基于多种先验的盲图像复原方法

基于好的还原图像是倾向于清晰图像而不是模糊图像这样一个事实,提出了一种基于多种先验的有效的盲图像去模糊方法。目前比较好的去模糊方法对于特定场景图像的复原效果不理想,存在一些模糊,包括轮廓和细节表示不清晰。为解决这些问题,结合多个先验知识,包括暗通道先验、强度图像先验和梯度图像先验知识,并加以权衡,就可以在复原过程中为轮廓和细节提供更多的先验信息,并把这个先验知识放到MAP的框架中,通过不断地迭代得到估计模糊核,再利用非盲的图像复原方法对原图像复原。在泛化处理自然环境的多种场景中,本文方法相较于目前比较先进的方法,结果的轮廓和细节都有不错的提升。     

基于多分辨率盲目去卷积的气动光学效应退化图像复原算法

为了有效地恢复气动光学效应退化图像．该文提出了一种基于两帧退化图像的多分辨率盲目去卷积复原算法．该算法在大气流场的光学退化模型未知的情况下，采用两帧退化图像数据来估计点扩展函数值．为了克服噪声的干扰，该文将点扩展函数非负性和光滑性约束转化为数学上可表达的惩罚项，融合到目标函数中，建立了一个基于各向异性调整的目标函数表达式，采用约束优化原理迭代估计点扩展函数值．同时，针对复原图像的快速需求，将多分辨率技术用在点扩展函数的最优估计和图像复原过程中，提出了基于图像多分辨率的盲目去卷积复原新算法．在微机上进行了一系列的图像恢复实验和对比分析，实验结果表明该文复原算法十分有效，在抑制噪声和提高复原速度方面取得了明显的效果．     

运动模糊图像复原算法综述

在图像获取过程中,存在很多造成图像退化的因素,因此需要对图像进行复原。本文对现有的典型复原方法进行了综合分析。介绍了图像一般退化模型和运动模糊退化模型的建立方法 ;对退化模型的点扩散函数的估计方法进行了分析;对当前的一些复原算法进行了总结。对图像复原技术未来的发展方向进行了预测。     

多信道图像盲复原算法

为充分利用观测图像中的信息及信息之间的互补性,提高图像复原的质量,提出了贝叶斯框架下的多信道图像盲复原算法。首先,建立原始图像、点扩散函数和观测图像的先验模型,由先验模型得到原始图像、点扩散函数和观测图像的先验概率;然后用伽马分布描述未知的模型参数;最后基于最大后验概率的推导,利用实证分析法估计原始图像和点扩散函数的最优值。实验结果表明,相比单信道的图像盲复原算法,多信道的图像盲复原算法可以得到更好的复原结果。同时,与某些经典的多信道图像盲复原算法相比,提出的算法在复原效果方面具有一定的优势。     

基于联合插值—恢复的超分辨率图像盲复原

常规的超分辨复原方法需要预知退化图像的点扩展函数,但实际应用中许多退化图像的点扩展函数是未知的,因此提出一种新的超分辨率图像盲复原算法,在点扩展函数未知或不确知的情况下对图像进行恢复。该联合插值—恢复的超分辨率图像盲复原方法,利用多信道盲复原估计未知的点扩展函数,迭代运用帧间相似性确定模糊特性,同时结合超分辨率方法得到高分辨率图像。实验结果表明,该算法能有效地实现超分辨率图像的盲复原。     

密集连接卷积网络图像去模糊

目的 非均匀盲去运动模糊是图像处理和计算机视觉中的基础课题之一。传统去模糊算法有处理模糊种类单一、耗费时间两大缺点,且一直未能有效解决。随着神经网络在图像生成领域的出色表现,本文把去运动模糊视为图像生成的一种特殊问题,提出一种基于神经网络的快速去模糊方法。方法 首先,将图像分类方向表现优异的密集连接卷积网络（dense connected convolutional network, DenseNets）应用到去模糊领域,该网络能充分利用中间层的有用信息。在损失函数方面,采用更符合去模糊目的的感知损失（perceptual loss）,保证生成图像和清晰图像在内容上的一致性。采用生成对抗网络（generative adversarial network,GAN）,使生成的图像在感官上与清晰图像更加接近。结果 通过测试生成图像相对于清晰图像的峰值信噪比 （peak signal to noise ratio,PSNR）,结构相似性 （structural similarity,SSIM）和复原时间来评价算法性能的优劣。相比DeblurGAN（blind motion deblurring using conditional adversarial networks）,本文算法在GOPRO测试集上的平均PSNR提高了0.91,复原时间缩短了0.32 s,能成功恢复出因运动模糊而丢失的细节信息。在Kohler数据集上的性能也优于当前主流算法,能够处理不同的模糊核,鲁棒性强。结论 本文算法网络结构简单,复原效果好,生成图像的速度也明显快于其他方法。同时,该算法鲁棒性强,适合处理各种因运动模糊而导致的图像退化问题。     

