维纳滤波和非线性扩散相结合的图像去噪

提出一种基于小波和非线性扩散的新的图像去噪算法。小波域局部维纳滤波是一种简单有效的去噪方法,利用该方法先对原始图像进行初步去噪,以此引导非线性扩散模型中的边缘检测函数,再用非线性扩散进行去噪。实验表明:该算法不仅很好地保存了图像的边缘信息,而且有效地去除了图像中的大部分噪声,无论是视觉效果还是客观标准上都优于单纯的小波域维纳滤波或非线性扩散去噪。     

用方向小波域的维纳滤波图像去噪算法

方向小波是在多尺度几何分析(MGA)的思想下产生的一种新的图像处理工具.针对含高斯噪声图像的方向小波系数仍服从高斯分布的特点,提出一种方向小波域的维纳滤波去噪方法.修正了多方向框架,给出了维纳滤波处理方向小波系数的方法及过程.并将其分别应用于不同纹理复杂程度和信噪比的图像,利用信噪比进行了验证.实践证明了方向小波域的维纳滤波算法具有计算简单、去噪效果好、保持纹理等特点.     

联合小波域和频域的图像去模糊算法

提出了一种在小波域和频域上联合恢复模糊图像的算法。首先在小波域上对模糊图像去噪,提出按照贝叶斯公式估计出小波系数的收缩因子,恢复出模糊图像的小波系数值。此后,按照正则化反卷积图像恢复算法,对去噪模糊图像进行恢复。该算法使得反卷积时的正则化算子选取为较小的值,从而恢复的图像既滤除了噪声,同时降低了边缘模糊等振铃效应。实验结果表明,选择拉普拉斯正则化算子,该算法恢复的图像质量优于频域正则化反卷积算法,此外在同等噪声水平下,不同图像的最优正则化参数处在较小的相同动态范围之内,避免了恢复算法中的反复经验试值寻求最优。     

小波变换在大景深成像系统图像复原中的应用

为消除大景深成像系统引起的图像模糊问题,提出综合维纳滤波和小波变换进行图像复原和增强的一种新方法.维纳滤波不能对大景深模糊图像的高频分量进行较好的复原,利用小波变换算法进一步对维纳滤波复原的结果进行高频增强,以使模糊图像在高低频均获得理想的复原结果.仿真实验首先对标准样本进行大景深模糊,然后对模糊图像先采用维纳滤波算法进行复原,再进一步采用小波变换算法增强复原图像高低频对比度.结果表明:采用了小波变换算法后大景深模糊图像的复原效果得到了有效提高,图像的峰值信噪比提高了近50%.     

基于TwIST-TV 约束的图像去模糊方法

传统的基于频域和小波域的去模糊算法所得的复原图像总是存在比较明显的边缘振铃及模糊效应,而较为有效的空域迭代优化去模糊算法速度通常比较慢。为了解决上述问题,提出了基于二步迭代阈值收缩（TwIST）与总变分（TV）约束相结合的图像去模糊算法（TwIST-TV）。首先在去模糊目标函数中加入对图像的TV 正则化约束,其次在对图像小波系数的每次二步迭代之前,加入对图像的TV 优化去噪约束,最后迭代获取去模糊图像。实验结果表明:相对于基于频域和小波域的模糊图像恢复算法,TwIST-TV 能有效抑制边缘模糊和振铃效应,复原图像的信噪比（SNR）、峰值信噪比（PSNR）高出1~7 dB,平均结构相似度指标（MSSIM）可高出0.05,相对于空域解卷积算法在保证求解精度相当的情况下具备6 倍以上的速度优势。     

一种基于双树复小波变换的图像去噪算法

针对图像处理的需求,提出一种基于双树复小波变换的图像去噪算法。该算法对图像进行双树复小波变换,对变换后的系数利用最大似然估计和维纳滤波进行去噪,采用最大后验概率来估计双树复小波的方差,利用维纳滤波得到去噪后的系数,通过双树复小波反变换得到去噪后的图像。在分解层计算方差时,均采用在4×4的结构元素内基于最大值和次大值坍缩后的邻域来计算方差。实验结果表明,该算法的PSNR对比其他文献提高0.2 d B左右,运行时间减少5 s。     

