基于稀疏表示和结构自相似性的单幅图像盲解卷积算法

图像盲解卷积研究当模糊核未知时,如何从模糊图像复原出原始清晰图像.由于盲解卷积是一个欠定问题,现有的盲解卷积算法都直接或间接地利用各种先验知识.本文提出了一种结合稀疏表示与结构自相似性的单幅图像盲解卷积算法,该算法将图像的稀疏性先验和结构自相似性先验作为正则化约束加入到图像盲解卷积的目标函数中,并利用图像不同尺度间的结构自相似性,将观测模糊图像的降采样图像作为稀疏表示字典的训练样本,保证清晰图像在该字典下的稀疏性.最后利用交替求解的方式估计模糊核和清晰图像.模拟和真实数据上的实验表明本文算法能够准确估计模糊核,复原清晰的图像边缘,并具有很好的鲁棒性.     

基于自监督约束的双尺度真实图像盲去噪算法

现存的图像去噪算法在处理加性高斯白噪声上已经取得令人满意的效果,然而其在未知噪声强度的真实噪声图像上泛化性能较差.鉴于深度卷积神经网络极大地促进了图像盲去噪技术的发展,针对真实噪声图像提出一种基于自监督约束的双尺度真实图像盲去噪算法.首先,所提算法借助小尺度网络分支得到的初步去噪结果为大尺度分支的图像去噪提供额外的有用信息,以帮助后者实现良好的去噪效果.其次,用于去噪的网络模型由噪声估计子网络和图像非盲去噪子网络构成,其中噪声估计子网络用于预测输入图像的噪声强度,非盲去噪子网络则在所预测的噪声强度指导下进行图像去噪.鉴于真实噪声图像通常缺少对应的清晰图像作为标签,提出了一种基于全变分先验的边缘保持自监督约束和一个基于图像背景一致性的背景自监督约束,前者可通过调节平滑参数将网络泛化到不同的真实噪声数据集上并取得良好的无监督去噪效果,后者则可借助多尺度高斯模糊图像之间的差异信息辅助双尺度网络完成去噪.此外,还提出一种新颖的结构相似性注意力机制,用于引导网络关注图像中微小的结构细节,以便复原出纹理细节更加清晰的真实去噪图像.相关实验结果表明在SIDD,DND和Nam这3个真实基准数据集上,所提的基于自监督的双尺度盲去噪算法无论在视觉效果上还是在量化指标上均优于多种有监督图像去噪方法,且泛化性能也得到了较为明显的提升.     

基于张量总变分的模糊图像盲复原

现有模糊图像盲复原算法通常仅利用彩色图像的灰度信息估计模糊核,彩色图像转换成灰度图像的操作会造成信息丢失,在处理尺寸过小或显著边缘过少的图像时,模糊核的估计通常会失效,导致最后复原图像的质量不理想。针对上述问题,在新的张量框架下,把彩色模糊图像作为一个三阶张量,提出了一种基于张量总变分的模糊图像盲复原算法。首先通过调整张量总变分模型中的正则化参数获取彩色图像不同尺度的边缘信息,从而估计出模糊核;再利用张量总变分算法对模糊图像解模糊,复原出清晰图像。实验结果表明,所提算法得到的复原图像在峰值信噪比（PSNR）和主观视觉上均得到明显改善。     

混合非凸非光滑正则化约束的模糊图像盲复原

为能够复原出高质量的清晰图像,提出一种混合正则化约束的模糊图像盲复原方法。首先,根据模糊核的稀疏性,采用L₀范数的正则项对模糊核进行稀疏约束,以提高模糊核估计的准确性;然后,根据图像梯度的稀疏性,采用混合一阶和二阶图像梯度的L₀范数对图像梯度进行正则化约束,以保留图像边缘信息;最后,由于所提出的混合正则化约束模型本质上是非凸非光滑优化问题,通过交替方向乘子法对模型进行求解,并在非盲反卷积阶段采用L₁范数数据拟合项和全变分的方法复原清晰图像。实验结果表明,所提方法能够复原出更加清晰的细节和边缘信息,复原结果的质量更高。     

基于稀疏表示的单帧运动图像盲复原

提出一种基于稀疏表示的单帧运动盲复原方法,它充分利用自然图像中存在的各种先验知识进行求解。该方法分为模糊核估计和图像修复两个阶段。在估计模糊核时,它运用shock滤波器从模糊图像中预测出清晰边缘,以此指导全局图像的复原,并运用多尺度策略来解决大模糊核问题。在图像修复阶段,运用稀疏表示理论对复原图像进行降噪和重建,最终提高图像复原质量。实验结果表明,在不同噪声和模糊核条件下,该算法能有效消除运动模糊。     

基于边缘先验模型的运动去模糊

从单幅运动模糊图像复原出清晰的图像,一直是数字图像处理领域中富有挑战的问题.基于边缘先验模型和小波分析提出了一种运动模糊退化图像的复原算法.在去模糊之前,对图像进行预处理,将噪声去除,用冲击滤波器增强边缘,并采用canny边缘检测获取清晰边缘作为先验模型,以此估计模糊核;然后在紧小波框架系统下,将清晰图像的稀疏性最大化,采用改进的分裂Bregman方法求解最优化问题,最终得到清晰的图像.实验结果表明,相对于传统的盲复原算法,提出的方法可以有效地去除运动模糊.     

