一种基于正则化参数自适应选择的快速近似求逆的图像恢复新算法

本文根据正则化恢复中正则化参数应具有的性质,提出了一种基于正则化参数自适选择方案的新的空域迭代恢复算法。     

基于最小鉴别信息的正则化图像恢复方法

提出在正则化图像恢复方法中将图像恢复结果与先验图像的最小鉴别信息作为新的正则化约束.同传统的正则化约束不同,新的约束使得恢复的图像与给定的先验图像具有最相似的灰度分布.同时给出一种自适应确定正则化参数的方法.实验结果表明,新方法在恢复效果上要优于传统的正则化方法,但对噪声则比较敏感.因此,提出在降质图像含有较多的噪声时保留传统的正则化约束,以达到更好的恢复效果.     

应用粒子群优化算法选择正则化参数

对正则化方法中正则参数的选择进行了研究,提出了利用粒子群优化算法获取正则参数的方法,通过数值模拟实验,对比了该方法与遗传算法,通过图像恢复实验,比较了传统正则化滤波方法和所提出的方法,实验结果表明,所提出的方法在处理不适定问题时更具有优越性,是一种实用有效的方法。     

正则图像恢复中正则化算子选取的定性分析

对病态图像恢复中正则化算子的选取问题进行定性分析。以最小化正则解模糊误差为目标,利用泰勒级数定性地分析怎样选取正则化算子,得出结论:在信号的强度大于噪声强度的频带正则化算子应该是带阻的,而信号的强度小于噪声强度的频带正则化算子应该是带通的,通常情况下应选取低阻高通的正则化算子。实验结果表明了该结论的正确性。     

图像恢复中的凸能量泛函正则化模型综述

目的凸能量泛函正则化模型(EFRM)的综述论文在国内外还少有报道,为使即将进入该领域的研究者全面了解发展现状,结合图像恢复,对该领域国内外研究现状进行综述。方法在参考大量文献的基础上,从凸EFRM的起因、组成、处理和发展趋势等方面加以总结和比较。首先,给定反问题,无法获得可行解,解决此问题的有效方法是建立EFRM。其次,从能量泛函的组成,分析拟合项和正则项的适用条件,给出引起图像模糊的5种点扩散函数,阐述权重的重要性及确定方法。再次,将能量泛函的拟合项和正则项分为整体处理、单独处理,分析空域、变换域和混合域正则化模型求解算法,评述模型和算法的优缺点。最后,指出图像恢复EFRM的发展趋势及存在的问题。结果一般说来,无法直接求解由拟合项、正则项和权重组成的原始凸EFRM,然而,通过转化模型、对偶模型和原始—对偶模型,利用数值代数、矩阵论和优化理论对转化模型进行整体处理、分裂处理,可以设计出高效、快速求解算法。结论图像恢复中的EFRM研究虽然取得了很多有意义的理论与应用成果,但随着大规模数据处理问题的不断涌现,建立准确的数学模型,设计高效快速的求解算法以及分析算法的收敛性等理论问题有待进一步深入研究。     

一种获取正则化参数的新方法

提出了一种获取正则化参数的新方法。利用随机理论解决正则解模糊误差能量期望值最小化问题,确定正则化参数。对正则化算子给定为Laplacian算子的情形予以测试,实验结果表明该文的恢复技术比传统方法的恢复性能好,恢复效果接近最佳且性能稳定。     

小波域噪声分布估计的自适应正则化图像恢复

提出一种正则化图像恢复中自适应选择局部正则化参数的方法．首先提出局部正则化参数的大小应正比于降质图像局部噪声方差;然后在小波域内给出一种估计降质图像局部噪声方差的算法;最后根据小波域噪声方差估计值的分布自适应地确定局部正则化参数．实验结果表明,对于存在多种类型噪声的降质图像,文中方法对噪声方差的估计在分布上与真实噪声一致,而在恢复效果上则要优于Katsaggelos所提出的方法．     

基于TVGA正则化的室内运动模糊图像恢复

针对室内环境下相机曝光时间长,被摄目标相对相机运动会产生图像模糊的问题,以室内服务移动机器人为研究背景,提出了一种基于Topkis-Veinott梯度法(TVGA)正则化运动的模糊图像恢复方法。此算法首先采用方向导数法估计出运动模糊方向,同时将图像运动模糊方向旋转至水平轴;然后采用自相关函数平均法确定运动模糊长度,并算出运动模糊点扩展函数(PSF);最后采用改进的TVGA最优化正则参数,进而恢复原始图像。与经典的Wiener法和两种正则化恢复方法进行的比较结果表明,用TVGA法正则化恢复的图像效果较好,不仅较接近原始图像,且易于实现。     

用于图像恢复的基于正则化可能性线性模型的自适应滤波器

中值滤波器在有效抑制脉冲噪声的同时,会模糊图像细节.为克服这一缺陷,文中对中值滤波器进行改进,提出一种基于正则化可能性线性模型的自适应滤波器.该滤波器的输出是原始输入信号和经典中值滤波器的加权和,而权值则根据输入的信号序列由建好的正则化可能性线性模型来决定.实验表明,该滤波器在有效滤除脉冲噪声的同时能较好地保留图像的细节信息,且针对不同比例的脉冲噪声,表现出较好的鲁棒性.     