一种弱信号检测新方法分析

通过计算机仿真分析一种基于频域积累和小波变换相结合的弱信号监测方法,仿真在Matlab上完成。分别分析小波变换和频域积累用于弱信号处理的去噪效果。仿真表明,小波变换对信噪比很低的信号去噪效果较差,频域积累需要较长的数据采集时间,会使信号处理的实时性变差。在此基础上,提出将两种方法结合起来使用,先用频域积累将信噪比提高,再用小波变换进一步去噪,从而形成了一种新的弱信号检测方法,该方法既可有效去噪,实时性也较频域积累有很大改善。     

利用数学形态学和方向窗的小波域双重局部维纳滤波图像去噪算法

基于小波的图像去噪算法是目前图像处理研究的一个热点。该文提出了一种结合椭圆型方向窗和数学形态学的小波域双重局部维纳滤波图像去噪算法。该算法同时利用了小波域子带的方向信息和图像本身所固有的几何结构:首先使用数学形态学把图像分成纹理区域和光滑区域两部分,然后结合椭圆型方向窗去估计小波域方向子带中每一点的信号方差,最后使用双重维纳滤波器对含噪图像进行去噪。实验结果表明该算法的去噪效果优于其它的采用二维可分离实小波进行图像去噪的算法。     

一种基于小波和Wiener相结合图像去噪新方法

本文提出了一种新的小波变换和维纳滤波相结合的图像滤波方法.该滤波方法首先使用小波变换,将图像信号从时域变换到频域,结合新的wiener方法对图像的高低频结果进行滤波处理。改进的自适应Wiener滤波器可以根据图像特性,在给定的多个模板间对图像进行自适应模板选择,使得滤波效果更加理想。实验结果表明,本文提出的方法比传统的维纳滤波和小波阈值去噪方法有较大的改善。     

基于单帧图像的复杂光学成像条件下图像复原方法

大气层、临界层等光学成像环境复杂，如何准确求解点扩散函数并抑制噪声是图像复原的两个重点。针对目前复原算法存在先验信息利用不足和抗噪性能较差等问题，提出基于单帧图像的复原方法。首先建立多尺度多方向形态滤波器，引入噪声特征图像自适应选择结构元素，克服传统方法固定结构元素无法改变的缺点；使用小波变换将小波的多分辨率特性与图像复原相结合，加快运算速度并进一步抑制残余噪声；提出基于分形维数动态求解支持域与正则化参数，改善以往固定支持域的缺点，提升图像复原的准确性。大量实验结果表明，本算法仅使用单帧模糊图像即可有效复原，可适用于多种类型数据集，满足实时复原的场景。     

基于边缘恢复和伪像消除的正则化图像复原

由于各种原因复原图像不可避免地会存在一定程度的Gibbs效应、颗粒噪声及边缘振铃等伪像, 为此该文基于边缘恢复和消除伪像提出一种新的正则化图像复原方法。该方法在保留传统的平滑正则化约束项前提下, 首先将降质图像划分为边缘区、纹理区和平坦区, 然后以图像复原后边缘区局部方差的增加量构建正则化约束项作为对边缘恢复的约束, 而以平坦区局部方差的减少量构建正则化约束项作为对伪像消除的约束。实验结果表明, 在增加上述两个正则化约束项后其复原效果要明显优于传统的正则化复原方法。     

Wavelet domain image resolution enhancement

A wavelet-domain image resolution enhancement algorithm which is based on the estimation of detail wavelet coefficients at high resolution scales is proposed. The method exploits wavelet coefficient correlation in a local neighbourhood sense and employs linear least-squares regression to estimate the unknown detail coefficients. Results show that the proposed method is considerably superior to conventional image interpolation techniques, both in objective and subjective terms, while it also compares favourably with competing methods operating in the wavelet domain.     