复合的图像盲复原算法

当点扩展函数未知或不确知的情况下,从观察到的退化图像中恢复原始图像的过程称为图像盲复原。近年来,图像盲复原算法得到了广泛地研究。迭代盲解卷积在抑制噪声放大与保留图像边缘信息有很好的效果,但在不知道点扩展函数并有噪声的情况下并不能有效的去除噪声导致图像恢复效果很差。针对图像盲复原的特点,提出了一种复合算法,该算法有效地解决了迭代盲解卷积的去噪问题,最后通过实验验证了算法的可行性和有效性。     

强边缘导向的盲去模糊算法

目的 在图像的获取过程中,成像设备与拍摄场景发生了相对位移,导致获取的实际图像存在信息丢失、模糊退化的现象,这极大地影响了图像的质量和人们的视觉体验,也影响了图像的后续处理。盲去卷积旨在从观测图像中估计模糊核并获得清晰图像,为此提出了一种基于强边缘的运动图像盲去模糊算法。方法 结合图像梯度稀疏性,采用自适应l₀范数约束待估计图像梯度的强边缘;针对模糊核稀疏性和连续性,以l₀-l₂范数分别约束模糊核的像素和梯度,同时把模糊核归一化先验作为正则项引入模型中,以强边缘指导模糊核估计。在去模糊阶段,结合全变分与超拉普拉斯正则化方法的优点,将两种方法复原的图像取平均,以减轻复原图像中的振铃效应,同时保留更多的图像细节。结果 为了检验本文算法的有效性,对Levin测试集和实际拍摄的模糊图像分别进行仿真,并同现有算法进行比较。Levin测试集上的实验结果表明,提出的盲反卷积成功率为100%且在对比算法中具有最高PSNR;实际彩色图像的盲反卷积实验表明,相比于其他算法,本文算法获得的模糊核具有更准确的支撑和较少的噪点,获得的清晰图像具有较优的视觉效果。结论 该方法从定量和定性比较上都体现了较好的去运动模糊能力,可适用于遥感、医学等领域。     

基于最大化自相似性先验的盲单帧图像超分辨率算法

图像的自相似性质和图像质量之间存在着密切的关系,清晰的自然图像中几乎所有的图像片都在其自身或较低尺度内存在着重复。然而,在存在噪声或模糊等降质处理的图像中,这一性质明显减弱。针对这一现象,提出一种最大化自相似性先验的盲单帧图像超分辨率算法。该算法通过迭代计算求解超分辨率图像和降质过程的模糊核,使得到的超分辨图像中的任一图像片在输入的低分辨率图像中都以最大的概率存在。这一算法不仅能够准确地计算降质过程的模糊核,得到高质量的高分辨率图像,而且其先验知识随着输入图像的不同而自动进行调整,使得算法具有更强的鲁棒性。大量实验表明,该算法的PSNR,SSIM参数结果较主流算法都有着明显的优势。     

噪声模糊图像盲目反降晰的模糊核准确估计

针对大多数先进的单幅图像盲目反降晰技术在噪声无法忽略时,仍不能很好地处理模糊核估计质量退化严重的问题,提出一种利用图像显著结构从单幅噪声模糊图像中准确估计模糊核的方法.首先通过降噪预处理对图像噪声进行抑制,利用基于全总变分模型的方法提取模糊图像的显著结构,进而运用梯度选择方法移除不利于模糊核估计的显著边缘,提高模糊核估计的鲁棒性;然后采取两阶段模糊核估计策略,运用基于图像显著结构模糊核估计方法和迭代支持域检测技术实现模糊核的准确估计;最后通过稀疏先验约束的非盲目图像解卷积方法完成最终的图像恢复.实验结果表明,与已有方法相比,该方法在合成和真实图像上都能更准确地估计出噪声模糊图像的模糊核,获得更好的复原图像质量,可有效地处理图像反降晰对图像噪声敏感问题,实现了噪声模糊图像模糊核的准确估计.     

Blind Image Deconvolution via Enhancing Significant Segments

Neural Processing Letters - Blind image deconvolution aims to estimate both a blur kernel and a sharp image from a blurry observation. It is not only a classical problem in image processing, but...     

Space-variant blur deconvolution and denoising in the dual exposure problem

In this paper we propose a space-variant blur estimation and effective denoising/deconvolution method for combining a long exposure blurry image with a short exposure noisy one. The blur in the long exposure shot is mainly caused by camera shake or object motion, and the noise in the underexposed image is introduced by the gain factor applied to the sensor when the ISO is set to an high value. Due to the space variant degradation, the image pair is divided into overlapping patches for processing. The main idea in the deconvolution algorithm is to incorporate a combination of prior image models into a spatially-varying deblurring/denoising framework which is applied to each patch. The method employs a kernel and parameter estimation method to choose between denoising or deblurring each patch. Experiments on both synthetic and real images are provided to validate the proposed approach.     

