图像去模糊算法在车载图像中的应用研究

文中首先对造成图像模糊的因素进行分析,介绍了现有模糊图像去模糊所采用的主要技术。接着,文中重点对车载模糊图像的去模糊问题进行研究,所设计的去模糊优化算法能够有效提高车载图像的去模糊效果。     

分区域去运动模糊

去运动模糊一直是计算机视觉领域中面向画质增强的一个热点研究方向。模糊核的估算是去运动模糊中的关键问题。提出一种新的思路,即首先将模糊图像按照模糊核的相似度进行图像分割,再对分割后的图像应用空间不变去模糊算法。本文方法主要包含以下几个步骤:分离输入图像中的光照、颜色和纹理信息;分割图像;分区域估算模糊核,计算重叠区域模糊核,并根据计算出的模糊核进行分区域单核去模糊;利用重叠区域整合拼接去模糊结果并还原光照和颜色信息。实验结果表明本文方法比基于单核的去运动模糊算法效果要好。     

图像去模糊研究综述

图像模糊是指在图像捕捉或传输过程中,由于镜头或相机运动、光照条件等因素导致图像失去清晰度和细节,从而影响图像的质量和可用性。为了消除这种影响,图像去模糊技术应运而生。其目的在于通过构建计算机数学模型来衡量图像的模糊信息,从而自动预测去模糊后的清晰图像。图像去模糊算法的研究发展不仅为计算机视觉领域的其他任务提供了便利,同时也为生活领域提供了便捷和保障,如安全监控等。1）回顾了整个图像去模糊领域的发展历程,对盲图像去模糊和非盲图像去模糊中具有影响力的算法进行论述和分析。2）讨论了图像模糊的常见原因以及去模糊图像的质量评价方法。3）全面阐述了传统方法和基于深度学习方法的基本思想,并针对图像非盲去模糊和图像盲去模糊两方面的一些文献进行了综述。其中,基于深度学习的方法包括基于卷积神经网络、基于循环神经网络、基于生成式对抗网络和基于Transformer的方法等。4）简要介绍了图像去模糊领域的常用数据集并比较分析了一些代表性图像去模糊算法的性能。5）探讨了图像去模糊领域所面临的挑战,并对未来的研究方法进行了展望。     

基于两幅模糊与噪声图像的图像交替修复算法

针对一幅模糊图像和一幅噪声图像的图像修复问题,提出了一种结合TV-L~1模型与TV模型的新交替修复算法.该算法首先利用TV-L~1模型对噪声图像进行去噪;然后利用TV模型,把去噪结果作为迭代初始值,对于模糊图像去模糊;最后,把去模糊结果作为迭代初始值,再利用TV-L~1模型对噪声图像进行去噪……,如此交替进行.实验效果表明,该新算法不仅继承了TV-L~1模型与TV模型能保持轮廓和细节的优点,同时也有效地克服了这两种模型会降低对比度和出现"重影"的缺点.     

一种混合的单图像去运动模糊方法

图像的盲恢复一直是数字图像处理领域的难点,对运动模糊图像的复原进行研究,提出了一种混合的单图像去运动模糊方法。首先估计PSF,然后利用PSF和原始模糊图像评估潜像,并对边缘恢复、模糊核估计和反卷积进行多次迭代,采用自适应非盲反卷积方法得到高质量的去模糊图像。最后,与维纳滤波、露西-理查德森这两种经典算法的实验效果进行比较。实验结果表明,本算法保持细节的能力强,去模糊效果更好。     

基于EM算法的眼底OCT图像反卷积去模糊技术

光学相干层析成像技术（Optical coherence tomography,OCT）在视网膜检查中十分重要,然而在获取OCT图像时眼球运动或者散焦作用都可能引起图像的模糊,从而为临床诊断造成困难。因此,从模糊OCT图像中恢复出清晰图像的去模糊技术研究至关重要。本文结合OCT成像原理,提出了一种基于最大期望（Expectation-maximization,EM）算法的OCT图像反卷积技术。该技术能够在一定程度上抑制OCT模糊图像中异常值对复原图像的干扰,从而有效去除OCT图像中的模糊。将本文技术与多种现有广义图像去模糊技术进行了实验比较,结果表明本文提出的复原OCT图像的反卷积算法在眼底OCT图像去模糊的细节恢复方面效果较好。     

红外图像的一种Type-Ⅱ模糊增强算法

提出了一种基于Type-Ⅱ模糊集的红外图像增强算法,该算法首先根据像素的邻域相关性对图像进行预处理,然后以Ostu分割阈值为基础,构造了红外图像的Type-Ⅱ模糊特征平面;然后,采用不同的变换规则对图像进行模糊增强,并将结果进行融合;最后,通过Type reduction和去模糊化操作得到增强后的输出图像。对几幅典型的红外图像的增强实验表明,提出的方法能够有效地提高红外图像的对比度。     

二次稀疏极端通道先验盲超声图像去模糊

模糊的超声图像经过极端通道先验去模糊后不够稀疏,导致极端通道稀疏约束可能不存在。因此,为了充分利用图像通道信息,通过增强去模糊后超声图像的稀疏性,提出一种二次稀疏极端通道先验盲超声图像去模糊算法。首先,给出了相关的理论证明和实验说明二次稀疏极端通道先验用于约束模糊超声图像的可行性;然后,充分利用暗通道和亮通道的先验信息,在交替迭代过程中采用半二次分裂方法估计中间图像和模糊核;最后,用傅里叶变换求得最终的清晰图像和模糊核。在超声图像集上的实验结果表明,本文提出的二次稀疏极端通道先验盲超声图像去模糊算法和其他超声图像去模糊方法相比更具可行性和优越性。     