图像恢复的正则化Gmres方法

在处理具有线性的、空间位移不变的成像系统所成的图像恢复问题时,提出了一种基于Krylov向量完全正交化的正则化Gmres方法。该算法考虑了图像恢复中的不适定性及计算时的复杂性两个方面,将正则化算法与广义极小残余算法相结合,通过正则化方法将模型离散后的积分方程转化为一适定问题,然后利用广义极小残余算法得到结果。在数值模拟时,对不同的方法进行了对比分析,结果表明所选的方法能够明显改善图像恢复的质量。     

一种基于小波变换的迭代正则化图象恢复算法

提出一种基于小波变换的迭代正则化图象恢复算法,兼顾抑制噪声的增长和保留图象重要边界。该算法根据图象小波变换各个子频段的不同频率特性和方向特性,分别采用不同的正则化参数和正则化算子。实验结果表明舸用该算法的图象恢复的性能优于常规的空域算法。     

小波估计图像棱边分布的边缘保持规整化复原

为了从模糊图像中更准确地估计真实棱边分布,并将其用作边缘保持规整化复原的约束条件,提出小波多尺度分析的复原方法.该方法组合多个尺度的小波细节求相关,得到表征棱边分布的小波子带图像;在各向异性Markov随机场模型的基础上,选取满足边缘保持条件的势函数,将各方向小波子带滤波器代替梯度算子构造惩罚项,从而减少参数个数,降低训练复杂度;最后给出参数的自适应取值方法,并使用半二次规整化方法求解.实验结果证明,该方法复原的视觉效果优于梯度算子的方法,适合处理模糊尺度较大的图像.     

一种不需噪声能量信息的准最佳正则图像复原

提出一种基于正则化方法的高效图像复原技术。围绕最小化正则解模糊误差,设计该技术。利用泰勒级数定性地分析怎样的正则化算于使正则解模糊误差能量较小,得出结论：通常情况下应选取低阻高通的正则化算子;利用随机理论解决正则解模糊误差能量期望值最小化问题,确定正则化参数;利用小波变换估计噪声能量,在没有噪声能量信息的情况下,新方法能进行高效的图像恢复。实验结果表明本文的恢复技术比传统方法的恢复性能好,恢复效果接近最佳且性能稳定,且不需要噪声能量信息。     

基于广义高斯噪声分布模型的迭代正则化图像复原

讨论了广义高斯分布加性噪声模型，从对图像的最大似然估计出发，结合正则化的复原方法，提出了具有lp范数数据逼近项的正则化目标泛函，同时给出了自适应的正则化参数选择方法。对目标泛函使用迭代的方法求解，分析了迭代式的收敛性。目标泛函中正则化参数的选择和图像复原的迭代运算同步进行并自动优化。实验结果表明，对于加有广义高斯分布噪声的并被高斯型点扩展函数模糊的图像，该方法可明显改善图像复原的效果，尤其当广义高斯分布的形状参数p≤1时复原效果更好。     

基于整体变分图象恢复模型的小波域正则化方法

通过改进小波软阈值收缩的过程,提出了小波框架下的整体变分正则化模型.模型中利用改进小波阈值技术选取合适的需要保留的小波系数,然后对该系数重建图象进行空域各向异性扩散处理.文中提出了该变分问题完整的空域和小波域交替迭代的图象恢复算法.实验证明,该算法不仅具有较强的噪声抑制能力,而且能够保持和增强图象的边缘,大大提高了图象的视觉质量.     

利用演化算法自适应选取正则算子

提出一种新的技术，它自适应地选取正则算子以取得较理想的恢复效果．通过理论分析和实验发现当恢复图像残差的频谱能量分布较均匀时恢复效果较好．这种分布均匀性可以用正则图像残差的各子频段能量偏离平均能量的程度最小来衡量，这个最小化问题以各种各样的正则算子组成的空间为搜索空间．由于一般的优化算法对此优化问题无能为力，演化算法用来求解此问题，从而自适应地选择正则化算子．实验表明新方法选取的正则算子恢复效果较好．     

图像恢复的正则化混合GMRES(m)方法

为了充分利用广义极小化残量方法在处理大规模线性问题时的优势,将其同正则化技术相结合应用于图像恢复领域,提出了一种新的图像恢复方法。该方法基于Arnoldi过程,用一系列规模远小于原不适定问题的最小二乘问题来逼近原问题,并应用截断奇异值分解正则化技术保证稳定求解这些最小二乘问题。其中,根据图像恢复问题的具体特点,在确定截断奇异值分解的截断次数时,对传统的L-曲线准则进行了少许修改。数值试验结果表明,试验数据与肉眼观察恢复图像的清晰程度相吻合,说明新方法是有效的。