采用自适应梯度稀疏模型的图像去模糊算法

目的 图像的梯度分布被广泛应用在自然图像去模糊中,但研究结果显示先前的梯度参数估计方法不能很好地适应图像局部纹理变化。为此根据图像分块平稳的特点提出一种采用局部自适应梯度稀疏模型的图像去模糊模型。方法 该模型采用广义高斯分布（GGD）来描述图像不同区域的梯度分布,在最大后验概率框架下建立自适应梯度稀疏模型,然后采用变量分裂交替优化算法来求解模型中的最小化问题。在GGD参数估计中,先对模糊图像进行预处理,并将预处理后的图像分成纹理区和平滑区,仅对纹理区采用全局收敛算法进行GGD参数估计,而对平滑区设置固定参数值。结果 本文算法与近年来常用的去模糊去噪算法在不同类型的自然图像上进行了对比。实验结果表明,本文的参数估计法能精确地表达图像局部纹理变化,当在低噪声（加1%噪声）,分别加入模糊核1和2的条件下,经本文算法去除模糊和噪声后的图像相较对比算法能分别提高信噪比值0.042.96 dB和0.143.19 dB;在高噪声（加4%噪声）不同模糊核下,能分别提高0.194.50 dB和0.203.63 dB,同时本文算法相比2017年Pan等人提出的算法（加2%噪声）能提升0.150.36 dB。此外,本文算法在主观视觉上能获得更清晰的纹理和边缘结构信息。结论 本文算法在主客观评价上都表现出了良好的去模糊性能,可应用在自然图像和低照明图像等的去模糊领域。     

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。     

基于L0范数和联合全变分的图像去模糊

为解决图像因各种干扰而模糊的问题,基于典型的正则化约束方法,提出两种图像去模糊正则化模型的图像重建方法。在图像非盲去模糊方面,提出一种基于L0范数和非局部全变分(NLTV)的图像非盲去模糊模型,对图像平滑区和非平滑区分别采用L0范数和NLTV约束,对两个部分采用不同的算法分别求解;在图像盲去模糊方面,提出一种基于L0范数和联合全变分的图像盲去模糊模型,利用L0范数约束求解和模糊核估计方法得到模糊核和潜在图像,用联合全变分对潜在图像求解。实验结果表明,两个模型均有较好的去模糊效果和一定的抗噪鲁棒性。     

基于正则化约束的遥感图像多尺度去模糊

目的遥感成像过程中的图像降质严重影响了高分辨率成像与高精度探测,为了改善遥感图像质量,提出了基于正则化约束的遥感图像多尺度去模糊方法。方法首先利用双边滤波器和冲击滤波对遥感图像进行预处理,然后结合遥感图像模糊核的稀疏特性,使用正则化方法迭代求解模糊核最优解,最后利用基于梯度稀疏的非盲反卷积方法得到去模糊结果。此外,针对图像模糊程度较严重的情况,分析了尺度信息对去模糊结果的影响,提出了多尺度迭代优化方法。结果采用本文方法对大量遥感图像进行去模糊,实验结果表明该方法能有效地去除遥感成像产生的模糊,在保持图像边缘和细节的同时,可有效抑制振铃效应。相比其他方法,本文方法恢复图像的边缘强度平均提高28.7%,对比度平均提高17.6%。结论提出一种正则化约束的遥感图像多尺度去模糊方法,主观视觉感受和客观评价指标都表明该方法可以有效提升遥感图像质量。     

利用功能图形的防伪码图像盲去模糊

目的 防伪码是一类经过特殊设计的QR(quick response)码,在防伪和溯源领域有着广泛应用。模糊的防伪码图像不利于解码和真伪鉴别,需要进行去模糊操作。目前主流的盲去模糊算法在用于防伪码图像时,去模糊效果不好且算法消耗时间较长。对此,本文提出一种基于防伪码功能图形的盲去模糊优化算法。方法 首先,定义了防伪码图像的强度先验和梯度先验。强度先验是图像像素的灰度值,而梯度先验是图像像素水平方向和垂直方向的差分。然后,将整幅模糊防伪码图像均分为左上、左下、右上、右下4块,提取左上、左下、右上3个位置的探测图形和右下的校正图形。最后,将强度先验和梯度先验作为约束项,利用正则化方法求出4个分块的清晰图像和模糊核。结果 本文测试了100幅人工添加模糊的防伪码图像和50幅手机实际拍摄的模糊防伪码图像,采用峰值信噪比(peak signal to noise ratio, PSNR)、结构相似度(structural similarity, SSIM)和自然图像质量评价器(natural image quality evaluator, NIQE)作为图像清晰度评价指标。从实验结果来看,相较于对...     

基于运动检测的图像去模糊算法

针对相机曝光期间,由于相机和被拍摄物体之间存在相对运动而产生的图像模糊的问题,提出一种基于运动检测的图像去模糊算法。本算法根据相机成像的数学模型,推导出模糊核的参数（长度和方向）与相对运动之间的定量关系,通过维纳滤波对图像进行滤波去模糊。通过实验,可以观察到滤波过后的图像在细节上更加清晰,表明本方法能够一定程度上地去除模糊。     

基于Richardson-Lucy的图像去模糊新算法

针对传统的Richardson-Lucy(RL)算法存在振铃效应和噪声放大等问题,提出了一种基于RL的图像去模糊新算法,通过在迭代过程中引入增益图(GainMap),降低了复原图像的对比度,阻止迭代过程振铃效应的传播和噪声的进一步放大。详细讨论了引入的增益图的不同参数选择对去模糊结果的影响,通过选取合理的参数得到最佳的结果。实验结果验证了该算法抑制振铃效应的有效性,同时它很好地保留了图像细节,对含有噪声的模糊图像也有很好的复原效果。     

空域中基于正则化的自适应超分辨率图像复原

对于模糊图像的复原问题,从正则化技术克服问题病态性的思想出发,研究了一种有效的超分辨率图像复原方法.在Nguyen等人的正则图像复原框架的基础上,根据Roberts交叉梯度算子构造正则项,从自适应的角度生成正则化参数,并用共轭梯度法求解该模型的目标泛函极小值.计算机仿真结果表明,该方法可较好的再现图像的重要信息,复原图像的相对误差降低,同时,峰值信噪比和主观视觉效果方面都有明显的提高.     