The ill-posedness of restoring lost samples and regularized restoration for band-limited signals

In this paper the ill-posedness of restoring lost samples is discussed. The restoration algorithm by Shannon's Sampling Theorem is analyzed. A regularized restoring algorithm for band-limited signals is presented. The convergence of the regularized restoring algorithm is studied and compared with the restoration algorithm by Shannon's sampling theorem.     

A general framework for frequency domain multi-channel signalprocessing

The authors provide a general framework for performing processing of stationary multichannel (MC) signals that is linear shift-invariant within channel and shift varying across channels. Emphasis is given to the restoration of degraded signals. It is shown that, by utilizing the special structure of semiblock circulant and block diagonal matrices, MC signal processing can be easily carried out in the frequency domain. The generalization of many frequency-domain single-channel (SC) signal processing techniques to the MC case is presented. It is shown that in MC signal processing each frequency component of a signal and system is presented, respectively, by a small vector and a matrix (of size equal to the number of channels), while in SC signal processing each frequency component in both cases is a scalar.     

气动退化图像的改进复原算法

针对气动光学效应引起的图像模糊退化导致复原处理困难的问题,提出了一种气动退化红外图像的改进复原算法。具体做法是:在假设退化图像的点扩散函数服从高斯分布的前提下,对图像进行带参数维纳滤波,在此过程中,使用图像清晰度评价函数作为复原效果的评价实现了算法中参数的最优化。通过多组仿真实验和算法的对比分析表明,算法较好地保持了图像细节,较好地恢复了图像质量,实时性较好。     

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。     

Wavelet domain statistical hyperspectral soil texture classification

This communication presents an automatic soil texture classification system using hyperspectral soil signatures and wavelet-based statistical models. Previous soil texture classification systems are closely related to texture classification methods, where images are used for training and testing. In this study, we develop a novel system using hyperspectral soil textures, which provide rich information and intrinsic properties about soil textures, where two wavelet-domain statistical models, namely, the maximum-likelihood and hidden Markov models, are incorporated for the classification task. Experimental results show that these methods are both reliable and robust.     

Constrained regularized image restoration using projection on a setof regularized solutions

This article addresses a problem of constrained regularized image restoration. A consistent approach to the solution of this problem is based on minimizing the Tikhonov's (1977) regularizing functional subject to a set of constraints. It is demonstrated that a set of regularized solutions resulting from minimization of Tikhonov's functional is closed and convex and a projection operator on this set is derived     

四DSP实现运动模糊图像的实时恢复

为解决相机与被拍摄物体之间存在较大相对运动而产生的图像模糊,提出使用3个定点DSP和1个浮点DSP共同完成运动模糊图像实时恢复的方法。研究运动模糊图像的退化模型,采用维纳滤波方法进行运动模糊图像恢复。阐述了定点DSP完成二维FFT的原理和注意事项,说明了4个DSP在图像恢复过程中各自的功能。对于512512大小的图像,定点DSP完成二维FFT的时间为17.7ms,浮点DSP完成浮点数据乘法和除法的时间总共为32.5ms,据此计算了各个DSP的工作负荷。通过这些指标说明,此硬件结构可以完成512512大小运动模糊图像的实时恢复。     

Image restoration in computed tomography: the spatially invariant point spread function

Image restoration to deblur smoothing caused by the finite-size X-ray beam profile for a simulated computed tomography (CT) system is presented. Three simple image restoration methods are compared when the point-spread-function (PSF) is spatially invariant. In the first restoration method, an iterative least squares solution, regularized with the image norm and constrained by the boundary of the object, is obtained from the projection data. In the second method, a Wiener filter, designed using the power spectrum of CT noise, is applied to the reconstructed CT image. The third method obtains a weighted least-squares solution, by iteration, from the reconstructed CT image; the solution is regularized with the weighted image norm. Restored images were compared with the image obtained using filtered backprojection method. Differences between these images were evaluated qualitatively.