频域正则求逆小波域维纳滤波图像复原

采用频域正则化求逆和小波域维纳滤波去噪的方法对已知线性降晰模型的含噪图像进行图像复原。实验结果表明,本文算法的复原效果明显优于频域维纳滤波复原和小波域正则反卷积复原。     

基于小波域改进HMT模型的图像恢复算法

针对图像恢复中的边缘模糊问题,提出了一种基于小波域改进隐马尔可夫树( IHMT) 模型的图像恢复算法。IHMT模型更多描述了相邻尺度小波系数的互相关性,能准确刻画自然图像小波系数的统计特性。本文从图像恢复的贝叶斯框架出发,将简化的IHMT模型作为图像小波域的先验模型,构造正则化约束进行图像恢复。采用近似等价的方法,将含有混合密度的恢复方程简化为单一密度求解。实验结果表明,该算法能有效再现图像的边缘信息,提高峰值信噪比。     

基于TwIST-TV 约束的图像去模糊方法

传统的基于频域和小波域的去模糊算法所得的复原图像总是存在比较明显的边缘振铃及模糊效应,而较为有效的空域迭代优化去模糊算法速度通常比较慢。为了解决上述问题,提出了基于二步迭代阈值收缩（TwIST）与总变分（TV）约束相结合的图像去模糊算法（TwIST-TV）。首先在去模糊目标函数中加入对图像的TV 正则化约束,其次在对图像小波系数的每次二步迭代之前,加入对图像的TV 优化去噪约束,最后迭代获取去模糊图像。实验结果表明:相对于基于频域和小波域的模糊图像恢复算法,TwIST-TV 能有效抑制边缘模糊和振铃效应,复原图像的信噪比（SNR）、峰值信噪比（PSNR）高出1~7 dB,平均结构相似度指标（MSSIM）可高出0.05,相对于空域解卷积算法在保证求解精度相当的情况下具备6 倍以上的速度优势。     

基于自适应稀疏表示的被动毫米波图像恢复

为了克服傅立叶域和小波域正则化方法不能同时保持目标特征和有效滤除噪声的缺点,提出一种被动毫米波图像恢复的新方法。它利用稀疏表示表达信号灵活的特点,对逆滤波后的毫米波图像采用基于奇异值分解的K聚类(K-SVD)算法进行学习,自适应地得到图像恢复需要的基函数。与傅立叶域和小波域正则化方法相比,论文方法采用了自适应的处理方法,因此能够更好地保持目标特征,更有效地抑制噪声,进而更好地恢复图像。将论文方法用于被动毫米波仿真图像的恢复,得到了很好的结果。因此,它是一种有效的被动毫米波成像方法。     

交替使用小波去噪和全变差正则化的盲图像恢复算法

盲图像恢复就是在点扩散函数未知情况下从降质观测图像恢复出原图像.该文提出了一种交替使用小波去噪和全变差正则化的盲图像恢复算法.观测模型首先被分解成两个相互关联的子模型,这种分解转化盲恢复问题成为图像去噪和图像恢复两个问题,可以交替采用图像去噪和图像恢复算法求解.模糊辨识阶段,使用全变差正则化算法估计点扩散函数;图像恢复阶段,使用小波去噪和全变差正则化相结合的算法恢复图像.实验结果和与其它方法的比较表明该文算法能够获得更好的恢复效果.     

基于小波变换的盲图象恢复

提出一种基于小波分解的盲图象恢复算法。该算法根据图象小波变换各个子频段所具有的不同频率特性和不同的方向特性，对各子频段分别进行盲图象恢复；各子频段采用不同的正则化算子。实验结果表明该算法的盲图象恢复的性能优于空域算法。     

基于SWT自适应模糊萎缩的SAR图像降斑算法

提出了基于小波域高斯混合模型贝叶斯估计模糊萎缩的SAR图像降斑算法.该算法分析了SAR图像在平稳小波变换(SWT)域中的统计模型,并用高斯混合模型对其进行描述,推导出基于贝叶斯估计的信号最小均方误差(MMSE)的模糊萎缩因子.籍此再根据小波域相邻尺度间小波系数的相关性,采用分区域模糊萎缩思想,很好地得到无斑点真实信号小波系数的估计.仿真结果表明该算法在大大抑制斑点噪声的同时,有效的保持了边缘,其性能优于改进Lee滤波,小波软阈值和SWT萎缩降斑算法.     

