基于NAS-RIF算法和神经网络的图像盲复原

在图像盲复原中,NAS-RIF算法在无噪情况下,能够得到较好的复原结果,但是对有观测噪声的图像复原效果不理想。而Hopfield神经网络有利于缓解图像复原过程中的震铃效应,但前提是知道退化图像的点扩展函数。将二者相结合提出一种基于NAS-RIF算法和神经网络的图像盲复原新算法,首先由NAS-RIF算法先估计出退化图像的点扩展函数,再利用Hopfield神经网络算法对其进行复原。实验结果表明,该算法具有较好的盲复原效果。     

基于NAS-RIF算法和神经网络的图像盲复原

在图像盲复原中,NAS-RIF算法在无噪情况下,能够得到较好的复原结果,但是对有观测噪声的图像复原效果不理想。而Hopfield神经网络有利于缓解图像复原过程中的震铃效应,但前提是知道退化图像的点扩展函数。将二者相结合提出一种基于NAS-RIF算法和神经网络的图像盲复原新算法,首先由NAS-RIF算法先估计出退化图像的点扩展函数,再利用Hopfield神经网络算法对其进行复原。实验结果表明,该算法具有较好的盲复原效果。     

一种改进的图像迭代盲反卷积算法

针对传统迭代盲反卷积算法收敛速度慢、容易出现解模糊等问题,提出一种改进的图像迭代盲反卷积算法。利用动量矩求解图像的有限支持域,在支持域中使频率域和空间域交替迭代,从而实现图像的盲复原。仿真结果表明,与传统迭代盲反卷积算法和基于小波变换的盲反卷积算法相比,该算法的收敛速度较快,具有较好的图像恢复效果。     

基于联合插值—恢复的超分辨率图像盲复原

常规的超分辨复原方法需要预知退化图像的点扩展函数,但实际应用中许多退化图像的点扩展函数是未知的,因此提出一种新的超分辨率图像盲复原算法,在点扩展函数未知或不确知的情况下对图像进行恢复。该联合插值—恢复的超分辨率图像盲复原方法,利用多信道盲复原估计未知的点扩展函数,迭代运用帧间相似性确定模糊特性,同时结合超分辨率方法得到高分辨率图像。实验结果表明,该算法能有效地实现超分辨率图像的盲复原。     

基于MAP估计的自适应光学图像非对称多帧盲复原

为了提高地基望远镜观测空间目标的分辨率,提出一种针对自适应光学图像的盲复原方法.利用多帧图像的盲解卷积作为高清晰复原的主要技术手段,在贝叶斯最大后验概率估计框架下推导出泊松噪声模型的通用代价函数;提出基于非线性方程寻优的代价函数求解方法,并将非对称迭代引入求解过程,避免求解陷入局部极值点,以保证复原结果的可靠性.实验结果表明,该方法对泊松噪声有较好的适应能力,能够有效地从多帧湍流降质图像中恢复出目标图像.     

基于多分辨率盲目去卷积的气动光学效应退化图像复原算法

为了有效地恢复气动光学效应退化图像．该文提出了一种基于两帧退化图像的多分辨率盲目去卷积复原算法．该算法在大气流场的光学退化模型未知的情况下，采用两帧退化图像数据来估计点扩展函数值．为了克服噪声的干扰，该文将点扩展函数非负性和光滑性约束转化为数学上可表达的惩罚项，融合到目标函数中，建立了一个基于各向异性调整的目标函数表达式，采用约束优化原理迭代估计点扩展函数值．同时，针对复原图像的快速需求，将多分辨率技术用在点扩展函数的最优估计和图像复原过程中，提出了基于图像多分辨率的盲目去卷积复原新算法．在微机上进行了一系列的图像恢复实验和对比分析，实验结果表明该文复原算法十分有效，在抑制噪声和提高复原速度方面取得了明显的效果．     

基于跨尺度低秩约束的图像盲解卷积算法EI北大核心CSCD

在模糊核未知的情况下对模糊图像进行复原称为盲解卷积问题,这是一个欠定逆问题,现有的大部分盲解卷积算法利用图像的各种先验知识约束问题的解空间.由于清晰图像的跨尺度自相似性强于模糊图像的跨尺度自相似性,且降采样模糊图像与清晰图像具有更强的相似性,本文提出了一种基于跨尺度低秩约束的单幅图像盲解卷积算法,利用图像跨尺度自相似性,在降采样图像中搜索相似图像块构成相似图像块组,从整体上对相似图像块组进行低秩约束,作为正则项加入到图像盲解卷积的目标函数中,迫使重建图像的边缘接近清晰图像的边缘.本文算法没有对噪声进行特殊处理,由于低秩约束更好地表示了数据的全局结构特性,因此避免了盲解卷积过程受噪声的干扰.在模糊图像和模糊有噪图像上的实验验证了本文的算法能够解决大尺寸模糊核的盲复原并对噪声具有良好的鲁棒性.     

