用多项式近似的图象逆滤波及空间移变系统图象的恢复

光(电)成像系统的特性会引起图象降质，但如果能够根据系统的传递函数确定其逆滤波函数，就可以对这种降质图象进行一定的恢复．为此，提出了一种用多项式近似的图象逆滤波的图象恢复方法，该方法就是首先将连续的逆滤波函数按泰勒级数展开，并用多项式来近似表示，通过对用多项式表达的用于图象恢复的逆滤波函数作反傅里叶变换，就可得到恢复图象在空间域中的近似运算公式，该运算是图象信号及其各阶导数的线性组合，而不是复杂的反卷积操作．同时还详细分析了方法的原理，并推导了算法公式，最后给出了空移不变和移变系统图象的恢复处理结果．实验表明，该方法特别适合于空间移变系统降质图象的恢复，如场曲恢复．     

保边缘的递归逆滤波盲目图像复原算法

为了对单帧气动光学效应退化图像进行有效恢复，对非负和支持域限制递归逆滤波（NAS-RIF）复原算法进行有效地改进，提出一种保边缘的递归逆滤波盲目复原算法。为了保存图像的细节信息，在代价函数中引入一个保边缘规整化惩罚泛函，采用线性快速搜索方法来寻找最优解。算法不需要图像支持域的先验信息，能够复原具有较复杂背景的目标图像。     

基于泰勒基函数的移动最小二乘法及误差分析

移动最小二乘法通常选用不超过m次单项式生成基函数空间,本文选用了以计算点(?)为平移点的泰勒基函数生成基空间.理论和数值试验发现:选用此种基函数后会降低形函数及导数计算的复杂性,并且有效减小广义逆矩阵的条件数,提高了计算效率同时增加了计算稳定性,并用该方法推导出移动最小二乘近似的收敛阶及误差主部.     

一种基于三角形网格的图像分块盲复原算法

针对图像分块方法恢复空间移变降质图像时存在严重的边界噪声,以及采用传统遗传算法进行图像盲复原时运算量大的问题,提出一种基于三角形网格的图像分块盲复原算法.根据图像的退化情况采用三角形网格划分图像子块,并利用微种群遗传算法和传统遗传算法交替进化的方式分别估计各图像子块以及各子块区域中点扩散函数的参数,同时对各图像子块的重叠部分进行边界修正.实验结果表明,与传统的图像分块遗传算法相比,该算法的运行时间和复原图像的边界寄生波纹都大为减少,图像的恢复质量有明显提高.     

基于改进约束最小二乘方法的图像复原算法

约束最小二乘方法（约束最小二乘方滤波器）在图像复原的应用过程中普遍只要求噪声方差和均值的知识,对处理的每一幅图像都能产生最优效果,因而得到了广泛应用。文中提出的图像复原算法就是基于约束最小二乘方法的,并对其进行了改进。通过实验证明,用该改进的图像复原处理方法复原的图像比用维纳滤波方法复原的图像更加平滑,复原图像的信噪比也更大。另一方面,改进的约束最小二乘方法复原的图像比平滑约束最小平方法复原的图像具有更加突出的边缘,而且同样具有更高的信噪比。适当应用该方法,能够体现出维纳滤波和平滑约束最小平方滤波这两种基本的约束最小二乘方滤波相结合的效果优势。     

基于改进约束最小二乘方法的图像复原算法

约束最小二乘方法(约束最小二乘方滤波器)在图像复原的应用过程中普遍只要求噪声方差和均值的知识,对处理的每一幅图像都能产生最优效果,因而得到了广泛应用。文中提出的图像复原算法就是基于约束最小二乘方法的,并对其进行了改进。通过实验证明,用该改进的图像复原处理方法复原的图像比用维纳滤波方法复原的图像更加平滑,复原图像的信噪比也更大。另一方面,改进的约束最小二乘方法复原的图像比平滑约束最小平方法复原的图像具有更加突出的边缘,而且同样具有更高的信噪比。适当应用该方法,能够体现出维纳滤波和平滑约束最小平方滤波这两种基本的约束最小二乘方滤波相结合的效果优势。     

由约束最小二乘方法改进的图像恢复方法

介绍了图像退化模型和约束最小二乘方法（包括参变维纳滤波方法和平滑约束最小平方滤波方法）。参变维纳滤波法和平滑约束最小平方滤波法在图像恢复的过程中分别有对图像锐化和平滑的作用。结合这两种方法的特点，本文由约束最小二乘方地方法推导出改进的图像恢复法。这种图像恢复方法具有前两种方法的优势。试验证明，用改进的图像恢复方法恢复图像比用参变维纳滤波法恢复的图像更平滑，信噪比更大；比用平滑约束最小平方滤波法恢复的图像的边缘更突出，有更好的视觉效果。     

