基于稀疏表达和暗通道的图像去雾霾算法

目前,雾霾所引起的图像模糊问题,主流的算法主要都侧重于处理雾气,对于霾没有相关的处理.针对此缺陷,提出了一种联合K-SVD(K-singular value decomposition)稀疏算法和暗通道先验算法的全新算法,来克服雾霾引起的图像模糊问题.图像的处理主要分两个步骤:第一步是运用KSVD稀疏算法去除图像中的霾恢复出只含雾气的图像,第二步通过经典的暗通道算法去除图像上的层层雾气.计算机仿真结果表明,该方法对于图像的处理结果要优于FVR(Fast visiblity restoration)算法,暗通道先验算法和直方图均衡化算法.     

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。     

结合多特征的单幅图像超分辨率重建算法

为提高直接捕获的图像质量,针对梯度特征只能提取水平、垂直方向信息及非下采样轮廓波变换(NSCT)提取细节信息不足的缺陷,提出一种结合Gabor变换及NSCT的超分辨率重建算法.该算法充分利用Gabor变换和NSCT的互补性,针对输入图像块的特点,采用Gabor变换来提取纹理特征,NSCT来提取轮廓特征,然后分别利用稀疏模型进行重建,最后合并成一幅高分辨率图像.由于输入图像或多或少存在模糊,在重建过程中,加入了去模糊的正则项,以消除输入模糊的影响.实验结果表明,结合两种特征的超分辨率效果与单一特征相比,能够恢复更多的细节信息,去模糊正则项也有一定的作用.本文方法与Kim提出的核岭回归及Yang提出的稀疏表示算法(SCSR)相比,主观上视觉效果更加清晰,客观上PSNR值平均提高了近2d B,说明了该算法能够有效地提高图像的质量.     

基于稀疏表示的人脸图像压缩方法

基于稀疏表示的人脸图像压缩算法首先对人脸图像进行分块,其次利用K-SVD字典学习算法,训练一个图像的冗余字典,最后用OMP算法对其进行稀疏编码,得到压缩的图像.由于OMP算法复杂度较高,为了降低复杂度,提高算法效率,提出了一种基于稀疏表示理论的新的人脸压缩算法.该算法在稀疏编码阶段,用基于块坐标松弛(Block Coordinate Relation)字典学习算法对人脸图像进行稀疏编码,最后用重构算法对压缩数据进行重构.通过实验仿真,与JPEG压缩方法及OMP算法比较,所提方法在同等压缩比下,重构的图像质量有所提高.     

改进的Beta过程因子分析图像修复算法

图像修复是利用图像已知信息对图像破损区域进行填充修复的过程,而非参贝叶斯技术在图像稀疏表示中被认为是一种有效的字典学习方法,作为一种有效的非参贝叶斯算法,基于Beta过程因子分析算法(BPFA)在去噪、修复以及压缩感知方面有很广泛的应用.然而现有的BPFA算法在对含噪的破损图像修复时收敛速度慢,针对这个问题本文在BFPA算法更新字典时与K-SVD算法相结合,提出一种基改进的BPFA学习算法,改进算法利用K-SVD算法简单收敛速度快的特点,在原有算法更新参数时,利用OMP稀疏编码更新字典候选集以达到提高算法的收敛速度的效果.得到的结果表明本文算法能够更好地修复含噪破损图像获得较好的视觉效果.     

基于高斯曲率和加权图总变分正则化的遥感图像盲去模糊算法

针对遥感图像在采集过程中出现的运动模糊现象,本文从图像曲面的几何性质和图像像素的代数性质出发,设计了一种基于高斯曲率和加权图总变分正则化的遥感图像盲去模糊算法。首先,将加权图总变分先验与高斯曲率先验相结合以获得骨架图像,骨架图像保留图像的梯度以及锐利边缘信息,并去除中间潜在图像中的有害结构;然后,利用骨架图像估计模糊核,进而利用非盲去模糊算法获得清晰图像;最后,在8张不同场景下的模糊遥感图像上进行仿真验证。结果表明,相比于其他先进的图像盲去模糊算法,本文提出的去模糊算法复原效果的峰值信噪比平均值分别高于对比算法2.76、1.84、3.11、2.79、3.35、2.76 dB,结构相似性平均值分别高于对比算法0.0792、0.0604、0.0873、0.0801、0.0997、0.0906。本文算法复原的遥感图像具有清晰的边缘轮廓和局部细节,提升了遥感图像的清晰度。     

