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。     

基于双参数正则化方法的图像复原

针对高斯模糊图像的纹理和结构特性,提出一种基于总变分的双参数正则化约束的图像复原方法.首先采用基于各向异性的梯度处理方法,建立了具有点扩散函数和图像像素的灰度梯度.然后进行非线性和空间各向异性的规整化处理,使其在恢复目标图像和估计点扩展函数中能自适应地进行梯度运算.最后采用交替迭代的数值处理方法提高图像复原的速度.实验结果表明,基于梯度的双参数正则化图像复原能较好地提高图像复原的效果.     

基于粒子群优化的正则化水下图像盲复原

水下图像恢复的难点在于缺少海水的点扩展函数的足够信息,而导致病态的问题.为了提高水下激光成像系统的成像质量,提出了用粒子群优化正则化参量的盲图像复原算法.该方法结合Tikhonov正则化和改进的全变分正则化的技术特点,使用一种交替迭代方法,分别估计点扩展函数和估计复原图像,同时用粒子群算法优化正则化参量.结果表明,该方法对水下图像复原具有较好的鲁棒性,算法收敛稳定.     

一种改进的总变分正则化图像盲复原方法

传统的图像复原算法多数采用最小均方误差作为图像复原效果的评价标准,很少考虑人的视觉感受。本文在总变分盲复原算法的基础上结合Weber定律和正则化方法,运用不同的迭代表达式：在模糊辨识阶段,采用总变分正则化算法进行辨识;在图像复原阶段,采用Weber定律和正则化方法相结合。正则化的选择充分考虑图像的细节保持和边缘增强。实验结果采用基于人眼视觉感受的图像评价标准来验证。实验证明该算法在未知点扩散函数的情况下不但能有效的抑制噪声和消除纹波现象,而且还能有较好的视觉效果。     

一种新的基于MAP的纹理自适应超分辨率图像复原算法

 本文论证了超分辨率图像复原计算中的两个性质,并基于此在MAP(Maximum A Posteriori)框架下提出了一种新的纹理自适应算法.算法首先根据低分辨率图像和高分辨率图像近似计算的可类比性质计算初始图像,使初始图像的质量更高,并根据超分辨率复原图像阶跃边缘的陡坡性质,将三边滤波正则化应用于迭代运算中,更好地保护了图像的陡坡和屋顶边缘.算法可根据图像的纹理自动计算初始图像融合参数以及正则化函数中的梯度阈值等参数,解决了以往超分辨率图像复原算法参数调整复杂的问题.实验结果表明,本文算法在没有人工参与的情况下,重建图像的客观评价和主观质量均有明显提高.     

基于边缘定向扩散方程的图像复原方法

讨论了光学图像中同时存在噪声与模糊时的复原问题。采用一种能根据边缘方向自适应选取扩散系数的各向异性扩散方程来约束复原后的图像的光滑性质,将其和图像复原模型一起使用,得到了一种图像复原的正则化模型,并利用Eluer方程将该模型转换成一种可以快速求解的各向异性非线性扩散模型。在光滑性约束项的构造上,构造了一种基于边缘定向扩散的各向异性张量型扩散方程,能有效地根据边缘的方向确定是增强边缘还是滤除噪声。相比图像复原的迭代正则化方法,新方法能在复原图像的同时有效地抑制噪声,并有效地减轻边缘处的振铃效应。数值计算结果表明,新方法在整幅图像的复原效果上明显强于迭代正则化方法,尤其在对背景噪声的抑制上效果更明显,峰值信噪比（PSNR）也比迭代正则化方法平均提高了约2dB。     

基于Poisson-Markov场的超分辨力图像复原算法

图像的超分辨力复原和信噪比的提高是图像复原追求的目标.Poisson-ML图像复原方法(PML)具有很强的超分辨力复原能力,但在复原过程中会产生振荡条纹且对带噪较大的图像不能取得理想的复原效果.在Poisson和Markov分布假设的基础上,提出基于Poisson-Markov场的超分辨力图像复原算法及其正则化参数的自适应选择方法(MPML).实验表明,MPML算法不但具有很好的超分辨力复原能力,而且能有效减少和去除复原图像中的振荡条纹,对于带噪较大的图像也能取得理想的复原效果,因此其图像复原质量明显好于PML算法.正则化参数能被自动优化地选择且与图像复原的迭代运算同步进行.     

基于先验信息和正则化技术的图像复原算法的研究

在湍流退化图像复原研究中,为了消除大气湍流的影响,提出了一种基于先验信息和正则化技术的盲解卷积图像复原算法.该算法是以极大似然估计为基本原理,将目标图像和点扩展函数的先验信息以惩罚项的形式引入到极大似然函数中,同时利用正则化技术优化目标图像和点扩展函数的估计过程,以增加极大似然估计算法的收敛性和稳定性.通过退化图像的复原实验结果表明,该算法在退化模型完全未知的情况下,可以有效的实现对湍流退化图像的盲复原.     

频域正则求逆小波域维纳滤波图像复原

采用频域正则化求逆和小波域维纳滤波去噪的方法对已知线性降晰模型的含噪图像进行图像复原。实验结果表明,本文算法的复原效果明显优于频域维纳滤波复原和小波域正则反卷积复原。     

一种自适应正则化技术的图像复原方法

针对降质图像的复原问题,在正则化技术解决病态性基础上提出了一种有效的自适应图像复原算法。该方法充分考虑了图像的局部特性,引入了自适应加权矩阵,采用迭代的方法改善算法的收敛性,计算中给予复原图像一定的限制。计算机仿真结果表明,该方法可有效克服模糊退化并再现了原始图像的重要信息,复原图像在峰值信噪比和主观视觉效果方面都有明显的提高。     

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。     

基于投影的稀疏表示与非局部正则化图像复原方法

提出一种基于投影的稀疏表示与非局部正则化相结合的图像去模糊、去噪图像复原方法.该方法结合了自适应构造字典的稀疏表示与非局部总变差,提出的正则化模型分解为三个投影子问题进行求解以提高求解效率.实验结果表明,本文所提出的图像复原方法能够有效地保持原图像的纹理细节信息,对于不同程度的退化图像上均有较好的复原结果,在视觉效果和客观评价指标上均优于相比较的现有方法.     