基于约束最小二乘数字图像恢复

介绍了图像退化模型和约束最小二乘滤波器以及平滑约束最小二乘滤波器,并用MATLAB7.0实现约束最小二乘滤波恢复图像和平滑约束最小二乘滤波恢复图像。     

基于二阶加权差分的湍流退化图像快速复原

针对航天飞行器成像系统大气湍流扰动条件下退化图像的快速复原需求,对二维卷积理论进行了探讨,构造了移位算子。提出了基于二维卷积理论和移位算子的复杂背景图像大气湍流退化图像的相邻帧快速复原算法,该算法主要将基于二阶的加权差分极小作为空间相关性约束应用在湍流退化图像的复原校正过程中,自定义几个二阶加权差分项,推导了二阶加权差分算子矩阵快速构造的理论方法。在此基础上,将点扩展函数的非线性估计转化为基于递归迭代的线性方程快速求解,为大气湍流干扰所引起的退化图像的复原校正提供了一种快速的有效方法。实际场景大气湍流退化图像的复原校正实验结果表明,该方法对湍流退化图像的复原效果好,且算法稳定,速度较快。     

仿射运动模型下的图像盲超分辨率重建算法

研究利用帧间存在仿射运动的低分辨率图像序列重建出更高光学分辨率图像的盲超分辨率(BSR)问题。首先给出一种基于特征向量的模糊核零空间矩阵构造方法。将模糊的零子空间约束作为一项规整化泛函,提出一种非参数化模糊辨识、运动估计和图像重建三重耦合问题的联合迭代算法。该算法采用一个二层优化策略:先将三重耦合的BSR问题分解为关于模糊的二次型和关于运动参数与图像的非线性最小二乘(NLS)问题,再采用Gauss-Newton方法求解该NLS问题。仿真实验结果表明,文中提出的仿射变换下的BSR算法能对图像空间移变退化过程进行更为精确的建模,比纯平移BSR算法有更强的局部纹理恢复能力。最后通过真实车牌图像序列展示该算法的适用性。     

变化光照的对象图像合成

光照是真实感图形绘制和许多图像应用中的一个非常重要的因素.提出了一种完全基于图像的方法来反映光照变化在绘制对图像时的影响.所提出的方法不是直接去估计对象反射模型中的参数,或是去拟合BRDF函数,而是用奇异值分解(SVD)来拟合Lambertian 对象在光照和几何朝向变化情况下的所有图像集合.其中,光线方向的解析表达可以由样本图像、基图像以及已知类对象的图像集导出,对象在新的光线方向下的图像可通过适当地线性组合基图像而有效地绘出.另外,利用对SVD系数的线性插值可以生成反映对象几何朝向和光线变化的连续变形     

全局平滑和边缘保持的单幅图像去雾

针对现有基于暗原色先验理论的去雾方法在天空区域容易产生失真和边缘定位不准确的问题,提出了一种雾天图像直接去雾方法。根据雾天成像模型和空间变化图像复原思想,构建了数据项;通过深入分析天空区域产生失真的原因、透射率图像和复原图像的边缘特征,构建了约束项,并通过线性组合数据项和约束项,构建了一个能量泛函;利用分步梯度下降流法最优化该能量泛函,实现了复原图像的精确求解。实验结果表明,与传统方法相比,该方法不但能更好地抑制天空区域失真现象的产生,也能更精确地定位复原图像的边缘。     

云环境下基于秘密共享的海洋遥感影像认证方案

云存储模式的出现为海量海洋遥感影像的存储和管理带来了机遇,越来越多的用户选择将海洋遥感影像数据移植到云中,但云存储环境的开放性对海洋遥感影像数据的安全性提出了挑战。以保障云环境下海洋遥感敏感数据的安全性为前提,提出一种影像认证方案,将哈希函数与(k,n)门限秘密共享方法相结合,检测敏感区影像信息变化,并对加密前和恢复后的影像进行一致性验证,保护加密影像数据的机密性。同时,为避免n个子秘密中,因多于n-k个子秘密的篡改或丢失,造成敏感区影像不可恢复情况的发生,采用对敏感区影像进行分块的策略,对每个子影像块做进一步的秘密共享处理,以保证部分影像的无损恢复。实验对比分析表明,所提出的安全认证方案可以有效防止秘密恢复过程中的欺诈行为,同时可获得比传统方法更高的遥感影像云存储安全性。     

有损压缩的视频图像去雾算法

传统的去雾算法对一般工业采集的有损压缩视频图像进行去雾,不仅不能满足实时性要求,而且会形成许多不规则区域,造成去雾后出现很多颜色不均匀的杂点区域,去雾效果不理想。文中提出利用小波变换可将图像分成高频和低频子带这一显著特点来帮助找出这些不规则区域,从而对不规则区域的透射率进行处理,再采用暗原色先验算法实现图像复原以后,消除颜色不均匀现象,最终对有损压缩图像获得理想的去雾效果。同时针对传统暗原色先验方法中的抠图算法需要耗费大量运算的问题,提出结合线性内插值平滑和阈值复原的方法代替抠图算法,有效减少存储容量,缩短计算时间,提高算法的实时性。仿真结果证明文中算法的有效性。     

