目标探测多波段图像统一复原及实验验证

为解决在目标探测过程中多波段图像的复原和清晰化问题,提出了一种实用新颖的可适用于弹/机/星载目标探测多波段图像的统一复原校正方法。该方法不需要知道退化方式和退化模型等先验知识,仅利用光谱图像的有效信息,构造关于点扩展函数的非负最小二乘空间平滑性约束的极小化准则函数,通过优化计算方法求解点扩展函数,利用非盲目图像复原方法得到清晰图像。输入大量实际图片,对方法进行了测试验证。实验结果表明:该方法有效地克服了目前图像复原方法不具有通用性、对仿真图像复原效果好对实际图像复原效果差、耗时长等缺点,对红外、可见光、毫米波等多波段退化图像均能有效恢复,不需先验知识,输入一帧模糊图像即可得到高清晰图像,为目标探测系统提供了一种有效图像复原方法。     

基于增量维纳滤波和空间自适应规整的超分辨率图像复原

该文提出一种新的超分辨率图像复原方案,该方案利用了空间自适应规整方法的空间分段平滑特性和增量维纳滤波的快速收敛能力,将解的先验约束结合到迭代过程中,通过多幅低分辨率降晰图像来估计一幅高分辨率图像。计算机仿真结果表明,该方法可以有效实现超分辨率图像复原,有效地提高了复原的自适应控制能力和收敛性能。     

应用双稀疏模型和ADMM优化的图像复原

基于稀疏表示的图像复原算法大都只利用了图像整体稀疏性和局部稀疏性中的一种,未充分利用图像的先验知识,基于此,本文在稀疏表示框架下,同时引入Cosparse解析模型及平移不变小波变换两种稀疏模型,前者对每个图像块进行稀疏表示,后者对整幅图像进行稀疏表示,从而提出一种新的图像复原算法。该算法将图像复原问题归结为双稀疏正则化问题。为求解复杂的双稀疏优化问题,本文运用交替方向乘子法 (ADMM, Alternating Direction Method of Multipliers)算法将该约束优化问题分解为若干子问题,通过交替迭代求解获得复原图像。实验中对不同类型的模糊图像进行了复原,其结果表明该算法对于各类模糊图像的复原比现有复原算法效果更好,从而验证了算法的有效性。      

基于非局部稀疏编码的超分辨率图像复原

基于压缩感知的超分辨率图像复原方法通常采用局部稀疏编码策略,对每一图像块独立编码,易产生人工的分块效应。针对上述问题,该文提出一种基于非局部稀疏编码的超分辨率图像复原方法。该算法在字典训练和图像编码过程中分别运用图像的非局部自相似先验知识,即利用低分辨率图像的插值图像训练字典,并通过计算相似块局部编码的加权平均,得到每一图像块的非局部稀疏编码。仿真实验表明,所提算法能够获得更优的复原效果,并且对于含噪图像具有较强的鲁棒性。     

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。     

基于先验约束的图像超分辨率复原

图像超分辨率复原是一个典型的不适定问题.近年来,借助先验信息改善图像超分辨率复原效果的方法已成为研究的一个热点,文章提出了一种利用先验图像的灰度分布作为约束的图像超分辨率复原的新方法.首先,利用最小鉴别信息构造复原图像与先验图像的约束,约束结果使得复原图像与给定的先验图像具有最相似的灰度分布;其次,基于置信策略给出自适应的正则化参数选取方法;最后给出实验结果,结果表明文中方法具有较好的复原效果和稳定性.     

基于多层小波变换的压缩感知图像快速复原算法研究

为了能够有效地改善低码率压缩图像的主客观质量,减少图像复原所需观测数据量,节约存储空间和计算量,提出了一种基于多层小波变换的压缩感知图像快速复原算法。该算法将压缩感知理论中的信号重构方法运用于图像复原领域,建立基于压缩感知的图像复原模型,通过少量低维投影空间的测量值并根据信号稀疏表示的先验知识对信号进行精确或高概率的复原。通过Matlab进行实验仿真,结果表明,该算法与传统的图像复原算法相比,通过相同的观测数据量可以获得更高的PSNR,复原效率也得到了提高。     