退化图像复原方法研究进展

飞行器和空间成像制导装备在大气中高速飞行时会受到湍流干扰,导致光学系统接收到的图像发生模糊降质、像素偏移、信噪比降低等问题,开展退化图像复原技术及方法研究就成为空间光学成像系统获得较高性能图像的重要途径。通过对退化图像复原技术研究进展的系统梳理和分析研究,本文首先介绍了图像退化模型,接着给出了退化图像复原方法的分类,然后比较系统地介绍了确定正则化图像复原方法、随机正则化图像复原方法、基于局部相似性的图像复原方法、基于示例学习的图像复原方法等几种新型的单幅退化图像复原方法,其后分析了视频复原的特征、介绍了新近的几种典型的视频图像复原方法,最后分析总结出了图像复原的难点所在。对于促进我国退化图像复原技术的研究和发展具有一定的参考价值。     

结合稀疏表示与匹配梯度分布的图像复原

针对基于稀疏表示的传统图像复原方法无法准确恢 复图像小尺度细节的不足,提出了一种结合稀疏 表示与匹配梯度分布的图像复原方法。首先在稀疏表示图像复原模型的基础上,利用参数化 的超拉 普拉斯分布估计原始图像的梯度分布;然后,通过对图像的梯度分布进行全局约束,利用梯 度直方图匹配 操作匹配图像梯度分布,使复原图像的梯度分布尽可能接近原始图像。仿真实验结果表明 , 本文算法能够取得较优的复原效果, 并且能以较高精度复原图像的细节信息。     

一种基于共轭梯度的正则化OT图像重建算法

文章基于OT扩散方程模型提出了一种正则化共轭梯度OT图像重建算法，通过引入图像熵和局部平滑函数为正则化项以克服重建问题中的病态特性。与简单的共轭梯度重建算法相比，重建图像的MSE值分别为0．4413^＊10^-4和0．4819^＊10^-4。研究表明，正则化的OT图像重建算法能有效降低重建中的病态性，提高图像重建质量。     

基于梯度倒频和全变分的运动模糊图像复原

通过分析运动模糊图像梯度和Canny算子特性来估算点扩算函数(PSF),提出一种基于结合Canny算子和梯度倒频的运动模糊参数先验估计方法.首先,分析运动模糊图像的梯度信息和Canny算子特性,通过适当的阈值处理后,二者信息结合,利用倒频谱的特性计算出运动模糊尺度和运动模糊方向.最后,用改进的基于半二次型交替数值算法的全变分正则化复原方法对运动模糊图像进行复原.从实验结果可以看出,相对于传统算法,该方法能够较准确地估算出PSF参数,实现比较好的复原效果.     

用于图象复原的离散L-曲线自适应算法

描述了一种自适应的离散L-曲线正则参数的计算方法,正则化方法为截断奇异值分解法。该算法不需要预置参数,能够滤除L-曲线上的局部特征,略掉局部拐点,确保了解的收敛。在不同的噪声背景下以及不同尺度下我们进行了数值测试,并将测试结果与最优正则解进行对比分析。实验表明,该算法对图像的复原效果、可靠性和稳定性要优于传统的算法。     

基于组合范数的单一方向运动模糊图像盲复原

运动模糊的盲复原是图像处理的一个重要领域.现有的滤波复原方法实现较为简单,但不能处理好复原过程的病态性,而传统的正则化盲复原方法虽然可以克服病态性,但在平衡抑制噪声和保留图像边缘信息的矛盾上还有待提升.本文针对正则化盲复原方法的不足,提出了基于组合范数的运动模糊盲复原方法,并根据单一方向运动模糊的方向和尺度特性,运用黄金分割搜索对模型进行了数值求解.模拟实验表明改进的模型和求解算法是可行的,其对单一方向运动模糊复原具有较好的适应性和收敛性,并且复原图像的峰值信噪比要优于维纳滤波复原算法和一般的TV正则化改进方法.     

一种模糊人脸复原算法在达芬奇平台上的实现

将监控视频中采集到的模糊图像恢复成清晰图像一直是图像处理领域的热点之一,这一需求在模糊人脸复原过程中尤为重要.基于图像复原变分正则化的算法,利用点集进行边界迭代转化,得出一种最优化的约束模型,使模糊的人脸图像清晰化.并将这种模型在达芬奇处理器平台上实现软硬件协同设计.实验结果表明,该模型结合硬件平台是可行的,基本恢复了原始的图像.     

泊松噪声模糊图像的边缘保持变分复原算法

从贝叶斯估计出发,构造了一种新的变分模型,用于复原被泊松噪声污染的模糊图像.首先讨论了模型正则化项中具有边缘保持能力的函数选取以及模型求解的相关问题,然后将变分模型的求解转化为可快速求解的非线性扩散方程,给出了正则化参数选取的初步空间自适应方法,可以区分平滑区域和图像边缘自适应的调节参数.实验结果表明,本文方法的复原效果整体上优于传统的迭代正则化方法,复原图像的边缘得到了有效的保护,泊松噪声的抑制效果明显,复原图像提高的改进信噪比(ISNR)要比迭代正则化方法平均提高1 dB以上.