盲复原图像振铃效应评价

线性空不变盲复原算法通常会在较为明显的边缘处产生振铃效应。振铃现象主要受噪声,复原算法种类,以及复原算法参数的选择的影响。提出了一种盲复原图像振铃效应评价方法。方法根据振铃效应的不同类型,使用Gabor滤波器,共生向量等方法分别对其进行评价,最后提出整体的振铃效应评价方法。实验结果表明,该方法可以有效地评价不同复原算法和不同复原参数下的复原图像中的振铃效应,评价结果符合主观评价结果。     

处理异常值的相机抖动模糊图像复原

摘 要：目的：在曝光过程中由于相机抖动而导致的图像模糊,是一种常见的图像降质现象,并且模糊图像中存在的异常值会导致复原结果的振铃效应,为了解决这些问题,本文提出一种处理异常值的相机抖动模糊图像复原算法。方法：该算法以自然图像统计为先验模型,结合变分贝叶斯方法和KL散度构造易于优化的代价函数,进而求出模糊核。针对异常值造成的振铃效应,在解卷积的过程中采用期望-最大值算法估计并处理异常值以抑制振铃效应。结果：采用本文方法对大量模糊图片进行复原,实验结果表明该方法能有效地去除相机抖动产生的模糊,在保持图像边缘和细节的同时,可有效抑制振铃效应。结论：本文提出了一种通过处理异常值达到抑制振铃效应目的,进而提高复原效果的图像盲复原新方法。实验结果表明该方法切实有效,并且该方法引出了一种抑制振铃效应的新思路。     

混合高阶全变差正则化的运动模糊图像盲复原

针对运动模糊图像的盲复原,提出一种基于混合高阶全变差正则化的盲复原方法。该方法首先采用shock滤波器从模糊图像中预测出清晰的图像边缘,并用多尺度策略实现对模糊核由粗到细的准确估计。然后根据自然图像边缘的稀疏特性,将全变差模型的保护边缘特性结合高阶全变差克服平滑区域阶梯效应的优势,对图像进行正则化约束,提出新的混合高阶全变差正则化模型。最后,利用分裂布雷格曼迭代策略对提出模型进行最优化求解。实验结果表明,提出的方法能够很好地保护图像边缘细节,同时有效地抑制平滑区域内振铃和阶梯效应的产生,获得高质量的复原图像。与近几年图像盲复原算法相比,不仅改进了复原图像的主观视觉效果,而且客观上提高了峰值信噪比。     

拉普拉斯与双边滤波的图像去运动模糊算法

运动模糊图像盲复原是图像复原中的关键问题之一,由于模糊信息的复杂性以及图像噪声的影响,导致复原的结果有振铃效应.为解决这些问题,提出基于拉普拉斯先验的改进算法.在原有的模糊核估计过程中,引入拉普拉斯锐化增强,增强图像的边缘信息,达到改善模糊核估计结果的目的.在复原时,针对图像振铃噪声,引入了双边滤波,抑制该噪声对复原结果的影响,进一步改善复原图像的质量.与三种现有图像去模糊算法相比,该方法能更准确地估计模糊信息,对图像复原具有更好的鲁棒性.     

一种盲复原图像振铃效应的后处理与质量评价方法

由于图像盲复原过程中先验信息的不足,往往造成复原图像质量不尽如人意,振铃效应就是影响复原图像质量的重要因素之一。振铃效应的存在使得对复原图像的后续处理难于进行,并使得一些图像质量的评价方法失效。针对图像盲复原的特点,提出了一种振铃效应的后处理方法,并基于将振铃与清晰度分别评价的思想,提出了一种复原图像的无参考评价方案。实验证明该去振铃方法简单有效,该复原图像的评价方案也很好地反映了人类的视觉特性。     

一种改进的NAS-RIF图像盲复原算法

文中给出了一种用于图像盲复原的基于非负支撑域受限递归滤波算法(NAS-RIF)的改进算法。即将零相位RIF和小波去噪技术引入到NAS-RIF图像盲复原算法中,且在NAS-RIF图像盲复原算法计算当中,采用了共轭梯度法进行了计算优化;如此算法抑制了噪声的放大,提高了退化图像的信噪比,保护退化图像的边缘特征和提高退化图像的视觉效果以及提高算法的收敛速度。由实验结果可以看出,改进后的算法具有更好的抗噪性能和复原效果。     

一种改进的NAS-RIF图像盲复原算法

文中给出了一种用于图像盲复原的基于非负支撑域受限递归滤波算法(NAS-RIF)的改进算法.即将零相位RIF和小波去噪技术引入到NAS-RIF图像盲复原算法中,且在NAB-RIF图像盲复原算法计算当中,采用了共轭梯度法进行了计算优化;如此算法抑制了噪声的放大,提高了退化图像的信噪比,保护退化图像的边缘特征和提高退化图像的视觉效果以及提高算法的收敛速度.由实验结果可以看出,改进后的算法具有更好的抗噪性能和复原效果.     