复杂背景红外湍流退化图像复原算法研究

针对大气湍流复杂背景红外退化图像的复原问题,构造了各向异性权重差分项,在此基础上将基于二阶差分的2范数极小作为空间相关性约束应用在复杂背景湍流退化图像相邻两帧点扩展函数的优化求解过程中,提出了针对复杂背景的湍流退化图像复原算法。在微机上进行了一系列复原和方法对比实验,实验结果表明本文方法有效,效果较好。     

基于双参数正则化方法的图像复原

针对高斯模糊图像的纹理和结构特性,提出一种基于总变分的双参数正则化约束的图像复原方法.首先采用基于各向异性的梯度处理方法,建立了具有点扩散函数和图像像素的灰度梯度.然后进行非线性和空间各向异性的规整化处理,使其在恢复目标图像和估计点扩展函数中能自适应地进行梯度运算.最后采用交替迭代的数值处理方法提高图像复原的速度.实验结果表明,基于梯度的双参数正则化图像复原能较好地提高图像复原的效果.     

基于视觉传达理论的高光谱图像复原研究

研究基于视觉传达理论的高光谱图像复原方法,提升图像复原的抗干扰能力以及高光谱图像视觉传达效果。依据视觉传达理论,使用图像差分法计算高光谱视频图像灰度值获取运动区域,依据压缩感知理论获取运动区域初始信息,通过字典学习方法表征高光谱视频图像静止区域的空间性、相关性的稀疏信息后,获取静止区域初始信息;利用压缩感知方法分块视频图像、建立图像块观测值向量、观测矩阵等获取运动区域复原图像块,结合静止区域复原图像块完成高光谱图像复原。实验结果表明：该方法复原后的高光谱视频图像具有层次分明、清晰度高的优势,且该方法抗高斯白噪声干扰能力强,视觉传达效果卓越。     

Image denoising via patch-based adaptive Gaussian mixture prior method

Although the expected patch log likelihood (EPLL) achieves good performance for denoising, an inherent nonadaptive problem exists. To solve this problem, an adaptive learning is introduced into the EPLL in this paper. Inspired from the structured sparse dictionary, an adaptive Gaussian mixture model (GMM) is proposed based on patch priors. The maximum a posteriori estimation is employed to cluster and update the image patches. Also, the new image patches are used to update the GMM. We perform these two steps alternately until the desired denoised results are achieved. Experimental results show that the proposed denoising method outperforms the existing image denoising algorithms.     

分形仿射变换框架下引入两类约束的图像修补算法

为了得到更好的图像修补结果,提出了一种在分形仿射变换框架下引入两类约束的图像修补算法。分形仿射变换包含几何、同构和亮度3种变换。首先,对选取的定义域块进行前两种分形仿射变换,利用所得的数据块构造码本,并将其作为新的搜索匹配范围。其次,采用改进的双边滤波器,抽取待修补图像的细节图,继而构造权值图。然后,在亮度变换过程中,为待修复块与码本块之间的误差能量函数引入两类约束条件,并通过最小化约束能量函数,导出新的亮度变换参数。引入的两类约束,一是待修复块与码本块在已知像素点上的加权一致性约束,权重为从权值图上获取的权值块;二是待修复块的邻域块与码本块在丢失像素点上的相似性约束。最后,采用约束能量最小的估计块来填补待修复块。实验结果表明,与已有的同类算法相比,本文方法能更好地保留结构特征的连续性,新填充区域与源区域过渡更加自然,修补结果的主观质量和客观评价指标都得到了显著提高。     

Gamma norm minimization based image denoising algorithm

Focusing on the issue of rather poor denoising performance of the traditional kernel norm minimization based method caused by the biased approximation of kernel norm to rank function,based on the low-rank theory,a gamma norm minimization based image denoising algorithm was developed.The noisy image was firstly divided into some overlapping patches via the proposed algorithm,and then several non-local image patches most similar to the current image patch were sought adaptively based on the structural similarity index to form the similar image patch matrix.Subsequently,the non-convex gamma norm could be exploited to obtain unbiased approximation of the matrix rank function such that the low-rank denoising model could be constructed.Finally,the obtained low-rank denoising optimization issue could be tackled on the basis of singular value decomposition,and therefore the denoised image patches could be re-constructed as a denoised image.Simulation results demonstrate that,compared to the existing state-of-the-art PID,NLM,BM3D,NNM,WNNM,DnCNN and FFDNet algorithms,the developed method can eliminate Gaussian noise more considerably and retrieve the original image details rather precisely.     