基于特征脸空间的人脸图像恢复

本文提出一种基于特征脸空间新的正则化恢复方法,并用Cross-validation(交叉验证)法确定最优的正则化因子.特征脸空间包含的人脸信息可以补充不可辨识的模糊图像丢失的信息,交叉验证法能保证恢复结果忠实于原像.实验结果表明,用本文的方法与成熟的迭代法和正则化方法比较,不但以ISNR为标准,还是以人的主观感觉判断,本文的方法都要优于其他两种方法.而且,本文方法的恢复效果对图像的模糊程度依赖性较小,可以恢复严重模糊的图像.     

基于系数奇偶量化的图像水印算法

文中提出了一种新的基于系数奇偶量化的图像小波域数字水印算法,该算法首先对水印图像进行置乱处理,载体图像的小波变换系数经奇偶量化后,将置乱后的水印图像嵌入其中。算法对小波系数的奇偶量化性能在鲁棒性和水印的不可见性上进行了很好的折衷,实验表明该算法对载体图像的影响较小且具有很好的鲁棒性,可以有效地抵抗JPEG压缩、噪声干扰等常见的攻击。     

基于小波变换与模糊理论的医学超声图像增强与去噪方法研究

医学超声图像的增强与去噪一直是医学图像处理的重要课题,针对传统超声图像增强处理算法的不足,本文提出一种基于小波分析理论和模糊理论的超声图像增强与去噪算法,首先对医学超声图像进行对数变换,将乘性噪声转换成加性噪声;然后再对超声图像进行多尺度小波变换,得到图像的高频和低频小波系数;再对低频系数进行模糊域增强,对高频系数进行小波软阈值去噪;最后通过小波重构得到增强后的图像。实验证明,该算法能有效增强超声图像的视觉效果,去除噪声,具有一定的应用价值和意义。     

Adaptively regularized constrained total least-squares imagerestoration

In this paper, a novel algorithm for image restoration is proposed based on constrained total least-squares (CTLS) estimation, that is, adaptively regularized CTLS (ARCTLS). It is well known that in the regularized CTLS (RCTLS) method, selecting a proper regularization parameter is very difficult. For solving this problem, we take the first-order partial derivative of the classic equation of RCTLS image restoration and do some simplification with it. Then, we deduce an approximate formula, which can be used to adaptively calculate the best regularization parameter along with the degraded image to be restored. We proved that the convergence and the stability of the solution could be well satisfied. The results of our experiments indicate that using this method can make an arbitrary initial parameter be an optimal one, which results in a good restored image of high quality.     

基于小波去噪的T-ray图像复原

针对实时THz脉冲（T-ray）成像系统所成图像分辨率低、受l/f相关噪声干扰严重的特点,提出一种新的基于小波去噪的T—ray图像复原算法。对T-ray图像进行离散小波变换后,先利用广义交叉确认估计出各个分辨率层的噪声闽值,然后对每个分辨率层的高频子带进行迭代去噪,最后对去噪后的T-ray图像采用Jasson-Van-Cittert算法进行复原处理以提高分辨率。实验结果表明,该方法在提高T-ray图像分辨率的同时,能显著地抑制THz成像系统的l/f相关噪声。创新之处在于以广义交叉确认作为T-ray图像中l/f噪声的估计方法,大幅度提高了图像信噪比（-5dB）,避免了噪声带来的复原算法中的不适定问题,达到较好的图像复原效果。     

基于模糊PCNN的小波域超声医学图像去噪方法

在分析了斑点噪声和PCNN的特点的基础上,将PCNN引入到小波域中,并结合小波软阈值去噪思想,提出了基于PCNN的超声医学图像软阈值去噪方法(ST-PCNN),该方法的优点是实现了在小波域中利用PCNN来识别高频信号的小波系数,并采用相应的方法处理小波系数,改善了PCNN难以确定斑点噪声的位置和采用固定阈值造成高频信号损失的缺点,更好的保留了低于固定阈值的高频信号的小波系数;在此基础上,将模糊算法引入到PCNN模型中,进一步提出了基于模糊PCNN的小波域超声医学图像去噪方法(F-PCNN-WD),该方法利用模糊算法来去除PCNN点火过程中大于点火阈值的斑点噪声的小波系数,以更好的去除斑点噪声。实验结果表明,ST-PCNN和F-PCNN-WD方法不仅能够有效地去除噪声,而且能够很好的保留图像的边缘和细节信息。     