复合的图像盲复原算法

当点扩展函数未知或不确知的情况下,从观察到的退化图像中恢复原始图像的过程称为图像盲复原。近年来,图像盲复原算法得到了广泛地研究。迭代盲解卷积在抑制噪声放大与保留图像边缘信息有很好的效果,但在不知道点扩展函数并有噪声的情况下并不能有效的去除噪声导致图像恢复效果很差。针对图像盲复原的特点,提出了一种复合算法,该算法有效地解决了迭代盲解卷积的去噪问题,最后通过实验验证了算法的可行性和有效性。     

强边缘导向的盲去模糊算法

目的 在图像的获取过程中,成像设备与拍摄场景发生了相对位移,导致获取的实际图像存在信息丢失、模糊退化的现象,这极大地影响了图像的质量和人们的视觉体验,也影响了图像的后续处理。盲去卷积旨在从观测图像中估计模糊核并获得清晰图像,为此提出了一种基于强边缘的运动图像盲去模糊算法。方法 结合图像梯度稀疏性,采用自适应l₀范数约束待估计图像梯度的强边缘;针对模糊核稀疏性和连续性,以l₀-l₂范数分别约束模糊核的像素和梯度,同时把模糊核归一化先验作为正则项引入模型中,以强边缘指导模糊核估计。在去模糊阶段,结合全变分与超拉普拉斯正则化方法的优点,将两种方法复原的图像取平均,以减轻复原图像中的振铃效应,同时保留更多的图像细节。结果 为了检验本文算法的有效性,对Levin测试集和实际拍摄的模糊图像分别进行仿真,并同现有算法进行比较。Levin测试集上的实验结果表明,提出的盲反卷积成功率为100%且在对比算法中具有最高PSNR;实际彩色图像的盲反卷积实验表明,相比于其他算法,本文算法获得的模糊核具有更准确的支撑和较少的噪点,获得的清晰图像具有较优的视觉效果。结论 该方法从定量和定性比较上都体现了较好的去运动模糊能力,可适用于遥感、医学等领域。     

基于超拉普拉斯模型的运动去模糊算法*

通过分析自然图像梯度统计的长尾分布特性,提出一种基于超拉普拉斯模型的图像运动去模糊算法。该算法使用分步交替迭代最小化办法优化能量方程,并在优化过程中采用了查询表法快速求解图像反卷积。实验结果表明,该算法可以在数秒时间内处理完成一幅中等大小的图像,并获得较优的复原结果,其复原效果和对振铃现象的抑制均优于维纳滤波法和Richardson-Lucy复原法。     

单通道散焦模糊置换图像的盲分离

针对一类散焦模糊置换图像,提出一种基于参数估计的单通道盲分离新方法。该方法基于散焦模糊置换图像的频域特性估计出散焦模糊半径,采用Lucy-Richardson(L-R)算法对置换图像进行盲复原,并通过定义像素梯度绝对值和来对复原产生的振铃效应进行评价,根据评价结果进行分类估计出置换混合矩阵,从而完成置换源图像子块的分离。实验结果表明,针对经历不同置换操作的散焦模糊置换图像,该方法均能获得较好的分离效果,同时,对高斯噪声和有损JPEG压缩都具有较好的鲁棒性。     

基于NAS-RIF算法和神经网络的图像盲复原

在图像盲复原中,NAS-RIF算法在无噪情况下,能够得到较好的复原结果,但是对有观测噪声的图像复原效果不理想。而Hopfield神经网络有利于缓解图像复原过程中的震铃效应,但前提是知道退化图像的点扩展函数。将二者相结合提出一种基于NAS-RIF算法和神经网络的图像盲复原新算法,首先由NAS-RIF算法先估计出退化图像的点扩展函数,再利用Hopfield神经网络算法对其进行复原。实验结果表明,该算法具有较好的盲复原效果。     

运动模糊图像复原结果中伪像的消除

针对Lucy-Ricardson(LR)算法得到的复原图像存在不同程度的Gibbs效应、边缘振铃等多种类型的伪像,提出一种新的算法,在LR算法的复原图像迭代公式中引入一函数作为其系数,使得图像平滑区域与原来的LR算法的恢复方式相同,同时在图像的边缘区域可以有效地保护细节,起到低通滤波器的作用。实验结果表明,改进算法能很好地平滑伪像和重建图像细节,复原图像的峰值信噪比(PSNR)与其他算法相比有很好的提升。     

