基于先验优化的一致性模糊盲复原算法

为了提高一致性模糊图像盲复原清晰度,针对复原过程中涉及的全变差模型先验约束问题,提出一种基于先验优化的一致性模糊盲复原算法.利用基于半高斯梯度算子的局部加权全变差模型提取模糊图像显著边缘,在去除噪声和纹理干扰的同时,可提高有利信息的保持能力;提出多尺度混合特性先验估计模糊核,增强了模糊核估计的准确性;利用非盲去卷积得到了清晰的复原图像.实验结果表明,相较其他算法,针对模拟模糊图像,所提算法的复原图像峰值信噪比平均提升约1.7%,结构相似性指数平均提升约19.1%;针对真实模糊图像,复原图像伪影更少,边缘纹理细节更加清晰自然,整体视觉效果更好.     

联合正则化与低秩先验的自适应迭代盲图像复原

为改善运动模糊图像盲复原的效果,解决伪影显著、鲁棒性差、各尺度由于迭代次数固定而产生不利核估计的问题,提出一种联合正则化与低秩先验的自适应迭代盲图像复原算法。首先,利用l₀正则化先验的稀疏性估计中间复原图像和有效去除伪影,同时引入低秩先验抑制潜像恢复过程中的噪声干扰,提高模糊核估计的准确性;然后,针对多尺度迭代次数问题采用自适应策略,通过评估模糊核的相似性调整各尺度下的迭代次数;最后,用基于半二次分裂的交替优化策略求解本算法模型,利用非盲去模糊方法得到最终清晰图像。结果表明,本文算法能有效抑制噪声和伪影,鲁棒性好,并具有良好的复原效果。     

暗通道约束和交替方向乘子法优化的湍流图像盲复原

为提高湍流退化图像的复原效果,针对盲复原算法在最大后验概率框架下,使用梯度分布先验信息约束容易求得模糊平凡解的问题,提出了一种暗通道约束和交替方向乘子法优化的湍流图像盲复原算法。基于多尺度的思想,在每一层尺度上,对图像施加暗通道先验约束,对点扩散函数施加非负性约束和能量约束。对采用坐标下降法交替迭代估计当前尺度下的模糊核和图像,当达到最大尺度时,得到最终估计的模糊核。结合总变分模型,采用交替方向乘子法优化实现图像细节快速恢复。实验结果表明,新算法使用的先验信息约束,有利于得到清晰解,在总变分模型下能收敛到全局最优解,可以有效抑制图像复原过程中产生的伪迹,恢复出更好的目标图像细节。     

一种新的基于倒谱法和Richardson—Lucy算法的运动图像盲复原方法

运动图像的盲复原,一直是图像处理领域的难点,本文根据运动模糊图像特点,提出了一种鲁棒、高效保留图像细节和纹理特征的图像盲复原算法．在图像的复原过程中运用了基于最大似然函数的Richardson—Lucy滤波方法只需知道模糊类型,不需要其它任何先验知识,就能做到有效复原,适用范围广,能对线性匀速运动类型的模糊、振动模糊、旋转模糊都有效,鲁棒性好,抗噪能力强．     

基于算法展开的图像盲去模糊深度学习网络

针对图像盲去模糊问题,基于变分模型的迭代优化展开形式设计了相应的变分深度学习网络,有效克服了传统变分方法计算效率低和深度学习方法可解释性差的问题。设计网络包含2部分：利用算法展开策略实现基于L₀正则化估计模糊核的子网络;基于估计的模糊核及图像恢复正则化模型的非盲去卷积子网络,该子网络充分利用了双通道的编解码网络结构。为确保模糊核估计的准确性和图像内容的一致性,损失函数由均方误差损失和结构相似性损失构成。L₀正则化的使用有助于快速准确地完成模糊核估计;图像恢复正则化模型的使用有助于边缘和图像细节的保持。在Levin数据集上的试验结果表明,所提算法在峰值信噪比上较目前先进算法至少提高了2.14 dB。     

