进行复原时,由于缺少准确的PSF（Point spread function）信息,加之复原过程的病态性,天文图像的盲反卷积运算一直是难点。针对天文图像的稀疏特性,基于稀疏测度的PSF估计算法可有效地解决PSF信息缺省的问题,该算法受PSF尺寸参数选择的影响较大。通过基于边界测度的PSF尺寸预估计算法对稀疏测度PSF估计算法进行改进。优化算法首先对PSF尺寸有效预估计,得到精确的PSF估计值,最终提高了图像复原的精度。仿真结果表明,优化后的算法应用到天文图像复原过程中后,可以更为准确地估计出模糊图像的PSF大小,改善天文模糊图像的复原效果。     

运动模糊图像的恢复方法研究

分析了运动模糊图像的退化模型和恢复过程，改进了一种运动模糊图像的恢复方法。先通过图像系统辨识方法求解PSF函数，进而在频域和时域完成运动模糊图像的恢复，并就运动模糊图像进行逆滤波恢复、维纳滤波恢复和时域反卷积恢复进行了理论说明，比较了各自的优缺点。最后给出了几种恢复效果的对比实验结果。     

基于频谱边缘检测的运动模糊方向精确估计

针对运动模糊图像的模糊方向估计问题,详细分析了匀速直线运动模糊图像的退化模型,提出一种在频域精确估计运动模糊方向的方法。首先,计算退化图像的频谱,用高斯-拉普拉斯(LoG)边缘检测算子检测出频谱中的暗条纹轮廓;然后,用Radon变换找出垂直于暗条纹的角度;最后,根据图像长宽比确定频谱暗条纹和模糊方向之间的关系,计算出模糊方向。仿真结果表明,对模糊尺度从7到30像素的退化图像的模糊方向估计误差不超过1°,估计结果非常精确。     

一种有效的运动模糊图像恢复算法

探讨了任意方向的匀速直线运动模糊图像的恢复问题。证明了对任意方向的商线运动模糊图像只能直接设置二维点扩展函数进行二维恢复，不可先进行x方向的一维恢复再进行y方向的一维恢复。给出了估计PSF的方向和模糊范围D的频谱方法。并用实验验证了PSF谱估计方法的有效性，以及带窗的维纳滤波方法相比于标准维纳滤波方法的优越性。     

运动模糊图像复原算法研究

运动模糊主要是由于成像系统与目标物之间产生了相对运动而成的。在运动模糊图像复原的研究中,运动模糊的点扩散函数(PSF)和复原方法是近年来图像复原中的热点问题。针对含有噪声的运动模糊图像的退化模型和恢复过程进行了研究,叙述了运动模糊图像基本原理,并提出了一种基于变分法求极值的方法并应用了模糊图像限制核函数法的方法解决了变分模型中大多数应用场定义域的有限性,最后根据方法得出实验结果。     

基于双正则化的图像超分辨率盲重建

图像超分辨率重建是利用数字信号处理技术由一系列低分辨率观测图像得到高分辨率图像。大多数重建算法假设成像系统的模糊特性也即点扩散函数(PSF)已知,然而实际的应用环境下PSF事先不知道或部分知道。为此,将未知PSF模型化,提出基于双正则化的图像超分辨率盲重建算法,并且正则化作用的强度随重建图像局部光滑程度的变化而自适应地改变,以便能保护图像细节同时抑制平滑区域的噪声。求解过程中采用交替最小化方法估计PSF参数和高分辨率图像,并随着迭代次数的增加逐步提高每次寻优的精度以节省计算开销。实验结果表明,该算法能够比较准确地估计出PSF参数并取得较好的图像重建效果。     

红外运动模糊图像参数估计方法

在船舶上拍摄红外传感图像的过程中由于船舶的摇晃而导致的运动模糊,会降低图像的质量.根据运动模糊图像的特性,分析了运动模糊图像的退化模型与特性.首先对倒频谱进行了二值化,并运用Radon变换确定了点扩散函数的模糊角度,然后使用模糊尺度迭代与维纳滤波得到复原图像,再对其进行边缘检测,通过计算累计边缘数确定了模糊尺度.最后对不同模糊程度的图像计算参数并复原,实验结果表明了算法的有效性.     

基于高斯-柯西混合模型的单幅散焦图像深度恢复方法

单幅图像场景深度的获取一直是计算机视觉领域的一个难题。使用高斯分布函数或柯西分布函数近似点扩散函数模型(PSF),再根据图像边缘处散焦模糊量的大小与场景深度之间的关系估算出深度信息,是一种常用的方法。真实世界中图像模糊的缘由千变万化,高斯分布函数以及柯西分布函数并不一定是最佳的近似模型,并且传统的方法对于图像存在阴影、边缘不明显以及深度变化比较细微的区域的深度恢复结果不够准确。为了提取更为精确的深度信息,提出一种利用高斯-柯西混合模型近似PSF的方法;然后对散焦图像进行再模糊处理,得到两幅散焦程度不同的图像;再通过计算两幅散焦图像边缘处梯度的比值估算出图像边缘处的散焦模糊量,从而得到稀疏深度图;最后使用深度扩展法得到场景的全景深度图。通过大量真实图像的测试,说明新方法能够从单幅散焦图像中恢复出完整、可靠的深度信息,并且其结果优于目前常用的两种方法。     

利用频谱特性鉴别运动模糊方向

点扩展函数(PSF)的精确估计是运动模糊图像恢复的关键。匀速直线运动模糊的PSF参数主要由模糊角度（方向）和模糊尺度两个参数组成,然而模糊角度的估计又是重中之重。针对R Lokhande等人提出的霍夫变换的运动模糊方向估计法进行改进,通过增加边缘检测等预处理步骤,利用霍夫变换检测直线,并利用改进的霍夫变换峰值提取方法来估计角度值。实验表明,该方法能够得到比原方法更精确的角度值,并且具有抗噪能力强、鉴别精度高的优点。