基于自适应残差的运动图像去模糊

针对当前运动图像去模糊网络忽略了运动模糊图像的非均匀性,不能有效地恢复图像的高频细节及去除伪影等问题,在对抗网络基础上提出一种基于自适应残差的运动图像去模糊方法.在生成网络中构造由形变卷积模块和通道注意力模块组成的自适应残差模块.其中,形变卷积模块学习运动模糊图像特征的形变量,可以根据图像的形变信息动态调整卷积核的形状...     

图像插值模糊的非线性自适应消除

针对线性移不变图像插值方法造成的插值图像边缘模糊,提出采用具有高通特性的有理滤波器增强图像,重建锐变的图像边缘。对基本有理滤波算子进行改进,避免滤波信号峰值点和孤立点的失真。推广算子的二维形式并引入图像对比度约束,形成一种自适应图像插值模糊消除算法。实验结果表明,算法能够不失真地重建图像边缘的高频细节,提高图像的视觉分辨率,图像质量优于现有图像插值模糊消除算法。     

基于循环神经网络的散焦图像去模糊算法

近年来,基于深度学习的运动模糊去除算法得到了广泛关注,然而单幅散焦图像去模糊算法鲜有研究。为针对性地解决单幅图像的散焦模糊问题,提出一种基于循环神经网络的散焦图像去模糊算法。首先级联两个残差网络,分别完成散焦图估计和图像去模糊;随后,为了保证散焦图和清晰图像的深度特征可以更好地跨阶段传播以及阶段内相互作用,在残差网络中引入LSTM（long short-term memory）循环层;最后,整个残差网络进行了多次迭代,迭代过程中网络参数共享。为了训练网络,制作了一个合成散焦图像数据集,每一张散焦图像都包含对应的清晰图像和散焦图。实验结果表明,该算法相较于对比算法在主客观图像质量评价上均有显著优势,在复原结果中具有更锐利的边缘和清晰的细节。对于真实双像素图像散焦模糊数据集DPD,该算法相比DPDNet-Single在峰值信噪比（PSNR）和结构相似性（SSIM）上分别提高了0.77 dB、5.6%,因此所提方法可以有效处理真实场景散焦模糊。     

基于独立成分分析的盲目图像反降晰

详细说明了如何将图像反降晰问题转化成独立成分分析（ICA）问题,通过理论分析和实验比较了FastICA和在线随机梯度ICA两种ICA图像反降晰算法,得出了FastICA算法并不能很好地用于图像反降晰的结论,还通过实验证实了ICA反降晰算法不能抑制噪声。最后总结了目前ICA反降晰方法的优缺点,并提出了进一步研究的方向。     

基于多尺度残差生成对抗网络的单图像盲去运动模糊方法

图像盲去运动模糊一直是计算机视觉领域的一个经典问题,它的目的是在模糊核未知的情况下恢复清晰图像。考虑到更大的感受野以及多尺度信息对恢复清晰图像中的全局信息以及局部细节信息具有重要作用,因此提出的方法对DeblurGAN方法进行改进,提出一种基于条件生成对抗网络的GR-DeblurGAN(granular resi-dual DeblurGAN)的单图像盲去运动模糊方法,采用细粒度残差模块(granular residual block)作为骨干网络,以此在不增加参数量的情况下,扩大感受野,获得多尺度信息。最后在两个广泛使用的数据集:GoPro数据集以及Kohler数据集上进行算法性能评估,并与代表性算法进行对比。从实验结果可以看出,提出的方法改进效果明显,并且在计算开销上面优于其他算法。     

改进的广义高斯分布与非局部均值图像去模糊

为了改善常规算法不能保留图像边缘细节信息的缺陷,获得更好的图像去模糊效果,在非局部均值图像复原算法的基础上提出一种新的基于广义高斯分布与非局部均值的去模糊算法。先对模糊图像进行小波变换,然后应用极大似然估计的方法以及经典的Newton-Raphson算法来估计出广义高斯分布模型的尺度参数和形状参数,利用这两个参数改进原始的单一根据指数函数的衰减速度和局限于一个参数来求图像权值的方法。在多个典型图像上的测试结果表明,改进算法后的图像去模糊化效果比原始的NL-means方法更优越,具有很好的应用前景。     

基于稀疏正则化和变量分裂的图像去模糊

传统的图像去模糊方法易产生振铃和边缘模糊等“伪像”效应,针对这一问题,采用非光滑的正则项约束图像在稀疏字典下表示系数的稀疏性,并引入非负约束项,提出了图像的稀疏正则化去模糊模型。进一步,基于交替方向拉格朗日乘子算法,提出了求解该模型的多变量分裂迭代快速算法,将复杂问题求解转化为三个简单子问题的迭代求解,降低了模型求解的复杂性。实验结果表明,所提出的去模糊模型及其快速算法相对较好地保持了图像的结构特征和平滑性,并降低了计算复杂性。