图像复原中边缘保持与稀疏先验模型的选择

考虑了广义高斯分布和马尔科夫随机场两类随机图像模型,提出相应的图像复原目标函数。分析了这两类模型在图像复原中的边缘保持性能,给出了它们具有边缘保持能力所需的条件。根据稀疏型先验的理论,指出在一定条件下这两类先验模型对图像具有稀疏表示特性,因此可以用于图像超分辨率复原处理。说明了边缘保持和稀疏先验之间的关系,为复原中图像先验模型的选择提供了参考。仿真实验表明,合理选择图像的先验模型,可以显著提高图像复原效果。     

多信道图像盲复原算法

为充分利用观测图像中的信息及信息之间的互补性,提高图像复原的质量,提出了贝叶斯框架下的多信道图像盲复原算法。首先,建立原始图像、点扩散函数和观测图像的先验模型,由先验模型得到原始图像、点扩散函数和观测图像的先验概率;然后用伽马分布描述未知的模型参数;最后基于最大后验概率的推导,利用实证分析法估计原始图像和点扩散函数的最优值。实验结果表明,相比单信道的图像盲复原算法,多信道的图像盲复原算法可以得到更好的复原结果。同时,与某些经典的多信道图像盲复原算法相比,提出的算法在复原效果方面具有一定的优势。     

基于边缘增强算子的光谱保持型图像融合算法

通过分析比较多光谱与高分辨率图像间融合几种常用算法的原理及其优缺点,提出了一种基于边缘增强算子的光谱保持型融合算法,算法首先利用LOG算子对高分辨率图像进行高提升滤波,然后将滤波后高分辨率图像与原高分辨率图像的亮度的比值作为融合图像各光谱值的调节系数.实验结果表明,此算法具有很好的空间分辨率,同时又能较好地保持原有多光谱图像的光谱特性,取得了较好的效果.     

基于梯度投影的图像盲复原算法

为了利用多帧退化图像信息快速恢复出高质量的图像,提出了一种新的递归梯度投影多帧图像盲复原算法。该算法充分利用多帧图像的先验信息,首先给出一种能够有效抑制噪声放大的新的代价函数,然后通过梯度投影算法对新的代价函数进行最小化以推导出迭代公式,最后通过频率域多次递归迭代运算对退化图像进行复原。模拟实验结果证明该算法运算快速,对于不同高斯噪声级别和不同PSF衰退的图像,均能够清晰地恢复出图像细节特征、同时也能够准确地恢复出衰退PSF。     

基于Canny算法的改进型图像边缘检测算法

Canny算子是基于最优化算法的边缘检测算子,它具有很好的信噪比和检测精度,但是它使用的高斯滤波方法会造成图像的平滑和边缘的模糊,并且对脉冲噪声很敏感。探讨对Canny边缘提取算子的改进方法,提出了将改进的开关中值滤波算法应用于Canny算法的思想,使之提取出的边缘更加完整,并且有很好的噪声抑制效果。     

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.     

基于多种先验的盲图像复原方法

基于好的还原图像是倾向于清晰图像而不是模糊图像这样一个事实,提出了一种基于多种先验的有效的盲图像去模糊方法。目前比较好的去模糊方法对于特定场景图像的复原效果不理想,存在一些模糊,包括轮廓和细节表示不清晰。为解决这些问题,结合多个先验知识,包括暗通道先验、强度图像先验和梯度图像先验知识,并加以权衡,就可以在复原过程中为轮廓和细节提供更多的先验信息,并把这个先验知识放到MAP的框架中,通过不断地迭代得到估计模糊核,再利用非盲的图像复原方法对原图像复原。在泛化处理自然环境的多种场景中,本文方法相较于目前比较先进的方法,结果的轮廓和细节都有不错的提升。     

基于Log_Prewitt算子的边缘检测算法

本文介绍了一种边缘检测算子 ,即 L og_ Prewitt算子 .它不是直接对光强度 ,而是对光强的对数 (光密度 )作Prewitt边缘检测的新方法 .具有检测边界区域与光照强度无关、抗干扰性强、处理速度快、适于在线检测等优点 .     

一种基于通道差分先验的图像能见度检测算法

针对现有图像能见度检测算法准确率低的问题。本文提出一种基于通道差分先验的能见度检测算法。首先利用统一全景分割网络(UPSNet)分割图像,提取感兴趣区域(ROI)并计算其最小外接矩阵,其次,采用颜色恒常先验法计算最小外接矩阵的大气光值,使用通道差分先验法计算其透射率,并通过加权插值和引导滤波相结合的方法优化透射率。最后,计算被测图像和参考图像感兴趣区域的透射率比值,通过非线性拟合模块反演能见度。实验结果表明,本文算法的判定系数(R2)提高0.064~0.287,平均相对误差(MRE)较低,并且在曝光图像上具有良好的鲁棒性。     

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.     