一种改进的K-SVD字典学习算法

提出了一种ALM-KSVD字典学习算法,通过稀疏编码和字典更新两步迭代学习得到训练样本的字典.为了提高字典训练速度与性能,在稀疏编码引入增广拉格朗日乘子法(ALM,Augmented Lagrange Multipliers)求解,更新字典则使用经典K-SVD的字典更新算法.为考察算法的字典训练速度和平均表示误差(RMSE),选取了不同样本数和噪声标准进行数据合成实验,结果表明本文算法比经典的K-SVD算法字典训练速度快、RMSE低.进一步考察算法的图像去噪能力,选取不同的输入图像噪声标准和字典原子数进行仿真,实验结果表明本文算法比经典的K-SVD算法获得更高的峰值信噪比(PSNR),具有良好的去噪性能.     

动态场景图像去模糊技术研究进展

模糊是图像退化的主要降质因素之一,图像去模糊技术一直是计算机视觉和图像处理领域的一个重要课题,广泛应用于安防、刑侦、交通、金融、医疗图像等领域.首先,对传统去模糊算法进行阐述并说明其存在的问题.然后,在此基础上对现有基于深度学习的图像去模糊方法进行综述并分析了算法存在的优势与不足,着重讨论了基于动态网络的非均匀模糊处理新趋势.最后,结合最新的研究成果,展望了图像去模糊技术未来的发展方向.     

图像去模糊的自适应交替方向乘子重叠组稀疏方法

图像去模糊技术是图像处理领域的一个重要组成部分.由于重叠组稀疏全变差(OGSTV)正则化不仅具有保留边缘的特性,而且能够抑制阶梯效应的产生,正逐渐地应用到图像去模糊问题中.利用交替方向乘子(ADMM)方法来求解重叠组稀疏全变差模型时,其惩罚因子对去模糊问题的影响较大,且不易调节,故笔者在优化模型时根据复原出的图片自适应地调整惩罚因子.该方法在保证计算速度的同时,自适应地复原出最佳图片,并保证了算法的鲁棒性.实验结果表明,本文方法在PSNR、SNR、相对误差等评价方法上均优于其他复原模型.     

非局域自相似约束的Shearlet稀疏正则化图像恢复

提出一种结合非局部自相似和Shearlet稀疏性正则化的图像恢复变分模型。模型采用观测图像与待恢复图像的能量误差为保真项,联合Shearlet稀疏性和非局域自相似性为混合正则化项。正则化项同时兼顾图像的变换特性和自身结构全局特性。基于变量分裂增广拉格朗日法提出了求解该变分模型的数值算法。以图像去模糊和图像修复为例,对算法性能进行了测试。实验结果表明,该模型和所提算法能够较好地恢复图像,与其他算法相比,可获得更高的峰值信噪比(PSNR)和结构自相似指标(SSIM),具有更好的视觉效果。     

基于极限学习机的图像超分辨率算法

为了进一步提高基于学习的超分辨率图像重建质量,考虑到极限学习机(ELM)具有学习速度快和良好数据预测与分析能力,提出了1种基于极限学习机的图像超分辨率重建方法.在图像稀疏思想下,将高分辨率图像中的高频细节信息作为原子构建冗余字典.具体是提取训练图像的高频信息,采用改进的K-SVD算法对高低分辨率图像进行字典学习,构建对应的特征字典作为极限学习机的输入训练网络参数,建立超分辨率重建模型.最后仿真实验结果表明,所提算法能取得比对比算法更好的实验数据.     

基于压缩传感的图像过完备字典设计

压缩传感(CompressedSensing,CS)能够通过对信号的观测得到待采集的信号,由于观测频率远低于奈奎斯特采样频率,这个方法特别适合于高数据量的图像采集和处理.压缩传感理论中过完备字典的设计对图像信号的稀疏程度和重建效果有重要影响.主要研究图像信号过完备字典的自适应设计方法,将K-SVD算法与MP,BP和FOCUSS等稀疏编码算法结合使用,加快算法收敛速度.测试图像的实验结果显示,采用本方法训练的过完备字典在丢失像素的补偿方面得到了很好的实验效果.与基于离散余弦变化(DCT)的过完备字典设计方法相比,训练的字典可以更好的去除图像噪声,保留图像细节信息.     