基于估计点扩展函数值的湍流退化图像复原

提出了一种直接从湍流退化图像中估计湍流点扩展函数值的方法.本方法不再利用自 然或人工向导星图像来测定点扩展函数,而是直接利用两帧连续短曝光湍流退化图像作为输入， 在空域中对其进行适当的延拓,在频域中建立和选择关于湍流点扩展函数离散值的一系列计算 方程.为了克服噪声的干扰,在点扩展函数的非负性和空间光滑性的约束条件下,将点扩展函数 的计算问题转化为优化估计问题,通过极小化准则函数估计点扩展函数值,进而恢复退化图像. 实验结果表明,本文方法十分有效,复原效果好.     

多聚焦散焦图像复原算法

提出一种多聚焦散焦图像复原算法。基于物体成像的点扩散函数退化模型,通过同一场景(包括前景和后景)中任意2幅对焦不同的模糊图像,得到该场景比较清晰的图像。同时,利用点扩散函数的模糊半径与物体深度信息之间的对应关系,估计物体的深度信息。实验结果证明了该算法的有效性。     

基于Split Bregman算法的图像复原

图像复原研究由来已久。一种比较传统的图像复原方法是假设系统的脉冲响应,即事先知道点扩散函数。然而,在大多数实际情况下,很难具体确定点扩散函数,我们仅能通过退化之后的图像来恢复图像,即图像盲复原法。图像盲复原法是在已经观测到的退化图像的基础上,根据特定条件建立合适的数学模型,从而在一定条件下获得最接近原始图像的逼近值。文章通过Split Bregman算法对灰度图和LAB图进行图像复原,并进行了对比实验。     

运动模糊图像的维纳滤波复原研究

根据运动造成图像模糊的特点详细分析了匀速直线运动模糊图像的退化模型和恢复模型,提出直接在运动方向上建立点扩展函数的算法,并利用改进的霍夫变换检测点扩散参数,再利用二次维纳滤波的方法复原图像。通过实验表明在图像先验条件的要求没有增加的情况下,该方法提高图了像复原的抗噪性和稳定性,并且有效的保持图像细节。     

Improved scheme of estimating motion blur parameters for image restoration

A motion deblurring algorithm is proposed to enhance the quality of restoration based on the point spread function (PSF) identification in frequency spectrum. An improved blur angle identification algorithm characterized by bilateral-piecewise estimation strategy and the membership function method is presented by formulating the edges of the central bright stripe. Subsequently, the subpixel level image generated with bilinear interpolation is employed in the blur length estimation by calculating the distance between two adjacent dark strips. Through comparison with the existing algorithms, experimental results demonstrate that the proposed PSF estimation scheme could not only achieve higher accuracy for the blur angle and the blur length, but also produce more impressive restoration results. Furthermore, the robustness of our method is also validated in different noisy situations.     

一种空间自适应正则化图象盲复原算法

图象盲复原所面临的主要问题是可利用信息的不足，所以必须充分利用图象本身及成像系统的先验信息，为此，结合模糊先验辨识的思想，给出了一种新的空间自适应正则化算法，该算法先用交替最小化的迭代方法对模糊进行先验辨识，然后利用辨识结果，用各向异性扩散进行图象复原，算法充分利用了图象及成像系统（或点扩散函数PSF）的分段平滑特性，同时又利用各向异性扩散的概念，使得正则化不仅在程度上，而且在方向上都是空间自适应的，从而能够有效地进行图象盲复原，仿真结果表明，该算法的复原效果优于空间自适应各向同性正则化（SAR）算法，其收敛性能优于空间自适应各向异性正则化（SAAR）算法。     

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.     