红外图像的一种Type-II模糊增强算法

提出了一种基于Type-II模糊集的红外图像增强算法,该算法首先根据像素的邻域相关性对图像进行预处理,然后以Ostu分割阈值为基础,构造了红外图像的Type-II模糊特征平面;然后,采用不同的变换规则对图像进行模糊增强,并将结果进行融合;最后,通过Type reduction和去模糊化操作得到增强后的输出图像。对几幅典型的红外图像的增强实验表明,提出的方法能够有效地提高红外图像的对比度。     

基于广义规范化稀疏模型的图像盲去模糊算法

针对基于规范化稀疏先验的图像盲去模糊方法估计精度低、计算速度慢、参数选择敏感等问题,提出一种Tikhonov正则增强的广义规范化稀疏模型,且将其作为中间清晰图像和运动模糊核的共同先验约束。随后,利用算子分裂、交替方向乘子法以及快速傅立叶变换,最小化关于中间清晰图像与运动模糊核的目标函数,导出一种快速图像盲去模糊算法。在标准测试集以及实际彩色模糊图像上的实验结果验证了提出方法的有效性和鲁棒性。此外,在同等条件下与近期文献中的盲去模糊方法进行比较,显示了本文方法在估计精度和估计效率上的双重优势。     

Wiener滤波图像复原

图像在获取、传输和存储过程中由于受多种原因如模糊、失真、噪声等的影响,会造成图像质量的下降。本文首先探讨了图像退化的原因,建立图像复原的模型;然后设计采用Wiener滤波算法对图像进行复原;最后对经典的Lenna图像进行图像实验,并分析了实验的结果。     

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。     

加强边缘感知的盲去模糊算法

目的 拍摄过程中,如果摄像机进行了错误的聚焦,就会得到模糊的图像,如何将模糊图像变得清晰成为一个亟待解决的问题。目前关于图像的去模糊方法多采用基于模糊核约束的卷积模型。但是由于实际应用中很难准确获取模糊核的信息,同时计算机也存在精度限制,计算结果与实际物理模型有偏差,因而去模糊的主要挑战为：如何精确地估计模糊核,以及如何在复原过程中减弱由于精度限制造成的振铃效应。方法 振铃效应是指图像的灰度剧烈变化处产生的震荡,类似于钟被敲击后产生的波状空气震荡。在图像复原过程中,此效应通常发生在梯度变化较大的边缘区域附近。本文对此进行研究,在去模糊过程中引入边缘信息作为约束条件,以改善模糊核的估计,并通过抑制边缘区域的反卷积,抑制图像复原过程中的振铃效应。算法主要分为如下3个部分：1）设计了适用于模糊图像的边缘提取算法;2）利用边缘信息设计了加强边缘感知的反卷积算法;3）提出并设计了安全检测子,以保证算法在边缘区域复原的完整性。结果 实验结果表明,在没有先验知识的情况下,本文方法可以较好地恢复图像细节,并有效抑制振铃效应。较之传统的去模糊处理算法,本文方法在性能上有较大提高。比如,相比于Chan、Krishnan以及Hu的方法,本文方法在峰值信噪比指标上分别提高了25.73%、3.52%和4.43%,在结构相似性指标上分别提高了7.67%、1.63%和3.59%。同时,与基于深度学习的方法相比,本文方法不依赖于数据集,鲁棒性更强。结论 本文方法可以较好地恢复图像细节,并抑制振铃效应,同时比深度学习方法适用范围更广。     

Motion adaptive deblurring filter for LCD

Motion blurring on liquid crystal display (LCD) was modeled by the original image convoluted with a point spread function (PSF). An intensity independent PSF was first deduced by statistical approximation. Based on the PSF, a motion adaptive deblurring filter was proposed to restore the original image. The simulation of motion blurred and deblurred natural images were presented. The results indicate that the proposed deblurring filter can significantly reduce the visible blurring artifact on LCD, which has a simple one-dimensional structure and can be integrated into other video processing algorithms, e.g. frame rate doubling, to further improve the image quality.     

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。     

运动模糊图像恢复方法研究

图像恢复一直以来是图像处理领域的研究热点。本文简述了图像恢复的概念、意义及降质模型之后，对目前存在的图像恢复算法进行了分析和研究。并给出了两种典型的图像恢复算法的实验结果。最后对基于运动模糊的图像方法进行了总结及展望。     

融合DenseNet的多尺度图像去模糊模型

多尺度卷积神经网络被广泛应用在图像去模糊领域,但在不同尺度上对网络参数进行独立设定的方法会导致网络训练难,并且产生参数过大、稳定性降低、无约束解空间等问题。针对多尺度算法存在的上述问题提出了跨尺度共享网络权重并融合DenseNet的图像去模糊算法。该模型采用编码器-解码器结构,并通过引入密集块来改进该结构,从而形成独特的编解码器密集网络,能最大程度获取深层次特征信息。同时提出跨尺度权重共享的方法,使得在尺度迭代的过程中共享参数,显著降低了训练难度,明显提升了稳定性,优势是双重的。将训练所得模型在大规模运动图像去模糊数据集GOPRO和图像盲去模糊数据集Kohler上进行实验,结果表明,该模型在定性和定量条件下明显优于现有方法,并且能够同时在主观视觉和实验数据上优于其他算法。相比近年来该领域出现的其他方法,该方法具有更简单的网络结构、更少的参数和更容易训练等特点。提出的算法在主客观评价上都表现良好,能够处理多种模糊核,鲁棒性强,可应用于运动图像的去模糊处理。     

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。