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。     

基于贝叶斯理论的湍流退化图像复原方法研究

大气湍流退化图像的复原在航天成像、天文观测等领域具有重要的地位,也是目前亟需解决的问题。该问题的解决能够克服大气湍流扰动带来的图像降质和提高目标图像的分辨能力,以便于后续的目标特征提取和识别等处理。为了对湍流退化图像进行有效复原,提出了一种基于贝叶斯理论的单帧双重循环盲目去卷积图像复原算法,并对该算法的快速实现进行了研究,最后还进行了稳健性分析与测试。实验结果表明,该算法具有较强的稳定性和抗噪声能力,对于缺乏先验知识的情况尤为适用,可见该算法具有实用价值。     

基于改进正则算子的气动模糊图像复原研究*

针对气动光学效应所产生的红外图像模糊和偏移问题,首先对电弧风洞得到的吹风红外实验图片,计算其中的像偏移,得出像偏移主要是在迎风方向这一结论。 通过将气动光学效应传递函数应用于吹风前图像,并将得到的图像与实验实测的模糊图像对比,验证了理论点扩散函数的正确性。最后,提出了一种改进的气动光学图像复原方法。该方法采取基于演化算法,将理论计算的点扩散函数作为基本正则算子参与演化,从而得到最佳正则算子和最佳图像复原参数。实验结果证明了该复原算法的有效性。     

基于小波变换气动光学效应模糊图像去噪

采用小渡变换算法用于气动光学效应图像去噪研究。结合气动光学效应的复杂性和小渡变换的特性，小渡变换算法可以有效地应用于气动光学效应图像去噪。去噪图像相对于原图像误差小，去噪效果明显。     

改进多尺度卷积神经网络的单幅图像去雾方法

针对当前已有的去雾方法容易造成天空区域存在光晕以及色彩失真的现象，提出了一种多尺度卷积结合大气散射模型的单幅图像去雾算法。将原始有雾图像与三个不同尺度的卷积核进行卷积，经过一系列特征学习后得到粗略的传播图，然后使用引导滤波器对其进行优化，得到精细化后的传播图。利用粗传播图和有雾图像计算出全局大气光。根据大气散射模型反推出无雾清晰图像。实验结果表明，该方法对天空区域的处理更加自然，在图像的纹理细节以及颜色失真上有较好的效果。     

基于小波变换气动光学效应模糊图像去噪

采用小波变换算法用于气动光学效应图像去噪研究。结合气动光学效应的复杂性和小波变换的特性,小波变换算法可以有效地应用于气动光学效应图像去噪。去噪图像相对于原图像误差小,去噪效果明显。     

基于注意力和多尺寸卷积的超分辨率算法研究

为了解决深层卷积模型的超分辨率技术计算量大、融合的特征不够全面的问题,模型结构不再从深度上进行加深,而是从宽度上进行扩展.对输入的一张特征图进行多尺寸的卷积处理,在结构上融合残差结构、压缩模块和改进的通道注意力模块,融合多尺寸的特征图的同时灵活运用高、低频信息,最终达到提高重建图像质量的效果.实验结果表明:与目前较为流...     

一种快速稳健的超分辨率图像复原算法

提供了一种快速稳健的正则化超分辨率图像复原算法。该算法从Roberts交叉梯度算子的角度构造正则项,从自适应性的角度确定正则参数。用1-范数度量数据逼近项和正则项。算法分析和实验结果表明该算法具有好的稳健性,并且计算速度较快。     

超分辨率图像复原技术的研究进展

超分辨率图像复原技术就是利用信号处理的方法,将变形模糊、有噪、频谱混叠的多幅低分辨率降质图像融合为一幅高分辨率图像.该技术的优点是成本低,现存的低分辨率成像系统仍可以使用,在视频、医学、遥感图像等领域中有着广泛的应用前景.介绍了该技术的概念和应用,概述了几种主要的研究方法,并指出几个可能的研究方向.     