基于整体变分正则的图像盲恢复研究

实现了一种基于TV正则化的图像盲恢复算法。采用了交替迭代算法,保证迭代中能同时恢复出图像以及点扩张函数,并在每步迭代中自适应调整其扩散参数。实验结果也显示了迭代过程的收敛以及鲁棒性(特别是对于非连续的模糊),而且图像和点扩张函数可以在很高的噪声级下恢复。     

基于交替迭代和神经网络的盲目图像恢复

提出了种盲目图像恢复模型：退化图像经傅立叶变换后在频率域通过交替迭代的方式分解出原始图像和点扩展函数,当大致估计出退化模型的点扩展函数的类型及其参数后,用基于Ｈｏｐｆｉｅｌｄ神经网络的方法进行精确恢复,以提高恢复质量．实验证明,这种恢复模型可以在未知点扩展函数的情况下取得较好的恢复效果．     

Robust identification of motion and out-of-focus blur parameters from blurred and noisy images

Most image deblurring methods assume knowledge of the point spread function (PSF) causing the blur. In this work we address the problem of identifying the characterizing parameter of the PSF, which corresponds to motion or out-of-focus blur, from blurred and noisy images. The observation that the spectra of these blurring functions have periodic (or almost periodic) zeros is the basis of an already known blur identification method in the cepstral domain. However, this method is found to be highly sensitive to noise. In this paper we propose the following improvements on the above method: First, adding a preprocessing stage for noise reduction, using a modified spectral subtraction approach—with a median-complement filter to estimate the noise. Second, applying an adaptive, quefrency-varying, comb-like window (lifter) in the cepstral domain to enhance the blur parameter identification. The robustness of the proposed algorithm is demonstrated by its ability to identify the blur function parameters from noisy blurred images with signal-to-noise ratio down to 0 dB for motion blur and 3 dB for out-of-focus blur, as compared to 20 dB for the Original method.     

一种离焦模糊图像客观检测的新方法

为了更精确地进行离焦模糊图像检测,提出了一种针对一幅图的离焦模糊图像客观检测的新方法,其核心思想是由线扩展函数(LSF)得到离焦模糊图像的点扩展函数(PSF)。该方法首先假定图像中至少能检测到一条明显边缘,然后由此边缘构造LSF。由于作用于空间域,无需复杂的傅里叶变换或迭代运算,因此该方法速度很快。此外,为使检测方法更具普遍性,还提出了离焦模糊检测的一般准则,这种准则适用于所有图像而不依赖于图像的内容。实验结果验证了该方法的精确性和有效性。     

Registration Based Non‐uniform Motion Deblurring

This paper proposes an algorithm which uses image registration to estimate a non‐uniform motion blur point spread function (PSF) caused by camera shake. Our study is based on a motion blur model which models blur effects of camera shakes using a set of planar perspective projections (i.e., homographies). This representation can fully describe motions of camera shakes in 3D which cause non‐uniform motion blurs. We transform the non‐uniform PSF estimation problem into a set of image registration problems which estimate homographies of the motion blur model one‐by‐one through the Lucas‐Kanade algorithm. We demonstrate the performance of our algorithm using both synthetic and real world examples. We also discuss the effectiveness and limitations of our algorithm for non‐uniform deblurring.     

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。     

Half-sweep imaging for depth from defocus

Depth from defocus (DFD) is a technique that restores scene depth based on the amount of defocus blur in the images. DFD usually captures two differently focused images, one near-focused and the other far-focused, and calculates the size of the defocus blur in these images. However, DFD using a regular circular aperture is not sensitive to depth, since the point spread function (PSF) is symmetric and only the radius changes with the depth. In recent years, the coded aperture technique, which uses a special pattern for the aperture to engineer the PSF, has been used to improve the accuracy of DFD estimation. The technique is often used to restore an all-in-focus image and estimate depth in DFD applications. Use of a coded aperture has a disadvantage in terms of image deblurring, since deblurring requires a higher signal-to-noise ratio (SNR) of the captured images. The aperture attenuates incoming light in controlling the PSF and, as a result, decreases the input image SNR. In this paper, we propose a new computational imaging approach for DFD estimation using focus changes during image integration to engineer the PSF. We capture input images with a higher SNR since we can control the PSF with a wide aperture setting unlike with a coded aperture. We confirm the effectiveness of the method through experimental comparisons with conventional DFD and the coded aperture approach.