基于暗原色先验的APEX图像复原算法

为满足有效性和处理速度的要求,结合暗原色先验的参数估计,将用于模糊处理的近似点扩展函数估计(APEX)用于天气退化图像复原。考虑到不同天气条件下、不同大小的图像其APEX参数不一致,算法能够针对不同浓度的沙尘、雾动态调整估计参数;而且与大多数多幅图像输入的复原方法不同,算法针对单幅图像进行处理。仿真结果表明算法具有很好的实用性。为进一步改善视觉效果,基于颜色恒常性能够均衡图像中光源颜色分量不均匀造成的影响,对复原图像进行了颜色恒常性处理。     

基于Split Bregman算法的图像复原

图像复原研究由来已久。一种比较传统的图像复原方法是假设系统的脉冲响应,即事先知道点扩散函数。然而,在大多数实际情况下,很难具体确定点扩散函数,我们仅能通过退化之后的图像来恢复图像,即图像盲复原法。图像盲复原法是在已经观测到的退化图像的基础上,根据特定条件建立合适的数学模型,从而在一定条件下获得最接近原始图像的逼近值。文章通过Split Bregman算法对灰度图和LAB图进行图像复原,并进行了对比实验。     

一种边缘优化的暗通道去雾算法

针对暗通道先验去雾算法大部分的时间都消耗在对透射率的优化上的问题, 对暗通道去雾算法进行了改进, 提出了边缘优化的暗通道去雾算法。使用边缘算子从粗略估计的透射率中提取边缘, 对边缘及周围扩展区域内的像素采用差值抠图法优化图像中场景深度变化明显的区域的透射率。实验结果证明, 边缘优化的暗通道去雾算法在得到与原始算法基本一致的去雾结果的同时, 平均计算时间仅为原算法时间的60%左右, 有效减少了计算量, 提高了去雾算法的运算速度。     

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.     

基于差分变异算子的烟花算法

烟花算法是受到烟花爆炸的启发而提出的群智能算法。在分析高斯变异算子不足的基础上,提出了一种基于差分变异算子的烟花算法（DEFWA）,并对最优烟花采用动态火花爆炸策略。在测试函数集上的实验表明,DEFWA算法在求解精度和收敛速度上优于多种改进型烟花算法。     

基于改进Canny算子与图像形态学融合的边缘检测方法

传统Canny算法采用高斯滤波会造成图像的过度光滑,容易导致缓变边缘的丢失,而且梯度幅值的计算方法没有充分考虑到3x3邻域内周围像素对中心像素的影响.针对上述存在的问题与不足,结合小波融合技术的优势,提出了一种基于改进Canny算子与图像形态学融合的边缘检测方法,利用改进的Canny算子和图像形态学分别对图像进行边缘检测,然后应用小波融合技术把两种方法检测出来的边缘进行图像融合,得到最终的图像边缘.仿真结果表明,该算法具有较好的抗噪能力,有效地提高了边缘检测的准确性和完整性.     

基于分数阶微分和Sobel算子的边缘检测新模型

现有的边缘检测算法对噪声敏感,检测到的图像边缘效果不够理想,得到的图像边缘有可能模糊不清。为了克服这些不足,以分数阶微分理论为基础,结合Sobel算子边缘检测方法,提出了一种基于分数阶微分和Sobel算子的边缘检测新模型。理论研究和实验结果表明,与现有方法相比较,该模型不仅能较好地提取图像边缘特征,而且对噪声具有一定的抑制作用;特别地,对于纹理细节较丰富的图像而言,该模型能够检测出更多的纹理细节信息,优于常用的整数阶微分方法,是一种有效的边缘检测方法。     

基于自然图像块相似性和稀疏先验性的图像复原

针对物体成像过程受光学系统散焦、运动、大气扰动及光电噪声等因素影响,导致光学系统获取的图像存在噪声、模糊、畸变等降质问题,对基于自然图像块相似性和自然图像稀疏先验信息的图像复原方法进行研究,提出一种泛化的基于图像块相似性和自然图像稀疏先验的图像复原框架。首先,在研究自然图像稀疏先验模型的基础上比较了几种图像块的相似性模型,比较结果表明在图像复原中利用图像块的高相似性先验条件模型能够提升图像复原的性能;接着,构建和优化了基于图像块的期望log相似性模型,减少了运行时间,简化了学习过程;最后,通过构建一种近似的最大后验估计（MAP）算法,最终实现了基于优化的期望块log相似性和混合高斯模型（GMM）的图像复原。仿真实验结果表明,所提方法能够很好地复原包含有各种模糊和加性噪声的退化图像,所得图像的峰值信噪比（PSNR）和结构相似度（SSIM）都优于当前技术条件下的其他稀疏先验复原方法,并具有更好的视觉效果。     

基于Fourier神经网络的图像复原算法*

由于退化图像的点扩散函数难以准确确定,提出一种基于Fourier正交基函数的前向神经网络图像复原模型,该模型以一组Fourier正交基为隐层神经元的激励函数,根据误差传递算法进行权值修正,达到收敛目标。给出Fourier神经网络及其相应的衍生算法的图像恢复实现步骤。实验表明,该方法能较好地实现图像的复原。