Spatially adaptive wavelet-based multiscale image restoration

In this paper, we present a new spatially adaptive approach to the restoration of noisy blurred images, which is particularly effective at producing sharp deconvolution while suppressing the noise in the flat regions of an image. This is accomplished through a multiscale Kalman smoothing filter applied to a prefiltered observed image in the discrete, separable, 2-D wavelet domain. The prefiltering step involves constrained least-squares filtering based on optimal choices for the regularization parameter. This leads to a reduction in the support of the required state vectors of the multiscale restoration filter in the wavelet domain and improvement in the computational efficiency of the multiscale filter. The proposed method has the benefit that the majority of the regularization, or noise suppression, of the restoration is accomplished by the efficient multiscale filtering of wavelet detail coefficients ordered on quadtrees. Not only does this lead to potential parallel implementation schemes, but it permits adaptivity to the local edge information in the image. In particular, this method changes filter parameters depending on scale, local signal-to-noise ratio (SNR), and orientation. Because the wavelet detail coefficients are a manifestation of the multiscale edge information in an image, this algorithm may be viewed as an "edge-adaptive" multiscale restoration approach.     

基于边缘恢复和伪像消除的正则化图像复原

由于各种原因复原图像不可避免地会存在一定程度的Gibbs效应、颗粒噪声及边缘振铃等伪像, 为此该文基于边缘恢复和消除伪像提出一种新的正则化图像复原方法。该方法在保留传统的平滑正则化约束项前提下, 首先将降质图像划分为边缘区、纹理区和平坦区, 然后以图像复原后边缘区局部方差的增加量构建正则化约束项作为对边缘恢复的约束, 而以平坦区局部方差的减少量构建正则化约束项作为对伪像消除的约束。实验结果表明, 在增加上述两个正则化约束项后其复原效果要明显优于传统的正则化复原方法。     

Optimal wavelet filter banks for regularized restoration of noisy images

Regularized image restoration methods efficiently handle the ill-posed problem of image restoration. Nevertheless, the issue of selecting the regularization parameter as well as the smoothing filter still constitutes an open research topic. A model of regularized image restoration is introduced and analyzed in this paper. The proposed model assumes that wavelet filter banks replace the smoothing filter of conventional regularized restoration. Filter factorizations for the optimal design of wavelet filter banks using the generalized-cross-validation (GCV) criterion are presented, and novel expressions of the influence matrix, which is used to calculate the GCV error, are derived. The error of the GCV method is expressed in terms of the modulation matrix of the filter bank and the modulation vector of the degradation filter. The expressions are given in general form for optimal wavelet filter bank design upon arbitrary sampling lattices. The numerical examples of image restoration using the proposed method that are presented indicate significant signal-to-noise ratio improvement, _SNR , compared to image restoration methods that employ the Laplacian as the smoothing filter.     

基于自蛇模型和小波分析的图像去噪

提出基于自蛇模型和小波分析的集成图像去噪算法,以及峰值信噪比、保护边缘指数的去噪性能综合评价指标。首先利用自蛇模型对含噪图像滤波,然后将处理后的图像进行小波分解,保持低频分量系数,对其高频分量再次利用自蛇模型去噪,最后对处理后的小波系数进行重构,得到去噪后的图像。实验结果表明,本文算法在去噪能力和和保护边缘能力两方面均好于自蛇模型算法和2次迭代自蛇模型算法。     

一种新的变分去噪模型定参方法

以全变分去噪模型为例,从梯度下降法解相应的欧拉方程着手,提出一种新的定参方法对图像进行去噪,根据新方法选取的参数,同时保证均值和方差估计式。且求解偏微分方程选取的初值不是噪声图像而是对噪声图像进行小波分解后,保留低频系数,只对高频系数设置阈值,再重构后的图像。根据新选取的初值对相应的偏微分方程进行差分迭代求解,数值仿真结果表明,该方法选取的初值具有更好的去噪效果。