一种空间自适应正则化图象盲复原算法

图象盲复原所面临的主要问题是可利用信息的不足，所以必须充分利用图象本身及成像系统的先验信息，为此，结合模糊先验辨识的思想，给出了一种新的空间自适应正则化算法，该算法先用交替最小化的迭代方法对模糊进行先验辨识，然后利用辨识结果，用各向异性扩散进行图象复原，算法充分利用了图象及成像系统（或点扩散函数PSF）的分段平滑特性，同时又利用各向异性扩散的概念，使得正则化不仅在程度上，而且在方向上都是空间自适应的，从而能够有效地进行图象盲复原，仿真结果表明，该算法的复原效果优于空间自适应各向同性正则化（SAR）算法，其收敛性能优于空间自适应各向异性正则化（SAAR）算法。     

各向异性扩散的图像复原

根据图像复原的性质和非线性约束的原理,提出了各向异性扩散的图像复原新算法。主要思路是根据图像的纹理和边缘结构中梯度特性,采用各向异性的自适应扩散,通过最小化能量方案来极小化代价函数,同时通过定点交替迭代策略将非线性方程进行线性化处理。实验结果表明文中方法能对模糊图像的进行有效复原,提高图像的质量。     

小波多尺度分析目标图像复原

为了有效复原模糊图像以得到可辨识的目标图像,需要根据目标图像的纹理特征来进行有约束的正则化复原。针对大尺度模糊图像的复原处理,通过分析常见的自适应正则化方法在抑制噪声及虚假波纹方面存在的问题,提出基于小波多尺度分析的正则化复原方法,该方法利用小波变换的多尺度分析技术直接分析模糊图像,结合形态学操作得到合理反映目标棱边分布的图像,并利用该图像加权调节正则化参数进行复原操作。实验表明该算法能够有效处理大尺度模糊,并能够较快地收敛到易于辨识的目标图像。     

基于正则化技术的超分辨图像盲复原

针对低分辨率图像盲复原中信息不足的问题,可以用正则方法来求解。假设点扩散函数结构已知而参数未知,模糊矩阵可表示为带参数的形式,在Nguyen等人的正则有参盲复原框架的基础上,进一步根据Roberts交叉梯度算子构造正则项,从自适应的角度构造正则化参数,并用迭代法求解该框架的目标泛函极小值。算法分析和实验结果表明,这种方法能取得令人满意的超分辨图像复原效果。     

基于压缩感知的自适应正则化磁共振图像重构

当前基于压缩传感理论的正则化磁共振(CS-MR)图像重构算法普遍采用全局正则化参数,不能很好地在保持边缘和平滑噪声方面做出平衡。为此,提出一种自适应的正则化CS-MRI重构算法。结合图像稀疏性和其局部光滑性的先验知识,采用非线性共轭梯度下降算法求取最优化问题,并在迭代过程中自适应地改变局部正则化参数。新的正则化参数可以更好地恢复图像边缘,并且有利于平滑噪声,使代价函数在定义域内具有凸性;同时先验信息包含于正则化参数中,以提高图像的高频成分。实验结果表明该算法能有效权衡恢复图像边缘和平滑噪声两者的关系。     

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.     

稀疏梯度先验模型的正则化图像复原

传统Lucy-Richardson(LR)算法是一种基于贝叶斯分析的图像复原迭代算法,对高信噪比的退化图像能获得很好的复原结果,但对噪声过于敏感,对低信噪比的退化图像在迭代过程中易造成噪声的放大,虽然有一些正则化方法应用到LR算法中来抑制噪声,但往往容易产生过度平滑的问题。针对这些问题将图像稀疏先验模型作为正则项引入到LR算法中,抑制噪声在迭代过程中的放大。与常规的图像梯度约束算法不同,本文算法中根据模糊图像梯度分布特点的不同提出了可变参数的图像稀疏梯度正则化约束方法,使复原图像的梯度分布参数在迭代过程中更趋近于真实梯度分布,同时通过调整正则项系数可以避免复原图像的过度平滑。实验结果表明,同标准LR算法和常规梯度约束算法相比,本文算法能够实现在抑制噪声放大的同时较好地保留图像的细节。     

融合学习算法的单帧图像超分辨率复原

为从高度降质的单帧图像中重建出高分辨率图像,提出了一个结合自适应正则化与学习算法的超分辨率复原方法。该方法基于图像的局部特征,实现了正则化方法动态自适应控制过程,优化了学习算法中的训练集、预测原则和搜索过程,以降低基准图相关性要求、提高搜索效率。仿真实验分步论证了该方法的有效性,以及对复原效果的提升。     

提升小波变换在NAS-RIF盲复原算法中的应用

针对采用非负支撑域受限递归逆滤波(NAS-RIF)算法对低信噪比图像进行复原时将导致算法性能恶化的问题,提出一种与提升小波变换相结合的NAS-RIF盲复原算法.首先对退化图像进行整数提升小波分解,得到不同频带子图像的信息;然后对各个频带子图像分别采用基于空间自适应和正则化方法的NAS-RIF算法进行复原,针对不同频带子图像的频率和方向特性,通过自适应地选取对应的正则化算子、正则化参数和空域加权因子,达到对低频子图像去模糊、对高频子图像抑制噪声,并保持边缘细节的目的;最后通过整数提升小波逆变换得到复原后的图像.在不同的信噪比条件下对2种模糊图像进行仿真实验,采用文中算法得到的信噪比增益分别为5.849 1dB和9.713 6dB.实验结果表明,文中算法不仅取得了更优的图像复原效果,而且具有较快的收敛速度.     