混合先验与加权引导滤波的图像去雾算法

目的 图像去雾是降低雾、霾、沙等低能见度成像环境对图像的退化影响,提高图像信息获取质量的过程。为了消除先验盲区,同时进一步提高去雾图像边缘细节的清晰度,提出一种混合先验与加权引导滤波的图像去雾算法。方法 首先改进大气光值估计方法,提高大气光值估计的准确性。然后利用混合先验理论求取双约束区域的大气透射率,一定程度上消除了先验盲区,提高了去雾算法的鲁棒性。最后利用加权引导滤波算法优化透射率图,提高了图像边缘细节的清晰度。结果 本文以通用去雾测试图像和小型无人机拍摄的雾天图像作为实验对象,通过对比分析4种组合步骤算法的复原效果,验证本文各步骤改进方法的合理性与整体算法的优越性。实验结果表明：混合先验理论改善了暗原色先验在明亮区域的失真现象和颜色衰减先验对浓雾处理上的不足,取得了较好的视觉效果;加权引导滤波改善了图像边缘模糊的现象,使复原后的图像边缘细节更加清晰;相较传统算法,本文算法视觉效果更好,去雾图像边缘细节更加明显,综合评价指标均值提升幅度较大。结论 针对有雾图像复原,通过理论分析和实验验证,说明了本文各步骤的改进具有一定的优越性,所提的算法具有较强的鲁棒性。     

正弦积分拟合的图像复原边界振铃效应抑制方法

目的 边缘振铃效应是影响运动模糊图像复原效果的重要因素之一。为了有效提高运动模糊图像复原的质量,针对运动模糊图像复原中由于图像边界截断而产生的振铃效应问题,提出一种正弦积分拟合的图像复原边界振铃效应抑制方法。方法 首先,对待处理的模糊图像根据模糊核的大小进行边缘延展;然后,分别利用正弦函数积分方法和双正弦函数积分方法对单向过渡区域和双向过渡区域进行窗函数计算;进而,将延展图像进行加窗处理;最后,对加窗图像进行复原处理并提取出原始图像的部分作为复原结果。结果 与现有的几种振铃效应抑制算法进行对比实验。在视觉效果方面,本文方法能有效抑制振铃效应;在峰值信噪比(PSNR)、归一化均方误差(NMSE)以及图像质量指数(Q)等图像质量评价指标方面,本文方法的PSNR值比最优窗算法提高了约0.170.76 dB,NMSE值比最优窗算法降低了约0.000 50.000 7,Q值比最优窗算法提高了约0.0230.029,本文方法在多数情况下得到的评价指标优于循环边界法;在耗时方面,本文方法对非迭代恢复算法的处理时间比循环边界算法降低了约0.040.11 s,对迭代恢复算法处理时间减少达到数秒。结论 通过大量实验发现,正弦积分拟合的图像复原边界振铃效应抑制方法在进行振铃效应抑制时,能有效控制计算量,且能完整地保留图像的边缘信息,图像恢复效果明显优于其他方法。     

Gabor小波分解和增益图约束的荧光显微图像复原

对于含有泊松噪声的模糊荧光显微图像,Richardson-Lucy（RL）算法具有很好的复原效果,但经常伴有严重的振铃和噪声放大等现象。针对这一情况,在传统RL算法基础上,提出了一种新的图像复原算法,主要考虑两个方面,一是通过施加增益图约束,进而降低图像边界的对比度来抑制阶梯效应。二是将Gabor小波分解技术引入到每次迭代中,克服了复原过程中的噪声放大问题,同时能够多方向地提取图像特征,增加视觉上的清晰度。通过对参数的合理选择,获得最佳的复原效果,实验结果验证了该算法的有效性和可行性。     

基于边缘先验模型的运动去模糊

从单幅运动模糊图像复原出清晰的图像,一直是数字图像处理领域中富有挑战的问题.基于边缘先验模型和小波分析提出了一种运动模糊退化图像的复原算法.在去模糊之前,对图像进行预处理,将噪声去除,用冲击滤波器增强边缘,并采用canny边缘检测获取清晰边缘作为先验模型,以此估计模糊核;然后在紧小波框架系统下,将清晰图像的稀疏性最大化,采用改进的分裂Bregman方法求解最优化问题,最终得到清晰的图像.实验结果表明,相对于传统的盲复原算法,提出的方法可以有效地去除运动模糊.