基于降质信息估计的盲图像复原算法

针对低质量图像的复原重建问题,提出了一种基于降质信息估计的盲图像复原算法.该算法主要包括噪声估计网络、模糊核估计网络和重建网络3部分.首先分别通过噪声估计网络和模糊核估计网络,对图像噪声水平和模糊核进行估计;其次,将估计所得噪声水平和模糊核作为降质信息,并联合待处理的低质量图像一起输入重建网络,以帮助获得更好的重建效果...     

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.     

一种改进的NAS-RIF盲图像复原算法

在Deepa Kundur等人提出的NAS-RIR (Nonnegativity and support constraints recursive inverse filtering)盲图像复原算法的基础上，提出改进方法。首先对非均匀背景图像进行背景校正，以扩大原算法的适应范围；接着改进求取支撑域的算法，以提高图像的复原效果；最后对求取梯度值的算法作了改进，以提高原算法的执行效率。由实验结果可看出，改进的NAS-RIF算法比原算法具有更好的图像复原性。     

一种基于倒频谱鉴别模糊参数的图像复原算法

当前运动模糊图像的复原主要依赖于模糊参数的准确鉴别和高质量的复原算法.为了更加准确地鉴别出运动模糊图像的模糊参数,提出了一种基于倒频谱鉴别模糊参数的方法;通过对模糊图像倒频谱实施直方图均衡化和阈值分割提取模糊信息,然后进行Radon变换来确定模糊方向;通过对倒频谱进行数学形态学滤波来提取模糊尺度.针对运动模糊图像的复原...     

基于局部最大和最小强度先验的遥感图像盲去模糊

针对遥感图像的运动模糊问题,提出一种基于局部最大和最小强度先验的遥感图像盲去模糊方法。该方法利用遥感图像局部像素强度的稀疏性作为先验条件,使用简单的迭代阈值收缩方法求解潜像和模糊核,再由非盲反卷积算法得到去模糊图像。实验结果表明,所提方法能提高计算效率,对于可见、红外遥感图像,均能有效恢复图像的纹理细节,抑制伪影,提升了复原图像的主观效果与客观评价指标。     

基于分裂Bregman算法的单帧运动图像盲去模糊

提出一种基于分裂Bregman算法的单帧运动图像盲去模糊方法,该算法分为模糊核估计和图像复原两个阶段.在估计模糊核时,首先利用双边滤波器去除图像中的噪声,再采用改进的冲激滤波器对图像进行边缘增强,选取有用的边缘信息估计模糊核,并对估计出的模糊核进行修正,从而得到高质量的模糊核.图像复原阶段,利用分裂Bregman算法交替迭代得到去模糊后的图像.该算法具有降噪和边缘增强的功能,并能保持图像总变分不变,使图像复原效果更好且计算时间有大幅降低.     

基于暗通道与低秩先验的运动模糊图像盲复原

摘`要:为了将运动模糊图像恢复成清晰图像,提出了一种基于暗通道与低秩先验的图像盲去模糊方法。首先,利用图像暗通道的稀疏性进行中间复原图像估计,同时引入带权值的低秩先验约束抑制中间复原图像中的噪声,提高模糊核估计的准确性;然后,通过交替迭代的优化策略得到准确的模糊核;最后,用Hyper-Laplacian先验方法得到清晰图像。实验结果表明,提出的方法能有效抑制噪声和振铃效应,保留图像细节,对运动模糊图像有较好的复原效果。     

基于清晰图像先验知识的盲复原算法

图像采集系统在获取图像时,受到各种干扰,使图像变模糊并含有噪声。为此,提出了一种基于清晰图像先验知识的图像盲复原算法。首先通过统计分析大量的清晰图像梯度域的概率分布特性,将图像划分为具有较多复杂纹理的区域和平坦区域,拟合概率分布函数,得到清晰图像的先验知识,并加入图像局部约束条件,即复原图像平坦区域与退化图像的平坦区域的概率分布变化较小,避免产生振铃现象。然后,建立图像噪声模型,将图像噪声划分为高斯噪声和均匀分布噪声,防止退化图像中的灰度过饱和像素点在复原过程中产生异常值。最后,利用最大后验概率模型,构造代价函数,将图像盲复原问题转变为求代价函数最小化问题,并用最大期望算法和快速迭代收缩算法求解代价函数,恢复出清晰图像。实验结果表明,该算法能有效恢复图像细节,锐化图像边缘,抑制噪声,避免产生振铃效应。     