图像的盲解卷积恢复

通常图像恢复方法均在成像系统的点扩展函数PSF已知下进行,实际上它通常是未知的。在PSF未知的情况下,盲解卷积是实现图像恢复的有效方法。该算法优点是,在对失真情况毫无先验知识的情况下,仍能实现对模糊图像的恢复操作。给出了利用MATLAB实现的图像恢复实例,并对恢复图像的失真情况做了改善。     

基于FFT的迭代盲反卷积图像恢复算法研究

迭代盲反卷积方法是同时估计出清晰图像和点扩展函数。该文主要是实现一种基于快速傅立叶变换的迭代盲反卷积算法。     

基于频域共轭梯度法的交替迭代复原算法研究

对迭代盲目去卷积复原方法进行了研究,提出了基于频域共轭梯度法的交替迭代优化复原算法,在频域上构造了关于目标图像和点扩展函数频谱的误差代价函数,将共轭梯度法引入到频谱误差代价函数的极小化过程中,并将空域非负性和频域带限等先验约束知识融合到对目标图像和点扩展函数的迭代交替优化估计过程中,取得了预期的复原效果,增强了算法的抗噪性和稳定性。在微机上进行了一系列的复原实验,实验结果表明算法复原效果好,抗噪能力强,速度较快,且能恢复具有复杂背景的目标图像。     

图像盲复原算法研究现状及其展望

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的研究。本文首先根据点扩展函数的特点，将图像盲复原算法分为单通道盲复原算法、空间不变多通道盲复原算法和空间变化图像盲复原算法等3种类型；然后讨论了3种算法的研究现状并指出了现有各种算法的优缺点，最后通过研究总结出以下结论：现有算法的改进以及新的算法研究、基于非线性退化模型的算法研究、去噪处理算法研究、实时处理算法以及算法的应用研究是今后进一步研究的发展方向。     

复小波域最大后验概率图像复原

提出了一种双树复小波变换域最大后验概率图像复原方法。该方法通过在最大后验概率图像迭代复原过程中构建噪声残差,并采用双树复小波变换零均值高斯模型对参差进行降噪处理,从而避免了原泊松最大后验概率图像复原过程中噪声放大的问题,实现了迭代复原的正则化目的。对比实验结果表明,该图像复原方法能很好解决恢复迭代中噪声放大的问题,同时,在视觉效果、PSNR、ISNR等指标上均比Wiener、Pisson-MAP等算法好。     

满足资源约束的图像复原算法的FPGA实现

提出了一种基于Van Cittert迭代方法对被乘性噪声污染的观测图像快速复原处理的FPGA电路实现方法。通过研究点扩展函数的对称性,将图像邻域内的像素进行分组滤波运算,明显减少了电路对乘法器数量的要求,有效地利用了FPGA的资源,适当地安排流水线和并行处理单元显著地提高了芯片的运行速度。实验结果表明,对于相同的图像复原处理任务,提出的电路结构需要的逻辑单元数量更少,时间消耗更短。     

消除噪声的ICA盲多用户检测

针对已有的基于独立分量分析（Independent Component Analysis,ICA）的盲多用户检测中为了便于分析经常将噪声信号忽略,从而造成系统检测性能下降的问题。提出了基于ICA的盲多用户检测的改进算法,该算法不仅能抑制远近效应和多址干扰,而且利用信号子空间和有效无偏估计原理可最大限度地消除被忽略的噪声,提高了系统的容量。通过Matlab实验仿真,验证了该算法的有效性和实用性。     

图像去噪中的有限元求解方法

提出一种图像去噪中的有限元求解方法.从P-M模型出发,利用双线性插值得到图像在任意点的灰度值,将该值作为初始条件,采用有限元法对模型进行分析求解.在相同的时间间隔与迭代次数的条件下,该方法的求解结果与传统的有限差分法相比,平滑去噪和保持边界的效果更好,峰值信噪比有较大提高.     