数字图像恢复的迭代投影正则化方法研究

图像恢复的目的是对模糊的图像进行处理,使它趋向于复原的或没有噪声影响的理想图像。研究图像恢复的迭代正则化方法,主要研究梯度法,特别是提出了求图像恢复的投影共轭梯度法。针对受大气扰动影响的遥感图像,根据梯度法使用MATLAB进行编程,对模糊且带噪音的图像进行恢复,并与经典的最小二乘法进行比较。     

同向平均梯度的各向异性扩散模型

遥感图像成像过程中经常会产生包括高斯噪声和椒盐噪声的图像噪声,这些噪声在很大程度上降低了图像的清晰度,影响了图像的实际应用。如何在有效的去除图像噪声的同时又能够很好的保留图像的纹理信息,成为遥感图像去噪追求的目标。针对林石算子和基于非线性小波阈值的各向异性扩散方程存在的不足,提出一种基于同向平均梯度值的各向异性扩散去噪模型,该模型克服了林石算子和基于非线性小波阈值的各向异性扩散方程无法去除强高斯噪声和椒盐噪声的不足,在有效去除遥感图像噪声的同时,很好的保持了图像的边缘和纹理信息。实验结果表明,提出模型的稳定性和有效性,并且去噪后的图像信噪比较林石算子和基于非线性小波阈值的各向异性扩散方程分别提高了24 dB。     

基于GPU的血管造影图像增强方法*

血管增强扩散算法遵循多尺度方法,利用非线性各向异性扩散方法进行血管增强,该方法在可视化不同半径的血管和增强血管外观上比现存的大部分方法都要好,但医学图像数据分辨率和灰度级都很高,多尺度选择和求解非线性各向异性扩散的偏微分方程时运算量很大,执行速率低,不适合实际应用。提出一种基于GPU(graphic processing unit)的血管造影图像增强方法,采用计算统一设备架构(CUDA)技术,利用像素的独立性和偏微分方程求解的并发性,实现了并行血管增强扩散算法。实验结果表明,该方法在保持血管增强效果一样的同时降低了处理时间,加速比达到27倍以上。     

相干光学系统图像复原的各向异性扩散方法

相干光学系统中图像噪声污染严重,提出一种基于各向异性扩散的图像复原模型,该模型的扩散系数从理论上满足Charbonnier等人提出的构造扩散系数准则,同时结合对数变换对相干光学图像进行复原去噪处理。实验结果表明,同SRAD、Lee、Frost、Non-local Means算法和基于小波的BLS-GSM、BM3D等方法相比,该算法可以更有效地进行边缘平滑,而且还能够较好地解决图像边缘和细节失真的问题,不论从PSNR,还是从视觉评价效果来看,该算法都具有一定的优越性。     

基于非凸的全变分和低秩混合正则化的图像去模糊模型和算法

非盲图像去模糊问题是从已知核的带噪声的线性卷积变换中恢复原始图像.如果噪声是满足高斯分布的,则可以直接使用最小二乘求解.然而在大多数情况下,去模糊问题都是高度病态的,直接求解无法做到.因此,通常的做法是通过抽取原始图像的已知统计先验信息进行正则化来帮助求解问题.两种常用的正则化是低秩和全变分.早期的相关工作单独使用这两种正则化.直到几年前,人们才考虑将这两种正则化结合起来.已有的结果表明,混合正则化模型比单一模型具有更好的性能.然而,目前的混合正则化方法只是采用凸方法,非凸的工作仍然是空白的.考虑到非凸正则化在很多种情况下都比凸正则化的效果要好,因此本文使用L1/2范数和Schatten-1/2范数提出了一种新的非凸混合模型.我们使用这两个非凸函数,因为它们的近端算子很容易计算.这种非凸混合正则化模型本质上是一个非凸线性约束问题,可以通过交替方向乘子法求解.然而,非凸性使得交替方向乘子法收敛十分困难.因此,我们转向求解原问题的惩罚问题.将交替最小化方法应用于惩罚问题就可以得到提出的算法,其中每个子步骤只涉及非常简单的计算.由于惩罚参数很大时,交替极小化算法速度会很慢,为了加速算法,针对惩罚参数我们使用了预热技术,即选取很小的初值但是在迭代过程中不断将参数增大.我们证明了该算法的收敛性.数值实验验证了本文提出的模型和算法的有效性.在非常温和的假设下,我们证明了算法的收敛性.数值实验验证了本文提出的模型和算法的有效性.     