基于总变分规整化的湍流退化图像复原RL算法

根据RL（Richardson-Lucy）不需要点扩散函数尺寸先验信息的优点和湍流退化模式的特点,将RL图像复原算法应用到气动光学效应退化图像的复原中．针对RL算法极易引起噪声放大和过度平滑的缺点,提出了基于总变分最小化的RL图像盲复原算法．仿真结果表明,该算法在噪声抑制和细节保存方面都优于非规整化的RL算法。     

具有显著异常值的夜间模糊图像非盲去模糊

为了抑制夜间模糊图像中常出现的各类异常值对去模糊的影响,提出了一种基于联合稀疏与最大熵先验的异常值检测与去模糊算法,该算法能够有效检测分布具有稀疏性的异常值。另一类异常值-饱和像素的分布通常具有聚集性,为此设计了一种高度饱和区域周边振铃伪影修正算法作为复原图像的后处理步骤。在包含冲击噪声的数据集上测试表明,本文算法能够对不同密度的噪声有效自适应。在部分饱和模糊图像上的实验显示,本文算法复原图像的平均SSIM值相比其他先进算法提高了0.1以上。     

一种基于自适应大气光和加权引导滤波的夜间图像去雾算法

夜间图像去雾对于夜间场景下无人驾驶、交通安防等有重要的工程应用价值。针对暗通道先验算法在夜间雾天场景下的失效问题,提出一种基于自适应大气光和加权引导滤波的夜间图像去雾算法。该算法首先基于图像亮度和饱和度联合求取信道图,并将信道图作为引导图对原图像进行引导滤波得到大气光分布图,为解决暗通道先验在图像亮区域的失效问题,引入亮通道先验矫正亮区域的透射率,为优化亮、暗通道透射率的融合,建立一种基于分段伽马矫正的融合权值计算方法,用于亮区域透射率的权值计算,并利用该透射权值加权得到图像的初始透射率;然后利用加权聚合引导滤波代替引导滤波细化初始透射率,通过基于相似度为滤波中心像素的邻域像素赋予权值,并在滤波聚合阶段采用加权聚合代替均值聚合,解决引导滤波弱化细小纹理而引起的边缘模糊问题;最后将复原图像转换到HSV空间,对亮度分量V进行均衡化调整,并对均衡化前后的图像进行线性加权获得最终复原结果。实验结果表明,所提算法大气光分布图估值合理,可有效反映夜间多光源场景下的大气光分布情况,图像亮、暗区域透射率计算准确,复原图像去雾彻底、纹理清晰,与经典算法对比显示,复原结果的峰值信噪比、信息熵、平均梯度和方差的最大提升幅度分别为49.4%、18.3%、172.3%、115%,综合指标优于所对比的算法。     

基于分数阶全变差和自适应正则化参数的图像去模糊

为更好地复原图像的纹理细节,避免求解图像去模糊模型时面临正则化参数难以选择的问题,提出了一种基于分数阶全变差（FOTV）模型和自适应更新正则化参数的非盲去模糊图像重建方法。首先,在分析不同分数阶下FOTV的幅频响应特性的基础上,采用不同分数阶次的FOTV模型约束图像的平滑（低频）部分和纹理细节（高频）部分,从而建立图像非盲去模糊重建模型。其次,为了有效地求解重建模型和实现两个正则化参数的自适应更新,采用交替方向乘子法(ADMM)将原本含有两个正则化参数的复杂问题分解成两个相对容易的子问题进行求解,每个子问题只含一个正则化参数。最后,根据偏差准则,在迭代求解过程中实现了两个正则化参数的自适应更新。将所提算法应用于包含平滑、边缘和纹理细节的多幅图像中,测试4种不同模糊核下的去模糊效果;与传统的4种去模糊算法相比,实验结果表明所提算法能自适应地更新两个正则化参数,对于纹理细节适中的图像具有较好的去模糊效果。     

