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。     

改进的运动模糊图像复原算法

提出了一种改进的运动模糊复原算法,首先利用改进的高通滤波(方向微分)快速算法判定运动模糊方向,然后利用边缘检测算法计算模糊尺度,从而确定点扩散函数,最后通过维纳滤波算法对模糊图像进行恢复。针对K值估计问题,提出了一种新的K值自动估计算法。实验结果表明,该方法鲁棒性强、实时性好,图像复原效果好。     

基于L-R非线性迭代的降质图像复原算法

为克服图像传输和获取过程中受模糊、失真等因素影响所造成的图像降质,提出一种基于L-R非线性迭代的降质图像复原算法。建立图像退化和恢复模型,并给出复原图像的评价测度。仿真实验结果表明,与传统的维纳滤波相比,该算法在存在多种随机噪声的情况下,能达到较好的图像复原效果。     

运动模糊图像PSF参数估计方法改进及图像复原

运动模糊图像复原的目的是改善运动图像质量,从而为图像处理任务提供高质量的清晰图像以保证算法能够准确获取图像信息,其中运动模糊图像的点扩散函数（PSF）求解是影响复原图像质量的关键步骤。针对现有运动模糊图像PSF参数估计方法中存在的估计误差大、有效估计范围有限等问题,在分析频谱图像特征的基础上,提出一种改进的PSF参数估计方法。通过图像增强处理和形态学变换去除频谱图像中的十字亮线和噪点干扰,获取形态合适的条纹图像以完成Radon变换检测。利用二值频谱图像的条纹特征自适应地控制形态学运算精度,从而保证算法的执行效率和鲁棒性。对条纹进行边缘测定,消除由条纹自身宽度导致的角度估计误差,以提高参数估计结果的精度。实验结果表明,该方法能够提高模糊参数估计的准确率和有效估计范围,由此构建的PSF能复原出更加清晰的重建图像,复原图像总体峰值信噪比不低于25 dB。     

运动模糊图像复原算法研究

运动模糊主要是由于成像系统与目标物之间产生了相对运动而成的。在运动模糊图像复原的研究中,运动模糊的点扩散函数(PSF)和复原方法是近年来图像复原中的热点问题。针对含有噪声的运动模糊图像的退化模型和恢复过程进行了研究,叙述了运动模糊图像基本原理,并提出了一种基于变分法求极值的方法并应用了模糊图像限制核函数法的方法解决了变分模型中大多数应用场定义域的有限性,最后根据方法得出实验结果。     

基于伸缩梯度投影的天文图像复原改进算法

在地基天文观测中,克服大气湍流造成的图像模糊是获取高分辨率天文图像的关键.反卷积是图像复原过程中的重要步骤,基于伸缩梯度投影的反卷积算法具有较高的复原精度和处理效率,且鲁棒性好,适用于天文图像的复原.但由于实际应用中清晰图像是未知的且存在噪声的干扰,该算法存在着无法自行停止迭代的弊端,限制了其应用.结合图像无参考质量度量给出一种可自动停止迭代的改进算法.仿真表明:改进的算法对最优点判断较为准确,能够运用于实际天文图像处理.     

一类离焦虹膜图像复原算法的研究

通常,虹膜识别系统中采集设备的景深(Depth of field, DOF)都很小,在采集过程中经常出现离焦现象,理论和实际应用都需 要研究这种离焦图像的复原方法.本文研究了一种点扩散函数 (Point spread function, PSF)为正六边形的示性函数的离焦虹膜图像复原问题. 通过分析PSF频域零点的分布规律,从理论上证明了距频域中心最近的第一圈零点的零点定理, 证明过程中也提供了计算这些零点的方法,在此基础上,给出了这一类离焦图像复原的快速算法. 实验结果验证了算法的有效性与实时性.     

