一种改进的图像盲复原算法

图像盲复原是在点扩散函数未知的情况下从退化观测图像中恢复出原图像的高频细节。本文给出了一种交替进行Lucy-Richardson恢复和全变差正则化的盲图像恢复算法。算法将图像盲恢复问题分解成图像恢复和模型辨识两个关联的子问题。在模型辨识阶段,采用全变差正则化估计系统的点扩散函数;在图像恢复阶段,使用Lucy-Richardson算法和奇异值分解相结合的方法恢复图像。实验结果证明,该方法能更好的抑制噪声、提高图像的分辨率。     

交替使用小波去噪和全变差正则化的盲图像恢复算法

盲图像恢复就是在点扩散函数未知情况下从降质观测图像恢复出原图像.该文提出了一种交替使用小波去噪和全变差正则化的盲图像恢复算法.观测模型首先被分解成两个相互关联的子模型,这种分解转化盲恢复问题成为图像去噪和图像恢复两个问题,可以交替采用图像去噪和图像恢复算法求解.模糊辨识阶段,使用全变差正则化算法估计点扩散函数;图像恢复阶段,使用小波去噪和全变差正则化相结合的算法恢复图像.实验结果和与其它方法的比较表明该文算法能够获得更好的恢复效果.     

一种改进的总变分正则化图像盲复原方法

传统的图像复原算法多数采用最小均方误差作为图像复原效果的评价标准,很少考虑人的视觉感受。本文在总变分盲复原算法的基础上结合Weber定律和正则化方法,运用不同的迭代表达式：在模糊辨识阶段,采用总变分正则化算法进行辨识;在图像复原阶段,采用Weber定律和正则化方法相结合。正则化的选择充分考虑图像的细节保持和边缘增强。实验结果采用基于人眼视觉感受的图像评价标准来验证。实验证明该算法在未知点扩散函数的情况下不但能有效的抑制噪声和消除纹波现象,而且还能有较好的视觉效果。     

基于先验信息和正则化技术的图像复原算法的研究

在湍流退化图像复原研究中,为了消除大气湍流的影响,提出了一种基于先验信息和正则化技术的盲解卷积图像复原算法.该算法是以极大似然估计为基本原理,将目标图像和点扩展函数的先验信息以惩罚项的形式引入到极大似然函数中,同时利用正则化技术优化目标图像和点扩展函数的估计过程,以增加极大似然估计算法的收敛性和稳定性.通过退化图像的复原实验结果表明,该算法在退化模型完全未知的情况下,可以有效的实现对湍流退化图像的盲复原.     

激光雷达主动偏振图像散斑抑制算法研究

针对激光主动偏振图像的散斑去除问题,提出了一种新的非局部正则化方法:根据激光主动偏振图像的噪声特点,在全变差模型的基础上,提出了非局部全变差正则化模型.该算法充分利用了图像的全局信息复原图像,在很好地抑制散斑的同时,保持了图像的细节信息.新模型使用轮流最小化方法进行求解,则原始图像和点扩散函数都可以在最小化框架中求解,...     

水下数字图像盲复原算法研究

图像复原的目的是从观测到的退化图像重建原始图像,它是图像处理、模式识别、机器视觉等的基础。盲复原作为其中一个重要分支,其主要思想是在点扩展函数未知的情况下,力求获得最佳的清晰效果。由于水下图像退化模型中点扩展函数一般为高斯模型,故针对此提出误差一参数估计法,根据图像退化过程,给出频率域的误差形式,并选定参数的变化范围,再利用复原算法做出误差参数曲线,由此估计出点扩展函数的参数值,最后利用经典的复原算法,如维纳滤波对退化图像进行复原。实验证明该方法获得了比较清楚的复原效果。     

基于图像先验和结构特征的盲图像复原算法

提出了一种基于图像先验和图像结构特征的盲图像复原算法,在模糊核未知的情况下,采用一系列离散化的模糊核参数对模糊图像进行非盲去卷积,得到一系列对应的复原图像。同时提出一种复原图像判决准则,对这一系列复原图像进行质量判决,从中得到最优的复原图像。最后在实验部分,通过对图像的测试表明,提出的盲图像复原算法能较准确的得到最优复原图像,复原效果在主观和客观标准上均有良好表现。     