基于支撑向量机的盲超分辨率图像复原算法

本文提出了一种基于支撑向量机的盲超分辨率图像复原算法.首先采用Sobel算子和局部方差从训练图像中提取能够表征模糊参数信息的特征向量,并利用支撑向量机建立特征向量与对应的候选参数的映射关系,然后通过建立的模型对不同光照条件下的低分辨率图像进行参数辨识,最后根据辨识出的模糊参数融合不同光照条件下的低分辨率图像同时实现了图像动态范围和空间分辨率的增强.为了实现低分辨率图像间的亚像素配准,还提出了一种基于Retinex的亚像素运动估计算法.仿真结果表明与传统算法相比,无论从主观视觉还是定量描述上本文算法均具有较好的效果.     

基于偏微分方程的图像盲恢复模型

提出了一种新的基于偏微分方程的图像盲恢复模型.改进了Chan和Wong的交替最小化思想.扩散系数不是直接来源于图像的梯度幅值而是在图像梯度模的基础上恢复出图像的边缘信息,消除了梯度模在分母中对实验产生的误差,给出了模型粘性解的存在性,唯一性和稳定性的定理.并给出实验结果,通过比较表明该模型有很好的性能.     

基于迭代滤波盲复原算法的水下图像噪声去除

摘要：图像复原的目的是从观测到的退化图像重建原始图像,维纳滤波与约束去卷积滤波是比较常采用的复原方法。在未知降质函数的情况下,直接运用维纳滤波和约束去卷积滤波有一定困难。针对此提出以维纳滤波与约束去卷积滤波为模型的迭代滤波盲复原算法对水下图像进行去噪。实验证明,该方法获得了比较理想的复原效果。     

频域迭代盲解卷积图像恢复方法及其算法实现

详细讨论了一种新的模糊图像复原法 ,使用这种方法 ,不需知道图像模糊过程的模糊因子 ,就可以实现图像的恢复。该算法易于编程 ,且具有较强的通用性。分析了计算机算法 ,并给出了处理的结果。     

基于加速阻尼Richardson-Lucy算法的湍流退化图像盲复原方法

提出了一种基于加速阻尼Richardson-Lucy(ADRL)算法的湍流退化图像盲复原方法,称为ADRL-IBD方法。在阻尼Richardson-Lucy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ADRL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的物理模型或根据观测图像来获取初始的点扩展函数(PSF),利用阈值分割技术获取图像目标的可靠支持域,在每一次迭代中,对图像施加支持域约束。模拟图像和实际湍流退化图像复原结果表明,基于Richardson-Lucy算法的IBD算法要优于基于Wiener滤波的IBD算法,并且ADRL-IBD算法具有较强的抗噪性,与RL-IBD算法相比,收敛速度更快,复原结果更好。     

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.     

基于非参数密度估计的多通道盲解卷积

非参数密度估计方法被用来直接估计在自然梯度盲解郑积算法中遇到的评价函数(score function)。与用一个非线性函数简单地代替评价函数相比较,这种直接估计评价函数的方法的主要优点是:它可以用来对杂系混合信号,即同时包含超高斯和亚高斯的信号,进行盲解卷积。因为评价函数可以被直接的估计出来,因此,就不需要针对不同的源信号选择不同的非线性函数来代替评价函数。这种方法可以用在更加“盲”的情况。     

基于多通道盲复原和改进K-SVD模型的图像恢复

图像盲复原( IBR)问题一直是图像处理中的重要研究课题。目前空间不变的多通道图像盲复原算法研究较为普遍,这种算法具有较好的盲去模糊效果,但是对噪声的抑制能力不足,特别是对含有大量噪声的低分辨率图像而言,消噪效果较差。基于K-奇异值分解( K-SVD )的模型能够有效地处理噪声方差较大的图像,但是不能自适应图像的稀疏先验性。为了解决上述问题,在全变分( TV)多通道IBR算法处理的基础上,结合一种改进的K-SVD消噪模型的优势,提出了一种新的组合图像恢复方法。改进的K-SVD模型考虑了图像特征系数的稀疏先验知识和最大化稀疏度,具有自适应的消噪鲁棒性。分别采用模拟的和真实的低分辨率图像(毫米波图像)进行测试,与采用单一的多通道盲恢复和图像消噪算法相比,实验结果表明所提出的图像恢复方法具有较好的视觉效果和较高的信噪比。     

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。