基于复合卷积神经网络的图像超分辨率算法

针对卷积神经网络图像超分辨率算法中的映射函数容易出现过拟合、梯度弥散等问题，提出一种由卷积网络和反卷积网络构成的复合卷积神经网络算法。提出使用RReLUs和Softplus函数结合形式作为激活函数，有效改善了过拟合问题；采用附加修正系数的小批量梯度下降法，避免梯度弥散现象；利用反卷积网络实现高分辨率图像重建。实验证明新的网络模型有效改善了图像的清晰度和边缘锐化，在主观视觉效果和客观评价指标上都获得了显著提升。     

利用SVD对带噪声的模糊图像进行盲复原

介绍了具有非负和有限支撑约束的递归逆滤波器盲图像复原算法。在此基础上，利用分块奇异值分解和压缩技术，提出一种去噪声方法，使得可以复原被噪声污染的具有全黑、全白或全灰的背景和有限支撑的目标图像。计算机仿真结果表明，新的方法具有更好的图像复原性能。     

一种改进的图像迭代盲反卷积算法

针对传统迭代盲反卷积算法收敛速度慢、容易出现解模糊等问题,提出一种改进的图像迭代盲反卷积算法。利用动量矩求解图像的有限支持域,在支持域中使频率域和空间域交替迭代,从而实现图像的盲复原。仿真结果表明,与传统迭代盲反卷积算法和基于小波变换的盲反卷积算法相比,该算法的收敛速度较快,具有较好的图像恢复效果。     

高斯扩散特性图象的盲解卷积

图象的盲解卷积恢复具有重要的理论和实际意义,许多情况下系统的扩散特性不能精确获得。针对一类相对平滑或类似高斯分布的扩散特性,建立一种图象盲解卷积算法,采用交替迭代方法。适合总体最小二乘求解。算法能有效地确定点扩散函数,图象恢复质量有明显改善。最后的仿真实验表明了算法的有效性和稳定性。     

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。     

一种基于ICA的同态盲反卷积算法

盲反卷积是图像处理、语音信号处理、通信、系统辨识和声学等许多研究和应用的基本问题,具有重要的理论与应用价值。根据无损检测中盲反卷积问题的特点,提出了一种新的基于ICA的同态盲反卷积算法。该算法首先将检测信号变换到复倒谱域,将卷积混合模型变为线性混合模型,即ICA问题;然后通过ICA将系统冲击响应和输入信号分离;最后,根据分离的复倒谱信号,重构其时域信号。论文提出的盲反卷积算法具有运算量小,计算速度快,分离精度高等特点,且不受信道是否为最小相位信道的影响。计算机模拟和实验数据都证明了算法的有效性。     

频域盲解卷积局限性分析及一种改进算法

在频域盲解卷积问题中,时域信号的卷积混合转化为频域信号在有限频点的瞬时混合,使算法复杂度大大降低。但这种算法的局限是分离结果存在次序和幅度上的不确定性,并且窗函数长度和信号非平稳性之间存在相互制约的关系。文中对语音信号频域盲解卷积算法存在的制约因素进行分析并提出一种改进的基于包络相关性的排序方法。在分裂谱法的基础上,通过“分裂”后的多路信号求得“总包络”,再依据“总包络”进行排序,从而克服传统的直接依据输出信号包络相关性进行排序的不足。实验结果表明,采用本方法可获得较高的分离质量。     

一种改进的NAS-RIF图像盲复原算法

文中给出了一种用于图像盲复原的基于非负支撑域受限递归滤波算法(NAS-RIF)的改进算法。即将零相位RIF和小波去噪技术引入到NAS-RIF图像盲复原算法中,且在NAS-RIF图像盲复原算法计算当中,采用了共轭梯度法进行了计算优化;如此算法抑制了噪声的放大,提高了退化图像的信噪比,保护退化图像的边缘特征和提高退化图像的视觉效果以及提高算法的收敛速度。由实验结果可以看出,改进后的算法具有更好的抗噪性能和复原效果。     

基于NAS-RIF算法和神经网络的图像盲复原

在图像盲复原中,NAS-RIF算法在无噪情况下,能够得到较好的复原结果,但是对有观测噪声的图像复原效果不理想。而Hopfield神经网络有利于缓解图像复原过程中的震铃效应,但前提是知道退化图像的点扩展函数。将二者相结合提出一种基于NAS-RIF算法和神经网络的图像盲复原新算法,首先由NAS-RIF算法先估计出退化图像的点扩展函数,再利用Hopfield神经网络算法对其进行复原。实验结果表明,该算法具有较好的盲复原效果。     

基于2-D公共因子提取的单幅图像盲复原研究

利用2-D公共因子（GCD）提取可以有效地实现图像盲复原,但通常需要原始图像的两幅降晰图像,这在某些条件下并不能满足,极大限制了此方法的应用。发展了一种基于2-D公共因子的单幅图像盲复原方法,利用2-D公共因子提取从一幅降晰图像中估计降晰函数,再利用经典的图像反卷积技术,从而复原原始图像,仿真实验证明了该方法的有效性。