空间约束的无人机影像SURF特征点匹配

与普通场景图像相比,无人机影像中纹理信息较丰富,局部特征与目标对象“一对多”的对应问题更加严重,经典SURF算法不适用于无人机影像的特征点匹配.为此,提出一种辅以空间约束的SURF特征点匹配方法,并应用于无人机影像拼接.该方法对基准影像整体提取SURF特征点,对目标影像分块提取SURF特征点,在特征点双向匹配过程中使用两特征点对进行空间约束,实现目标影像子图像与基准影像的特征点匹配;根据特征点对计算目标影像初始变换参数,估计目标影像特征点的匹配点在基准影像上的点位,对匹配点搜索空间进行约束,提高匹配速度与精度;利用点疏密度空间约束,得到均匀分布的特征点对.最后,利用所获取的特征点对实现无人机影像的配准与拼接,通过人工选取均匀分布的特征点对验证拼接精度.实验结果表明,采用本文方法提取的特征点能够得到较好的无人机影像拼接效果.     

亮度—梯度联合约束的车牌图像超分辨率重建

目的 受成像距离、光照条件、动态模糊等因素影响,监控系统拍摄的车牌图像往往并不具备较高的可辨识度。为改善成像质量,提升对车牌的识别能力,提出一种基于亮度与梯度联合约束的车牌图像超分辨率重建方法。方法 首先充分结合亮度约束和梯度约束的优势,实现对运动位移和模糊函数的精确估计;为抑制重建图像中的噪声与伪影,基于车牌图像的文字化特征,进一步确定了亮度与梯度联合约束的图像先验模型。结果 为验证该方法的有效性,利用监控系统获得4组车牌图像,分别进行模拟和真实的超分辨率重建实验。在模拟实验中将联合约束图像先验重建结果与拉普拉斯、Huber-Markov（HMRF）以及总变分（TV）先验的处理结果进行对比,联合约束先验对车牌纹理信息的恢复效果优于其他3种常见图像先验;同时,在模拟和真实实验中,将本文算法与双三次插值、传统最大后验概率、非线性扩散正则化和自适应范数正则化方法的超分辨率重建结果进行比较,模拟实验的结果表明,在不添加噪声情况下,该算法峰值信噪比（PSNR）和结构相似性（SSIM）指标分别为35.326 dB和0.958,优于其他4种算法;该算法在真实实验中,能够有效增强车牌图像纹理信息,获得较优的视觉效果,通过对重建车牌图像的字符识别精度比较,本文算法重建结果的识别精度远高于其他3种算法,平均字符差距为1.3。结论 模拟和真实图像序列的实验结果证明,基于亮度—梯度联合约束的超分辨率重建方法,能够降低运动和模糊等参数的估计误差,有效减少图像中存在的模糊和噪声,提高车牌的识别精度。该算法广泛适用于因光照变化、相对运动等因素影响下的低质量车牌图像超分辨率重建。     

基于变分的图像恢复算法及收敛性

提出了一种保持边缘的正则化图像恢复算法,该方法可有效地用于求解线性逆问题的 非凸优化过程.通过对正则化函数及相应泛函性质的理论分析,得出了使泛函达到最小的正则 化函数表达式;引入一个与原非凸泛函相应的二元泛函,将非凸优化问题转化为本质上的凸优 化问题,采用松弛迭代算法获得非凸优化问题的局部极小解;证明了所提出的算法是全局收敛 的.通过实验验证了算法的有效性.     

Color recovery of black-and-white halftoned images via categorized color-embedding look-up tables

A new method of recovering the original colors of black-and-white (B&W) halftoned images with homogeneous dot patterns is proposed. The conventional inverse halftoning method, which uses a look-up table (LUT), can establish the relation between the halftoned patterns and the corresponding gray levels, while the conventional reversible color to gray conversion method can recover the original colors from a given color-embedded gray image. To accomplish our goal of original color recovery from B&W halftoned patterns, an approach of combining the conventional inverse halftoning and reversible color to gray conversion is presented in this paper. Differently from the conventional method of inverse halftoning via LUT, four LUTs categorized according to the red, green, blue, and gray reference colors are designed to more accurately map a specific B&W halftone pattern into the corresponding color-embedded gray level based on the observation that the shapes of the halftone patterns depend on input colors, thereby increasing the color recovery accuracy. Also, a color mapping method based on a linear regression which models the relation between the recovered colors and the original colors is introduced to adjust the initially recovered colors more closely to the original colors. Experimental results show that unknown original colors can be recovered from B&W halftoned images via the proposed method.     

约束恒模医学CT图像盲均衡算法

为了改善图像的峰值信噪比,提高算法的可靠性和恢复效果,利用线性变换将图像的恢复过程等效为一维盲均衡运算,建立了医学CT图像约束恒模代价函数,并分析了其凸性,提出一种基于信号降维处理的医学CT图像盲均衡算法。仿真结果验证了算法的有效性,新算法的迭代过程避免了矩阵逆运算,提高了运算效率。