基于广义规整化的红外湍流退化图像盲复原方法

针对湍流环境下红外成像的特点,提出了一种基于广义规整化的湍流退化图像盲复原方法.该方法在合理建立红外图像退化模型的基础上,根据极大似然估计准则来设计.为了抑制噪声同时有效地引入关于图像的先验信息,对传统的规整化方法进行了扩展,提出了广义规整化的策略,将规整化分为两个各有侧重点的层次,即复原过程中噪声的抑制和含噪条件下红外图像相关特征的保持,根据有限的先验知识将复原问题的求解转化为带规整化约束的最优化估计问题,进而复原湍流退化图像.     

基于双重规整化的气动退化图像盲复原算法

通过合理建立针对红外图像的气动光学效应退化模型，根据极大似然估计准则设计复原算法，同时针对随机变化的点扩展函数和噪声对目标图像尤其是图像中细节恢复的影响，对单一规整化方法进行了扩展，采用双重规整化策略，将规整化分为两个各有侧重点的层次来处理。在微机上进行了一些复原实验，并给出对比结果，证实了该算法的有效性。     

基于小波分解的湍流退化图像的快速复原算法

提出了一种基于小波分解的湍流退化图像的复原新方法．该方法以2帧同一目标的湍流退化图像作为输入，采用小波变换技术对两帧湍流退化图像进行多尺度分解．利用两个低频子频段图像的傅立叶频谱估计出两湍流点扩展函数在大尺度下的离散值，在图像的低频子频段进行去模糊，而在高频子频段则主要进行抑制噪声和保边缘特征．实验结果表明该方法十分有效，不但可以极大地减少计算复杂性，加快恢复速度，而且还可以很好地提高图像的恢复质量和抗噪能力。     

基于加速正则化RL算法的大气湍流退化图像盲复原方法

提出了一种基于加速正则化Richardson-Lucy（RL）算法的大气湍流退化图像盲复原方法（AccRLTV-IBD）。在总变分（TV）正则化RL算法的基础上,引入二阶矢量外推加速技术对其进行加速,形成加速正则化RL（AccRLTV）算法,并将该算法应用到迭代盲目反卷积（IBD）算法中。使用长曝光大气湍流光学传递函数（OTF）的物理模型或根据图像来获取初始的点扩散函数（PSF）,在灰度平均梯度（gray Mean Grads, GMG）的基础上定义了一个相对灰度平均梯度（relative Gray Mean Grads, RGMG）参数作为无参考图像复原质量的评价标准。模拟图像和实际湍流退化图像复原结果表明,基于RL的IBD算法要优于基于Wiener滤波的IBD算法,并且与RL-IBD算法相比,AccRLTV-IBD收敛速度更快,复原效果更好。     

基于支持向量机的湍流退化图像加速复原算法

由于湍流图像的退化原因十分复杂,现有图像复原算法很难在复原效率和复原质量间达到很好的平衡,为此提出了一种基于支持向量机的湍流退化图像加速复原算法.该算法通过设置方差阈值进行样本选择,舍弃了冗余信息、提高了样本质量;同时,对序列图像进行实时模型更新,加快了序列图像的复原速度.针对电弧风洞图像,将加速复原算法和原算法进行了比较.实验结果表明,加速算法的复原速度更快、复原效果也更好,它可以有效地解决湍流退化给图像带来的噪声和能量衰减问题,并能很好地校正湍流效应引起的模糊和抖动现象.     

空间扩展目标对准误差图像的高分辨复原

大气湍流、光子噪声和光学跟踪系统对准误差严重降低了空间目标观测图像的分辨率.根据最大似然估计原理,建立了提高目标图像分辨率的多帧盲反卷积算法,用共轭梯度优化方法从目标记录图像估计出原始目标函数和点扩散函数.运用低通平滑滤波技术在算法迭代过程中逐步完成对噪声的抑制.模拟实验数据和实际图像的复原结果表明,论文建立的盲反卷积算法有效地克服了大气湍流、光子噪声和光学系统对准误差,提高了目标图像的分辨率,复原目标图像的分辨率达到了光学衍射极限的水平.     

运用格状图支路转移规则和Viterbi算法实现数字信号盲估计

该文提出了一种新的离散数字信道盲估计算法,运用格状图中的一步支路转移规则,大大削减了最佳估计所要求的计算量。文中首先介绍了符合最大似然序列估计(MLSE)准则的信道最佳盲估计算法,然后阐述了运用格状图中的一步支路转移规则对格状图进行筛选的基本思想,接着详细介绍了本算法,最后通过数值仿真研究了本算法的性能。     

高光谱图像混合像元分解算法

传统的高光谱图像混合像元分解技术包括端元提取和估计每个端元的混合比例.虽然很多模型都能得到可以接受的解混结果,但是一些未知端元的存在使得结果在包含未知端元的像素点处出现偏差.因此,提出了一种基于支持向量数据描述的高光谱图像混合像元分解算法.首先高光谱图像数据被分成类内和类外两部分,类内是完全由已知端元数据混合的像素点,而类外数据是包含未知端元的像素点.两类数据交界处被认为是已知端元和未知端元混合的数据.然后再对这些像素点进行混合像元分解,分别对仿真数据和真实高光谱图像进行实验.结果表明该算法可以有效地解决因存在未知端元对解混精度的影响,而且能给出未知端元的解混分量.该方法的解混结果几乎不受未知端元的影响,优于直接解混结果     

使用高效的c均值聚类算法的图象阈值化方法

Otsu(1979)的阈值化法被认为是一种良好的图象分割方法。本文提出一个适合图象分割的高效的c均值聚类算法。它与Otsu法有完全相同的分割结果,但计算时间约减少了一个数量级。     

空时相关多分辨运动估计算法

本文提出了一个新的序列图象运动矢量估计算法:空时相关多分辨运动估计算法,充分利用运动矢量场在空域相邻块,时域物体运动和分层父子块之间的相关性降低运动搜索范围。达到比三步法还要少的搜索次数,运动补偿增益和运动矢量熵均比三步法有明显改善.     

基于遗传算法和模糊熵的前视红外图像分割

提出了一种基于遗传算法的模糊红外图像分割方法．该方法将图像分为目标和背景，并分别建立相应的模糊隶属函数来描述图像各个灰度级属于目标和背景的模糊特性，进而给出图像模糊熵的描述．采用遗传算法对图像模糊熵的各个参数进行优化组合，根据最大模糊熵准则确定区分目标和背景的最佳门限．实验结果表明该方法效果良好，大大提高了计算速度。     

用Householder变换的递推AR模型化与谱估计算法

Housecholder变换用于上三角化是基于线性预测误差方程的数据阵。可以证明,由上三角阵的主对角元素便可得到各阶AR模型的残差平方和。因此用逐列处理的方法可以构成 AR 模型化与谱估计的递推算法。在大多数情况下,本文的算法不仅给出与协方差算法或修正协方差算法相同的计算结果;而且当计算中存在严重的数值病态问题时,协方差法和修正协方差法无法获得好的AR谱估计,而本文的算法则仍然可以获得好的估计。文中给出了典型的计算例子。