基于HMM与SVM的语音活动检测

工程机械强噪音环境下的噪声源较多,导致电话语音通话无法进行,且强噪声造成无效数据占用带宽。为此,提出基于隐马尔科夫模型(HMM)和支持向量机(SVM)的语音活动检测算法。该算法将提取的美尔频率倒谱系数特征向量输入到HMM识别器中,并通过Viterbi算法得到N维最佳识别结果,将其转换为SVM特征向量输入到SVM分类器中进行分类判别,得到判决结果。实验结果表明,该算法在机械工作噪音的情况下,语音检测率较静态统计类算法平均提高9%,比小波支持向量机方法提高11%,在驾驶室噪音的情况下比小波SVM方法有较小幅度的提高,但其增长速度较快,且比传统的统计类算法提高9%。     

基于双粒子群优化算法的图像盲复原

采用模糊图像与复原图像的均方误差作为优化的性能指标是传统的图像盲复原通常算法,复原结果常与人类主观视觉效果不一致。为进一步提高复原效果,本文结合反映人类视觉特性的Weber定律,提出一种改进的图像盲复原优化性能指标,并且采用双粒子群交替最小化算法进行求解,即在模糊辨识阶段,采用一个粒子群优化算法求解点传播函
数;在复原阶段,采用另一个粒子群优化算法求解复原图像。仿真实验表明,该算法比以前的算法有更好的复原效果。     

去除图像中高斯-脉冲噪声的有效方法

数字图像在获取和传输过程中常常会受到噪声的污染,有时会同时受到高斯噪声和脉冲噪声的污染。然而现有的去噪算法大多针对单一的高斯噪声或脉冲噪声,在处理混合噪声时无法取得令人满意的去噪效果。给出了一种去除数字图像中高斯-脉冲混合噪声的有效方法,去噪过程分为两个步骤：首先采用一种称为边界判定噪声检测的脉冲噪声检测方法检测出混合噪声中的脉冲噪声,对噪声图像作中值滤波后得到一幅受高斯噪声污染的过渡图像。然后用贝叶斯最小平方-高斯尺度混合模型对过渡图像进行滤波得到降噪后的图像。实验表明,同现有的其他去噪方法相比,该方法能够更有效地去除混合噪声。     

Improving Medical CT Image Blind Restoration Algorithm Based on Dictionary Learning by Alternating Direction Method of Multipliers

In this paper, the medical CT image blind restoration is translated into two sub problems, namely, image estimation based on dictionary learning and point spread function estimation. A blind restoration algorithm optimized by the alternating direction method of multipliers for medical CT images was proposed. At present, the existing methods of blind image restoration based on dictionary learning have the problem of low efficiency and precision. This paper aims to improve the effectiveness and accuracy of the algorithm and to improve the robustness of the algorithm. The local CT images are selected as training samples, and the K-SVD algorithm is used to construct the dictionary by iterative optimization, which is beneficial to improve the efficiency of the algorithm. Then, the orthogonal matching pursuit algorithm is employed to implement the dictionary update. Dictionary learning is accomplished by sparse representation of medical CT images. The alternating direction method of multipliers (ADMM) is used to solve the objective function and realize the local image restoration, so as to eliminate the influence of point spread function. Secondly, the local restoration image is used to estimate the point spread function, and the convex quadratic optimization method is used to solve the point spread function sub problems. Finally, the optimal estimation of point spread function is obtained by iterative method, and the global sharp image is obtained by the alternating direction method of multipliers. Experimental results show that, compared with the traditional adaptive dictionary restoration algorithm, the new algorithm improves the objective image quality metrics, such as peak signal to noise ratio, structural similarity, and universal image quality index. The new algorithm optimizes the restoration effect, improves the robustness of noise immunity and improves the computing efficiency.     

基于泊松-高斯混合噪声的最大似然改进算法

传统的图像复原算法仅针对高斯噪声进行处理,没有考虑高斯及泊松混合噪声污染。为此,引入泊松-高斯混合分布的成像模型,对基于混合模型的最大似然算法进行有效近似,在此基础上提出基于泊松-高斯混合噪声的最大似然改进算法,避免对噪声敏感性和PSF初始估计的依赖。实验结果表明,与原有算法相比,改进算法复原效果明显,且稳健性较好。