基于组合字典的图像复原约束优化算法

提出一种基于组合字典和约束优化的图像复原算法。建立表示图像复原问题的约束优化模型,其目标函数由l2保真项和双l1正则项的线性组合构成。利用交替优化技术将模型分解为多个子问题求解,并通过邻近算子解决降噪子问题。实验结果表明,与Oliverira算法和Beck算法相比,该算法的复原速度较快,所得图像质量较好,且复原图像与原始图像的均方误差较小。     

基于稀疏正则优化的图像复原算法

为提高图像复原的速度,改进图像复原的质量,提出一种新算法。将图像复原表示为一类标准的优化问题,采用交替最小化把该优化问题分解为等价的两个子问题。通过迭代求解这两个子问题,获得图像复原问题的解。在此迭代过程中,引入迭代软阈值法处理图像降噪子问题。实验对不同类型的模糊图像进行了复原,其结果验证了算法的有效性。与多级阈值Landweber(MLTL)算法和快速收缩阈值算法(FISTA)相比,处理相同图像时,所提算法可分别节省28%和71%的时间,同时复原图像的信噪比(SNR)可提高0.7~3.5dB。     

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.     

基于改进卡尔曼滤波的盲图像恢复

为了解决在获取数字图像过程中发生的图像质量下降（退化）的问题,需要使用图像恢复技术进行图像重建。针对未知点扩散函数(PSF)的盲图像恢复,首先利用倒频谱的方法估计模糊图像的点扩散函数,然后再利用改进的卡尔曼滤波方法对图像进行恢复。倒频谱方法是将模糊图像分成反映原图像信息和反映模糊系统信息的两部分相加的形式,通过分析两者的关系估计出模糊图像的PSF。改进卡尔曼滤波器在估计过程中考虑了系统的模型误差,使其对模型误差具有一定的鲁棒性。通过Matlab进行了数字仿真实验,实验结果表明利用所提出的方法可以有效地减小PSF估计不准确对图像恢复的影响,与传统卡尔曼滤波相比恢复效果较好。     

基于联合评估网络的虹膜图像实时预评估

实际的虹膜识别系统会遇到因为各种原因产生的不同类型的坏样本图像,如果它们进入系统的识别进程,常常会增加系统的注册失败率,也会导致定位或者识别的错误。而现有的图像质量评估方法是在完成虹膜定位或者粗定位之后,根据虹膜部分的清晰度和分辨率来判定是否为坏样本。因此实际上只能处理部分类型的坏样本,而且计算耗费大。论文详细分析了坏样本产生的原因和特点,提出了一种基于联合评估网络的实时预评估方法,在定位或粗定位开始之前,检测暂时存储的样本图像,根据预评估网络的输出结果来决定是进入下一步处理还是重新采集。试验结果表明,该方法可以检测出大部分类型的坏样本,检测速度快,而且检测的错误率相当低,能够满足实时虹膜识别系统的评估实时性和准确性的要求。     

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。     

基于边缘检测的超分辨率重构方法

采用凸集投影法重构的高分辨率图像中常出现边缘质量下降的现象。针对该问题,提出一种超分辨率重构方法,引入傅里叶变换配准方法解决图像获取过程中的位移偏差,通过Laplace算子进行边缘检测以消除边缘震荡。实验结果证明,采用基于边缘检测的超分辨率重构方法能获取质量较高的图像。     

一种改进的PCNN图像融合算法

针对使用小波变换及简单融合规则的图像融合算法的不足,提出了一种改进的基于脉冲耦合神经网络（Pulse Coupled Neural Networks,PCNN）融合规则的非下采样轮廓波变换（Nonsubsampled Contourlet Transform,NSCT）图像融合方法。对已配准待融合图像进行NSCT分解,采用改进的PCNN融合规则对Contourlet域系数进行融合,得到融合图像的NSCT系数,经逆变换重构得到融合图像。实验结果表明该算法在主观视觉和客观评价指标上都取得了较好的融合效果。