基于图像块先验的单帧红外自适应校正算法

红外焦平面阵列的非均匀性严重限制了红外成像系统对目标的灵敏度,降低了图像的成像质量。本文基于图像块统计特性的期望块对数似然概率(EPLL),提出了基于图像块先验的单帧红外图像非均匀性校正算法,可以完成单帧红外图像的非均匀性校正。该算法首先利用高斯混合模型完成对图像块训练分类,然后利用EPLL准则获取带有非均匀性噪声图像对应的最大似然概率对数期望图像来完成对图像的校正。仿真试验和真实红外图像实验结果表明该方法对单帧红外图像的非均匀性校正效果良好,校正速度快,可以避免鬼影的产生并且可以完成持续性工作。     

EPLL image restoration with a bounded asymmetrical Student’s-t mixture model

The expected patch log-likelihood (EPLL) model is a patch prior-based image restoration method which received extensive attention in image processing in recent years for its outstanding ability to preserve the detail and structure. However, due to using the Gaussian mixture model (GMM) with the noise sensitivity as the local prior, the EPLL model suffers from undesired artifact and poor robustness frequently. In this paper, to restrain the generation of artifact of EPLL model, we replace the GMM with a bounded asymmetrical Student’s-t mixture model (BASMM), which is sufficiently flexible to fit different shapes of image data, such as non-Gaussian, non-symmetric, and bounded support data. Then, the anisotropic nonlocal self-similarity (ANSS) based regularization parameters are designed to improve the robustness of the proposed model. Experimental results demonstrate the competitiveness of our proposed model compared with that of state-of-the-art methods in performance both visually and quantitatively.     

空间变化离焦模糊红外图像快速复原算法

为了提升空间变化离焦模糊红外图像的图像质量,提出了一种基于图像质量评价的快速复原算法.本文提出的方法首先对模糊图像采用不同点扩散函数对应的截断约束最小二乘法算法进行复原而获得多幅复原图像,并对复原图像进行去振铃;然后对复原图像中每个像素为中心的区域进行图像质量评价,将采用不同参数复原的图像以图像质量评价的结果进行组合以...     

基于相位相关的电子稳像算法研究

提出了一种新的基于相位相关的电子稳像算法：首先在参考图像帧中心处截取一个小图像区域,然后在待稳定图像帧中寻找一个同样大小的区域,使得在对数极坐标表示下,这两个小区域图像的互功率谱经傅里叶反变换后是一个二维脉冲信号。所要寻找的小区域中心点在待稳定图像帧中的位置即为所要估计的平移参数,二维脉冲信号中脉冲的位置与缩放因子和旋转角度有关,由此而得到图像帧间的旋转、尺度变换以及平移运动参数。实验说明了此方法的有效性,能够满足一般要求。     

基于Curvelet方向特征的样本块图像修复算法

能否保持修复后图像的结构连贯性和邻域一致性决定了修复性能的优劣.为提高现有样本块修复算法性能,本文提出基于Curvelet变换的样本块图像修复算法.首先利用Curvelet变换估计待修复图像的4方向特征.然后利用颜色信息与方向信息共同衡量样本块间的相似度,在此基础上构造颜色-方向结构稀疏度函数.同时根据构造的加权颜色-方向距离寻找合适的多个匹配块,并利用多个匹配块在构造的颜色和方向空间内的邻域一致性约束下稀疏表示目标块,同时根据目标块所处区域特性自适应确定误差容限.实验结果表明提出算法较现有算法可获得更优的修复效果,尤其是在修复富含结构纹理破损类型的图像时.     

空间差异度量约束的图像修复

针对传统算法在图像修复时选取最佳块匹配准则的单一性和随机性的问题,提出了一种空间差异度量约束的图像修复方法。该算法利用等照度线确定待修复块的优先级,根据空间差异度量约束的最佳块匹配准则搜索与该待修复块最匹配的样本块,采用最佳匹配块的信息更新优先级最高的待修复块的信息以修复其缺失像素信息。实验结果表明,与传统算法相比,所提算法能有效提高图像修复的主客观质量,对三种类型的信息缺失均取得了较好的修复效果。