基于数值保真项优化的TDI遥感图像复原方法

提出基于数值保真项优化的时间延迟积分电荷耦合元件（TDI-CCD）振动模糊遥感图像复原方法.针对时间延迟积分（TDI）退化图像点扩散函数（PSF）的空间变化性,根据成像平台颤振信息逐行构建模糊核.通过结合L1正则化和数值保真项优化,提出新的遥感图像去模糊方法,实现对TDI颤振图像的逐行复原.在基于最大后验概率（MAP）构建图像去模糊模型的过程中,将数值保真项扩展到二阶,以更好地保留图像细节.与传统的Richardson-Lucy（RL）算法、全变分方法相比,提出的算法去模糊效果明显.分析在不同积分级数和颤振频率下采用该算法复原后的图像的ssim,该算法体现出很好的普适性.     

基于超拉普拉斯先验的图像非盲解卷积

自然图像梯度的重尾分布在去噪、去模糊以及超分辨率等问题中已经被证实是一个非常有效的先验。自然图像梯度的长尾分布可以极好地用超拉普拉斯(Hyper-Laplacian)分布模型化。基于空间变化点扩散函数提出了一种超拉普拉斯先验的图像快速非盲解卷积方法,对图像进行复原。该算法的优势就是引入空间变化点扩散函数,使用分步交替迭代最小化方法,通过查表法快速对图像去卷积求解。该方法的解卷积速度得到较大幅度的提升,而且对模糊图像有较好的复原效果,提高了图像的质量。     

模糊图像迭代盲反卷积复原

针对超速或换道车辆容易出现的图像模糊问题,提出了基于盲反卷积的去模糊方法。传统的去模糊方法是假定已知模糊参数,而实际的目标图像模糊参数是未知的。所以采用一种盲复原方法,首先估计出模糊点扩散函数PSF,然后进行模糊处理。根据实际采集的图像含有高斯噪声的特点,将常用零均值高斯白噪声作为其噪声模型,根据噪声均值与方差的最小二乘估计改进盲反卷积模型,得出新的恢复模型,进而恢复含噪声的模糊图像。结果表明,该算法较传统算法恢复效果得到明显改善。     

相对运动所引起的模糊图像的模糊复原算法研究

由于通常所要处理的图像都具有某种不确性，根据先验知识采建立退化模型的反退化处理技术，如滤波，其通用性较差．论文基于模糊算法对由相对运动引起的模糊图像的复原算法进行了研究，阐述了运动模糊图像退化的数学模型．根据数学模型分析其退化的原因，并运用模糊理论知识，提出了对由相对运动引起的模糊图像进行复原的隶属函数，同时与维纳（Wiener）滤波复原算法进行了对比分析．结果表明：模糊复原算法对有噪声的运动模糊图像能基本还原出原来的图像，效果相当理想，为图像复原技术提供了一种新思路．     

基于变分狄利克雷模糊核估计的行车记录盲图像复原

针对行车记录模糊图像的模糊核不能准确估计的问题,提出一种变分狄利克雷分布的模糊核估计方法,并利用改进的增广拉格朗日算法实现有效的图像复原。采用梯度投影法求解优化问题,提取图像边缘的精确方向,用狄利克雷分布替代模糊后验估计消除图像噪声,减少额外约束;以超拉普拉斯先验分布建模,结合ALM实现行车记录盲图像复原。实验结果表明,通过多尺度的模糊核估计,能有效估计模糊核并消除行车记录图像的噪声,恢复行车记录图像的纹理细节。与其他方法相比较,所提出的盲图像复原方法,从视觉特性和评价指标来讲都具有较好的恢复效果。     