各向异性导向滤波的红外与可见光图像融合

目的 针对红外与可见光图像融合时易产生边缘细节信息丢失、融合结果有光晕伪影等问题，同时为充分获取多源图像的重要特征，将各向异性导向滤波和相位一致性结合，提出一种红外与可见光图像融合算法。方法 首先，采用各向异性导向滤波从源图像获得包含大尺度变化的基础图和包含小尺度细节的系列细节图；其次，利用相位一致性和高斯滤波计算显著图，进而通过对比像素显著性得到初始权重二值图，再利用各向异性导向滤波优化权重图，达到去除噪声和抑制光晕伪影；最后，通过图像重构得到融合结果。结果 从主客观两个方面，将所提方法与卷积神经网络（convolutional neural network，CNN）、双树复小波变换（dual-tree complex wavelet transform，DTCWT）、导向滤波（guided filtering，GFF）和各向异性扩散（anisotropic diffusion，ADF）等4种经典红外与可见光融合方法在TNO公开数据集上进行实验对比。主观分析上，所提算法结果在边缘细节、背景保存和目标完整度等方面均优于其他4种方法；客观分析上，选取互信息（mutual information，MI）、边缘信息保持度（degree of edge information，Q^AB/F）、熵（entropy，EN）和基于梯度的特征互信息（gradient based feature mutual information，FMI_gradient）等4种图像质量评价指数进行综合评价。相较于其他4种方法，本文算法的各项指标均有一定幅度的提高，MI平均值较GFF提高了21.67%，Q^AB/F平均值较CNN提高了20.21%，EN平均值较CNN提高了5.69%，FMI_gradient平均值较GFF提高了3.14%。结论 本文基于各向异性导向滤波融合算法可解决原始导向滤波存在的细节"光晕"问题，有效抑制融合结果中伪影的产生，同时具有尺度感知特性，能更好保留源图像的边缘细节信息和背景信息，提高了融合结果的准确性。     

Fast Anisotropic Smoothing of Multi-Valued Images using Curvature-Preserving PDE's

We are interested in PDE's (Partial Differential Equations) in order to smooth multi-valued images in an anisotropic manner. Starting from a review of existing anisotropic regularization schemes based on diffusion PDE's, we point out the pros and cons of the different equations proposed in the literature. Then, we introduce a new tensor-driven PDE, regularizing images while taking the curvatures of specific integral curves into account. We show that this constraint is particularly well suited for the preservation of thin structures in an image restoration process. A direct link is made between our proposed equation and a continuous formulation of the LIC's (Line Integral Convolutions by Cabral and Leedom (1993). It leads to the design of a very fast and stable algorithm that implements our regularization method, by successive integrations of pixel values along curved integral lines. Besides, the scheme numerically performs with a sub-pixel accuracy and preserves then thin image structures better than classical finite-differences discretizations. Finally, we illustrate the efficiency of our generic curvature-preserving approach – in terms of speed and visual quality – with different comparisons and various applications requiring image smoothing : color images denoising, inpainting and image resizing by nonlinear interpolation.     

全局正定径向基函数在图像分割中的应用

将全局正定径向基函数和图像分割中基于偏微分方程水平集方法的发展方程相结合,提出了一种基于全局正定径向基函数的图像分割算法。用全局正定径向基函数插值发展方程中的水平集函数,得到的插值函数具有较高的精度和光滑性,克服了传统水平集方法中复杂费时的重新初始化过程和水平集对初始轮廓位置敏感等缺点,非线性发展方程最终被转化成常微分方程组并用Euler法求解。实验结果表明该算法不需要重新初始化过程,并且在没有初始轮廓时也能够快速正确地分割图像。     

Viscosity Solutions of a Level-Set Method for Anisotropic Geometric Diffusion in Image Processing

We discuss the existence of viscosity solutions for a class of anisotropic level-set methods which can be seen as an extension of the mean-curvature motion with a nonlinear anisotropic diffusion tensor. In an earlier work (Mikula et al. in Comput. Vis. Sci. 6(4):197–209, [2004]; Preusser and Rumpf in SIAM J. Appl. Math. 62(5):1772–1793, [2002]) we have applied such methods for the denoising and enhancement of static images and image sequences. The models are characterized by the fact that—unlike the mean-curvature motion—they are capable of retaining important geometric structures like edges and corners of the level-sets. The article reviews the definition of the model and discusses its geometric behavior. The proof of the existence of viscosity solutions for these models is based on a fixed point argument which utilizes a compactness property of the diffusion tensor. For the application to image processing suitable regularizations of the diffusion tensor are presented for which the compactness assumptions of the existence proof hold. Finally, we consider the half relaxed limits of the solutions of auxiliary problems to show the compactness of the solution operator and thus the existence of a solution to the original problem.     

基于小波维纳滤波和各项异性扩散的图像去噪

提出一种基于小波和各项异性非线性扩散的新图像去噪算法。小波域局部阈值维纳滤波是一种简单有效的去噪方法,利用该方法先对原始图像进行初步去噪,以此引导非线性扩散模型中的边缘检测函数,再用非线性扩散进行去噪。实验表明:该算法不仅很好地保存了图像的边缘信息,而且有效地去除了图像中的大部分噪声,无论是视觉效果还是客观标准上都优于单纯的小波域维纳滤波或各项异性非线性扩散去噪。