基于粒子群优化的正则化水下图像盲复原

水下图像恢复的难点在于缺少海水的点扩展函数的足够信息,而导致病态的问题.为了提高水下激光成像系统的成像质量,提出了用粒子群优化正则化参量的盲图像复原算法.该方法结合Tikhonov正则化和改进的全变分正则化的技术特点,使用一种交替迭代方法,分别估计点扩展函数和估计复原图像,同时用粒子群算法优化正则化参量.结果表明,该方法对水下图像复原具有较好的鲁棒性,算法收敛稳定.     

基于组合范数的单一方向运动模糊图像盲复原

运动模糊的盲复原是图像处理的一个重要领域.现有的滤波复原方法实现较为简单,但不能处理好复原过程的病态性,而传统的正则化盲复原方法虽然可以克服病态性,但在平衡抑制噪声和保留图像边缘信息的矛盾上还有待提升.本文针对正则化盲复原方法的不足,提出了基于组合范数的运动模糊盲复原方法,并根据单一方向运动模糊的方向和尺度特性,运用黄金分割搜索对模型进行了数值求解.模拟实验表明改进的模型和求解算法是可行的,其对单一方向运动模糊复原具有较好的适应性和收敛性,并且复原图像的峰值信噪比要优于维纳滤波复原算法和一般的TV正则化改进方法.     

基于Huber正则化二阶加速Richardson-Lucy湍流图像复原算法

为了快速准确地恢复湍流退化图像,提出了Huber正则化Richardson-Lucy(R-L)加速迭代盲反卷积(IBD)算法。根据图像滤波处理结果,采用Huber函数自适应地选择一阶范数和二阶范数正则化约束,增加算法收敛速度同时提高图像细节和边界复原质量。引入基于泰勒级数的二阶矢量外推加速方法,进一步增加迭代的收敛速度。实验结果表明,采用提议的算法需要的迭代次数较少,适用于实时性要求较高的场合,复原图像的主客观质量均有所提高。     

Underwater image restoration by means of blind deconvolution approach

Although the use of blind deconvolution of image restoration is a widely known concept, little literatures have discussed in detail its application in the problem of restoration of underwater range-gated laser images. With the knowledge of the point spread function (PSF) and modulation transfer function (MTF) of water,underwater images can be better restored or enhanced. We first review image degradation process and Wells' small angle approximation theory, and then provide an image enhancement method for our underwater laser imaging system by blind deconvolution method based on small angle approximation. We also introduce a modified normalized mean square error (NMSE) method to validate the convergence of the blind deconvolution algorithm which is applied in our approach. The results of different initial guess of blind deconvolution are compared and discussed. Moreover, restoration results are obtained and discussed by intentionally changing the MTF parameters and using non-model-based PSF as the initial guess.     

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。     

A regularization approach to joint blur identification and imagerestoration

The primary difficulty with blind image restoration, or joint blur identification and image restoration, is insufficient information. This calls for proper incorporation of a priori knowledge about the image and the point-spread function (PSF). A well-known space-adaptive regularization method for image restoration is extended to address this problem. This new method effectively utilizes, among others, the piecewise smoothness of both the image and the PSF. It attempts to minimize a cost function consisting of a restoration error measure and two regularization terms (one for the image and the other for the blur) subject to other hard constraints. A scale problem inherent to the cost function is identified, which, if not properly treated, may hinder the minimization/blind restoration process. Alternating minimization is proposed to solve this problem so that algorithmic efficiency as well as simplicity is significantly increased. Two implementations of alternating minimization based on steepest descent and conjugate gradient methods are presented. Good performance is observed with numerically and photographically blurred images, even though no stringent assumptions about the structure of the underlying blur operator is made.     