动目标多视点基于标定的去模糊方法

针对三维视觉检测技术应用中动目标多视点去模糊的难题,提出了一种动目标多视点基于标定的去模糊方法.首先估计部分视点模糊图像(以两个视点的模糊图像为例)点扩展函数.其次根据多视点几何关系,利用相机标定方法,得到各个相机的参数矩阵;结合估计出部分视点的点扩展函数和相关参数矩阵,以直线运动为例,建立多视点模糊图像的点扩展函数关系.最后在确保各视点模糊路径对应的关系前提下,对多视点图像进行整体去模糊.结果表明该方法对于对运动模糊图像恢复有很好的效果.     

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。     

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。     

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。     

动目标多视点图像基于标定的去模糊方法

三维视觉检测技术在工业生产线上有着远大的应用前景,由于生产线动目标多视点图像存在模糊问题,然而现有的图像复原技术存在着局限性,使得复原后的图像很难用来进行三维重建,进而也不能实现三维视觉检测。针对这个问题,本文提出了一种新的动目标多视点图像去模糊方法。首先估计出部分视点模糊图像(本文以两个视点的模糊图像为例)点扩展函数。其次根据多视点几何理论,利用相机标定方法,得到各个相机的参数矩阵。结合估计出的部分视点的点扩展函数和相机参数矩阵,以直线运动为例,建立多视点模糊图像的点扩展函数关系。最后在确保各视点模糊路径对应的关系下,对多视点图像进行整体去模糊。一系列实验验证了本文提出的动目标多视点图像去模糊方法的有效性。     

面向工业检测的图像快速去直线运动模糊方法

在基于机器视觉的工业检测中,由于受到传送带速度变化或曝光不足的影响,得到的图像有时会产生运动模糊,影响检测效果.为去除工业检测中的图像运动模糊,提出了基于R-L引导滤波的快速去直线运动模糊方法.首先对图像的模糊参数进行评估,使用图像的频谱图积分评估图像的模糊方向,使用微分自相关方法得到模糊图像尺寸;然后通过提出的R-L引导滤波方法快速去除运动模糊并抑制振铃效应,得到清晰图像.通过对工件图像去运动模糊的仿真,证明了模糊核估计的准确性;与TPKE和HQ比较,提出的去模糊方法在对噪声的鲁棒性和抑制振铃的效果更好.通过对不同速度、不同工件下实拍图像的去运动模糊实验,以及客观评价指标、去模糊前后尺寸测量的差异和运行速度证明了该方法在工业检测中的优势.实验结果表明:提出方法的R_(PSNR)和R_(SIMM)优于对比方法,在抑制振铃的同时保持了边缘的清晰;同时,提出方法对尺寸的测量影响也更小,在小尺寸的工件上具有优势,最大误差为0.31像素.     

基于原始对偶字典学习的磁共振复数图像去噪

针对磁共振(magnetic resonance,MR)幅度图像中带有不易去除的与信号相关的莱斯(Rician)噪声问题,利用其复数图像中的实部与虚部所含噪声为不相关的加性高斯白噪声这一特性,代替对幅度图像直接去噪,提出将原始对偶字典学习(predual dictionary learning,PDL)算法用于对MR复数图像的实部与虚部分别进行去噪,然后组合得到幅度图像的方法.经仿真实验和在HT-MRSI50-50(50 mm)1.2 T小动物核磁共振系统中的实际应用,证明所提方法较直接对幅度图像去噪取得更好的效果,在有效去除MR图像噪声的同时能较好地保持图像中的细节.与经典的字典学习算法核奇异值分解(kernel singular value decomposition,K-SVD)相比,PDL算法去噪效果优于K-SVD算法,而运算速度提高约5倍.与经典的基于非局部相似块的三维块匹配滤波(block-matching and 3D filtering,BM3D)算法相比,在噪声水平较低时PDL算法略优于BM3D算法,噪声水平较高时BM3D算法略优于PDL算法,两者总体比较接近.