基于Richardson-Lucy算法的藏式壁画图像修复技术研究

藏式壁画作为我国壁画文化中的重要组成部分,是我国民族艺术的瑰宝。随着时间的不断推移,由于受自然环境与保存条件的影响,壁画图像会出现不同程度的损坏。传统壁画图像修复技术的成本较高,且在图像转换与结构分解方面存在一定的缺陷。基于此,笔者提出基于Richardson-Lucy算法的藏式壁画图像修复技术。首先,全面分析藏式壁画图像结构与特点,获取图像损坏的相关信息;其次,采用逆波预处理方式生成去噪的壁画图像,构建藏式壁画图像模糊模型,估计图像先验的模糊核;最后,采用Richardson-Lucy算法修复破损的藏式壁画图像。实验表明,该藏式壁画图像修复技术执行的时间较短,且图像修复后的峰值信噪比（Peak Signal to Noise Ratio,PSNR）较高,视觉效果更具有优势。     

基于EM算法的眼底OCT图像反卷积去模糊技术

光学相干层析成像技术（Optical coherence tomography,OCT）在视网膜检查中十分重要,然而在获取OCT图像时眼球运动或者散焦作用都可能引起图像的模糊,从而为临床诊断造成困难。因此,从模糊OCT图像中恢复出清晰图像的去模糊技术研究至关重要。本文结合OCT成像原理,提出了一种基于最大期望（Expectation-maximization,EM）算法的OCT图像反卷积技术。该技术能够在一定程度上抑制OCT模糊图像中异常值对复原图像的干扰,从而有效去除OCT图像中的模糊。将本文技术与多种现有广义图像去模糊技术进行了实验比较,结果表明本文提出的复原OCT图像的反卷积算法在眼底OCT图像去模糊的细节恢复方面效果较好。     

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。     

Gabor小波分解和增益图约束的荧光显微图像复原

对于含有泊松噪声的模糊荧光显微图像,Richardson-Lucy（RL）算法具有很好的复原效果,但经常伴有严重的振铃和噪声放大等现象。针对这一情况,在传统RL算法基础上,提出了一种新的图像复原算法,主要考虑两个方面,一是通过施加增益图约束,进而降低图像边界的对比度来抑制阶梯效应。二是将Gabor小波分解技术引入到每次迭代中,克服了复原过程中的噪声放大问题,同时能够多方向地提取图像特征,增加视觉上的清晰度。通过对参数的合理选择,获得最佳的复原效果,实验结果验证了该算法的有效性和可行性。     

图像去模糊算法在车载图像中的应用研究

文中首先对造成图像模糊的因素进行分析,介绍了现有模糊图像去模糊所采用的主要技术。接着,文中重点对车载模糊图像的去模糊问题进行研究,所设计的去模糊优化算法能够有效提高车载图像的去模糊效果。     

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。     

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。     

基于字典学习的遥感图像去模糊研究

对高分辨率遥感图像进行去模糊是遥感研究中的一个主要难题,针对此提出了一种新的基于稀疏表示的高分辨率遥感图像去模糊算法。该算法利用快速梯度投影算法实现去模糊,并且保留原图像的有用信息。通过对"高分一号"获取的遥感图像进行验证,表明该算法能较好地滤除遥感图像的模糊,提高图像的峰值性噪比,且比其他字典学习算法具有更好的性能。     

基于Abdou算子的空间自适应图像去模糊算法

在数字图像去模糊的正则化求解过程中,为了更好地保持图像的边缘和纹理,抑制振铃效应,需要结合图像不同空间位置的信息,自适应地调节正则化参数。通过引入Abdou算子计算图像中每个像素的梯度幅值,并考虑人类的视觉系统特性,构造出空间域上的加权矩阵s,从而对正则化参数自适应加权,并采用共轭梯度法进行去模糊求解。与Lagendijk提出的基于局部方差构造加权矩阵的复杂计算不同,基于Abdou算子求解的方法简单可行,去模糊效果良好。     

改进的RL模糊星图复原算法

研究了复杂工作环境对星敏感器成像的影响,总结了模糊图像退化与复原模型,并对经典RL模糊图像复原算法进行了分析.针对RL复原算法存在振铃效应的不足,提出了一种基于超拉普拉斯约束因子的RL复原算法.仿真结果表明:改进后的RL复原算法减弱了复原星图中的振铃效应,提高了复原星图的质量,为在复杂环境影响下星敏感器实现高精度星提取性能奠定了基础.     

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。     

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。     

基于时空混沌系统的图像分组加密算法

针对一般图像加密算法不能并行化运行的缺陷,提出一种新的基于耦合映象格子（CML）和分组加密技术的图像加密算法。首先对图像一部分进行分组,并迭代混沌系统,产生与图像分组数相同数目的混沌序列。使用混沌序列值与图像分组部分进行混合操作,其操作结果用来对图像另一部分进行加密。所提算法能够并行地实现图像加密,并可用于彩色图像加密。实验表明该加密算法计算简单,易于实现,密钥敏感性强,在安全性和效率上也有很好的表现。     

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。