盲图像恢复中的二维盲均衡研究

数字图像在传输过程中,由于受到二维信道的点扩展函数(PSF)的影响,会产生图像模糊问题。在对图像进行恢复时,需要消除PSF的影响,在许多实际应用中PSF的特性未知,此时图像的恢复就是盲图像恢复。该文提出了一种应用于盲图像恢复的二维盲均衡迭代算法,该算法是通信领域中应用的EVA盲均衡算法的一种二维扩展。仿真结果表明,该算法具有信噪比增益高、收敛速度快等特点,有较为广泛的应用前景。     

实时图像盲复原技术

在有效的视频传输过程中图像的降质是不可避免的，可以通过图像盲复原重建降质的图像。因为不需要已知点扩展函数（PSF），所以得到广泛的应用。视频图像变化明显，传输的数据量大，因此需要一种计算复杂度小的方法来实现图像的盲复原。从此点出发包括两个主要的步骤：模糊图像到拉冬变换域的映射和在这个城内的盲模糊识别。这一映射使系统从2维到1维简化了计算的复杂度，更加符合实时的要求。     

基于高斯型点扩展函数的红外图像热源复原

为了复原红外图像的热源,采用高斯点扩展函数的方法来增强热源的清晰度和对比度。首先,确定热源图像的高斯点扩展函数,建立其退化模型;然后,采用维纳滤波的方法复原红外图像中的热源,对复原图像通过YIQ变换来复原其温度场彩色信息;最后,通过边缘锐度和标准差评价分析热源复原的质量,并与盲复原算法对比。结果表明,边缘锐度边缘锐度和标准差分别提高了0.502%和0.124%。基于高斯型点扩展函数的方法对红外图像的热源复原具有明显的效果。     

基于参数估计的降晰函数辨识及图像复原算法

成像系统的点扩展函数(PSF)以及观测噪声,在一般应用过程中是未知信息,因此,点扩展函数的辨识是一个具有挑战性的世界难题.为解决实际工作中遇到的在已知降晰类型情况下的降晰函数辨识和降晰图像复原问题,提出了基于参数估计的降晰函数辨识及降晰图像复原算法.首先,由初始猜测给定降晰函数参数的变化范围和参数的增量步长;然后,最小化降晰图像和由相应点扩展函数及降晰图像得到的实验观测图像的差的Frobenius范数,以确定点扩展函数的参数,进而确定降晰图像的点扩展函数并对降晰图像进行复原.应用基于Wiener滤波的频域循环边界算法对降晰图像进行复原.实验结果表明:在降晰图像信噪比较高的情况下,降晰函数的辨识结果是可靠和准确的,有较好的复原效果.     

Blind image restoration by anisotropic regularization

This paper presents anisotropic regularization techniques to exploit the piecewise smoothness of the image and the point spread function (PSF) in order to mitigate the severe lack of information encountered in blind restoration of shift-invariantly and shift-variantly blurred images. The new techniques, which are derived from anisotropic diffusion, adapt both the degree and direction of regularization to the spatial activities and orientations of the image and the PSF. This matches the piecewise smoothness of the image and the PSF which may be characterized by sharp transitions in magnitude and by the anisotropic nature of these transitions. For shift-variantly blurred images whose underlying PSFs may differ from one pixel to another, we parameterize the PSF and then apply the anisotropic regularization techniques. This is demonstrated for linear motion blur and out-of-focus blur. Alternating minimization is used to reduce the computational load and algorithmic complexity.     

Total variation blind deconvolution

We present a blind deconvolution algorithm based on the total variational (TV) minimization method proposed by Acar and Vogel (1994). The motivation for regularizing with the TV norm is that it is extremely effective for recovering edges of images as well as some blurring functions, e.g., motion blur and out-of-focus blur. An alternating minimization (AM) implicit iterative scheme is devised to recover the image and simultaneously identify the point spread function (PSF). Numerical results indicate that the iterative scheme is quite robust, converges very fast (especially for discontinuous blur), and both the image and the PSF can be recovered under the presence of high noise level. Finally, we remark that PSFs without sharp edges, e.g., Gaussian blur, can also be identified through the TV approach.