空间变化模糊的图像复原算法

传统的空间不变的模糊图像复原算法无法对空间变化图像取得良好的复原效果,空间变化的图像复原算法能够较好地复原图像,增强复原图像的可读性。新算法使用奇异值分解法将模糊核分解为基滤波器和系数滤波器的线性组合,提出一种总变分和小波框架双正则化模型。并使用ADMM算法将原问题分解为易于求解的子问题进行独立求解,使得算法能快速迭代收敛,在迭代过程中完成图像的复原与优化。实验结果表明:对于空间变化的模糊图像,提出的新算法能够较好地去模糊,取得较高的峰值信噪比和结构相似度,在主观评价上也具有良好的视觉效果。     

基于梯度的波纹图像质量评价

基于图像盲迭代复原,提出基于梯度的波纹评价方式、边缘轮廓变化评价波纹、平均边缘宽度评价波纹3种评价波纹的方法,得到一种新的基于梯度的波纹评价方式.此方法通过一个中心对称高斯加权窗在图像上逐点计算以该点为中心的邻域图像块的梯度相关信息;计算得到各点对应图像块的梯度信息并映射得到一幅图像来描述降质图像的降质信息,采用这幅降质信息图像的平均值作为整体图像质量的评价测度.对这3种图像质量评价方式进行实验发现,基于梯度评价方法可以很好地确定盲迭代的次数,从而得到相对质量较高的复原图像.     

基于RTV模型图像分解的去雾算法

针对暗通道先验去雾算法出现的纹理细节丢失、边缘模糊、天空与明亮区域失真等问题,提出了一种基于RTV模型图像分解的去雾算法。首先利用相对全变分(RTV)模型将有雾图像分解为结构层与纹理层,然后建立一个指示纹理区域的遮罩对纹理层进行优化来解决纹理细节丢失的问题。为了减少结构层边缘的深度跳跃现象,建立了加权L1正则化模型对初始透射率进行优化。同时针对天空与明亮区域出现的失真现象,引入容差机制优化了该区域的透射率。最后将优化后的纹理层与去雾后的结构层重组得到最终的复原图像。实验结果表明,该算法复原后的图像在平均梯度以及边缘强度等客观评价指标上均好于其他几种对比算法,基本达到了纹理细节突出,边界清晰,饱和度适中的处理效果。     

快门编码模型重影模糊图像盲复原方法

针对刑侦取证工作中经常出现的一种重影模糊图像,提出了一种快门编码模型来近似模拟重影模糊的本质,利用快门编码模型对重影模糊图像进行盲复原处理.实验结果表明了该快门编码模型对复原重影模糊图像的合理性,对实际拍摄的重影模糊图像,该算法能够有效地复原出模糊图像中的感兴趣信息,具有较高的实用性.     

图像模糊篡改盲取证

针对图像篡改人工模糊润饰操作,提出了一种新的盲取证技术。首先用保持边缘平滑滤波结构增强源图像模糊区域,并对滤波图像进行边缘检测;然后采用能量比和信息熵构建模糊边缘约简规则来检测源图像自然强边缘;接着设计模糊隶属度函数,计算源图像每个像素的模糊隶属度,并用该隶属度集合对初始模糊边缘图像进行处理,得到模糊边缘图像;最后对前面的图像进行融合并经过闭运算处理,得到准确清晰的人工模糊边缘。实验结果显示,本文算法能够很好地区分模糊边缘与自然强边缘,篡改区域的定位效果较好。     

折/反射全方位视觉空间移变点扩散函数建模与图像复原

在分析折/反射全方位视觉(COV)图像模糊尺度分布规律的基础上提出了一种基于径向边缘检测的空间移变点扩散函数(SV-PSF)建模方法,并且研究了基于一种可以方便地加入空域可变模糊模型等先验知识的凸集投影(POCS)图像复原方法。本文提出的建模方法在有限的径向边界区域建立COV的全局SV-PSF模型,避免了一般建模方法需要大量的边缘检测和图像分割计算;采用基于POCS算法空域图像复原方法,很好容纳了SV-PSF这一先验知识,在实验中与MATLAB的盲反卷积工具箱函数的处理结果进行了对比,结果表明本文方法的灵活性和有效性。