一种基于改进的暗通道先验的运动模糊核估计方法

传统的暗通道先验已成功地运用于单一图像去模糊问题,但是,当模糊图像具有显著噪声时,暗通道先验无法对模糊核估计起到作用.因此,得益于分数阶计算能够有效地抑制信号的噪声并对信号的低频部分进行增强,将分数阶计算理论与模糊图像的暗通道先验相结合,提出一种基于改进的暗通道先验的运动模糊核估计方法.首先,结合最大后验估计算法与分数阶暗通道先验,构建出运动模糊图像的核估计模型;其次,利用半二次方分裂法解决模型的非凸问题;最后,根据粗糙-精细的策略,利用多尺度迭代框架估计出准确图像的模糊核,进而利用非盲去模糊的方法求解清晰图像.实验结果表明:在有无显著噪声的模糊图像中,所提出的算法虽然所需计算时间较长,但是能够获得较为准确的模糊核,并且能够减少图像噪声以及振铃伪影,提高清晰图像估计的质量;此外,对于不同类型的模糊图像,所提出的算法也同样适用.     

Variational EM method for blur estimation using the spike-and-slab image prior

Most state-of-the-art blind image deconvolution methods rely on the Bayesian paradigm to model the deblurring problem and estimate both the blur kernel and latent image. It is customary to model the image in the filter space, where it is supposed to be sparse, and utilize convenient priors to account for this sparsity. In this paper, we propose the use of the spike-and-slab prior together with an efficient variational Expectation Maximization (EM) inference scheme to estimate the blur in the image. The spike-and-slab prior, which constitutes the gold standard in sparse machine learning, selectively shrinks irrelevant variables while mildly regularizing the relevant ones. The proposed variational Expectation Maximization algorithm is more efficient than usual Markov Chain Monte Carlo (MCMC) inference and, also, proves to be more accurate than the standard mean-field variational approximation. Additionally, all the prior model parameters are estimated by the proposed scheme. After blur estimation, a non-blind restoration method is used to obtain the actual estimation of the sharp image. We investigate the behavior of the prior in the experimental section together with a series of experiments with synthetically generated and real blurred images that validate the method's performance in comparison with state-of-the-art blind deconvolution techniques.     

Deblurring by Matching

Restoration of the photographs damaged by the camera shake is a challenging task that manifested increasing attention in the recent period. Despite of the important progress of the blind deconvolution techniques, due to the ill-posed nature of the problem, the finest details of the kernel blur cannot be recovered entirely. Moreover, the additional constraints and prior assumptions make these approaches to be relative limited.
In this paper we introduce a novel technique that removes the undesired blur artifacts from photographs taken by hand-held digital cameras. Our approach is based on the observation that in general several consecutive photographs taken by the users share image regions that project the same scene content. Therefore, we took advantage of additional sharp photographs of the same scene. Based on several invariant local feature points, filtered from the given blurred/non-blurred images, our approach matches the keypoints and estimates the blur kernel using additional statistical constraints.
We also present a simple deconvolution technique that preserves edges while minimizing the ringing artifacts in the restored latent image. The experimental results prove that our technique is able to infer accurately the blur kernel while reducing significantly the artifacts of the spoilt images.     

基于正则化方法的图像盲去模糊

针对标准化稀疏先验的正则化方法估计复杂模糊核时的不准确性, 引入图像的预处理, 提出了一种图像盲去模糊的新方法。该方法将图像盲去模糊分为三个步骤：利用双边滤波器和冲击滤波器对图像进行预处理, 使得图像的噪声降低、边缘突出, 有利于模糊核的估计; 对预处理后的图像, 利用基于标准化稀疏先验的正则化方法估计模糊核; 根据估计出的模糊核利用TV正则化方法对图像进行非盲去卷积。采用快速迭代收缩阈值算法和快速总变分图像复原算法分别求解模糊核估计模型和图像非盲去卷积模型。实验结果表明, 针对单幅模糊图像, 该方法可以估计出准确的模糊核, 对噪声具有鲁棒性, 并且提高了图像复原速度, 具有较好的图像恢复效果。     

拉普拉斯与双边滤波的图像去运动模糊算法

运动模糊图像盲复原是图像复原中的关键问题之一,由于模糊信息的复杂性以及图像噪声的影响,导致复原的结果有振铃效应.为解决这些问题,提出基于拉普拉斯先验的改进算法.在原有的模糊核估计过程中,引入拉普拉斯锐化增强,增强图像的边缘信息,达到改善模糊核估计结果的目的.在复原时,针对图像振铃噪声,引入了双边滤波,抑制该噪声对复原结果的影响,进一步改善复原图像的质量.与三种现有图像去模糊算法相比,该方法能更准确地估计模糊信息,对图像复原具有更好的鲁棒性.