Blind motion image deblurring using an effective blur kernel prior

Multimedia Tools and Applications - Blind image deblurring, i.e., reconstructing a sharp version of a blurred image, is generally an ill-posed problem, as both the blur kernel and the sharp image...     

Blind image deblurring via L1-regularized second-order gradient prior

Multimedia Tools and Applications - The blind image deblurring is to find the underlying true image and the blur kernel from a blurred observation. This is a well-known ill-conditional problem in...     

Non-uniform image deblurring using an optical computing system

Removing non-uniform blur caused by camera shaking is troublesome because of its high computational cost. We analyze the efficiency bottlenecks of a non-uniform deblurring algorithm and propose an efficient optical computation deblurring framework that implements the time-consuming and repeatedly required modules, i.e., non-uniform convolution and perspective warping, by light transportation. Specifically, the non-uniform convolution and perspective warping are optically computed by a hybrid system that is composed of an off-the-shelf projector and a camera mounted on a programmable motion platform. Benefitting from the high speed and parallelism of optical computation, our system has the potential to accelerate existing non-uniform motion deblurring algorithms significantly. To validate the effectiveness of the proposed approach, we also develop a prototype system that is incorporated into an iterative deblurring framework to effectively address the image blur of planar scenes that is caused by 3D camera rotation around the x-, y- and z-axes. The results show that the proposed approach has a high efficiency while obtaining a promising accuracy and has a high generalizability to more complex camera motions.     

分区域去运动模糊

去运动模糊一直是计算机视觉领域中面向画质增强的一个热点研究方向。模糊核的估算是去运动模糊中的关键问题。提出一种新的思路,即首先将模糊图像按照模糊核的相似度进行图像分割,再对分割后的图像应用空间不变去模糊算法。本文方法主要包含以下几个步骤:分离输入图像中的光照、颜色和纹理信息;分割图像;分区域估算模糊核,计算重叠区域模糊核,并根据计算出的模糊核进行分区域单核去模糊;利用重叠区域整合拼接去模糊结果并还原光照和颜色信息。实验结果表明本文方法比基于单核的去运动模糊算法效果要好。     

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。     

基于Richardson-Lucy的图像去模糊新算法

针对传统的Richardson-Lucy(RL)算法存在振铃效应和噪声放大等问题,提出了一种基于RL的图像去模糊新算法,通过在迭代过程中引入增益图(GainMap),降低了复原图像的对比度,阻止迭代过程振铃效应的传播和噪声的进一步放大。详细讨论了引入的增益图的不同参数选择对去模糊结果的影响,通过选取合理的参数得到最佳的结果。实验结果验证了该算法抑制振铃效应的有效性,同时它很好地保留了图像细节,对含有噪声的模糊图像也有很好的复原效果。     

基于自适应残差的运动图像去模糊

针对当前运动图像去模糊网络忽略了运动模糊图像的非均匀性,不能有效地恢复图像的高频细节及去除伪影等问题,在对抗网络基础上提出一种基于自适应残差的运动图像去模糊方法.在生成网络中构造由形变卷积模块和通道注意力模块组成的自适应残差模块.其中,形变卷积模块学习运动模糊图像特征的形变量,可以根据图像的形变信息动态调整卷积核的形状...     

拉普拉斯与双边滤波的图像去运动模糊算法

运动模糊图像盲复原是图像复原中的关键问题之一,由于模糊信息的复杂性以及图像噪声的影响,导致复原的结果有振铃效应.为解决这些问题,提出基于拉普拉斯先验的改进算法.在原有的模糊核估计过程中,引入拉普拉斯锐化增强,增强图像的边缘信息,达到改善模糊核估计结果的目的.在复原时,针对图像振铃噪声,引入了双边滤波,抑制该噪声对复原结果的影响,进一步改善复原图像的质量.与三种现有图像去模糊算法相比,该方法能更准确地估计模糊信息,对图像复原具有更好的鲁棒性.     

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。     

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。     

基于多种先验的盲图像复原方法

基于好的还原图像是倾向于清晰图像而不是模糊图像这样一个事实,提出了一种基于多种先验的有效的盲图像去模糊方法。目前比较好的去模糊方法对于特定场景图像的复原效果不理想,存在一些模糊,包括轮廓和细节表示不清晰。为解决这些问题,结合多个先验知识,包括暗通道先验、强度图像先验和梯度图像先验知识,并加以权衡,就可以在复原过程中为轮廓和细节提供更多的先验信息,并把这个先验知识放到MAP的框架中,通过不断地迭代得到估计模糊核,再利用非盲的图像复原方法对原图像复原。在泛化处理自然环境的多种场景中,本文方法相较于目前比较先进的方法,结果的轮廓和细节都有不错的提升。     

Computationally efficient image deblurring using low rank image approximation and its GPU implementation

This paper presents a computationally efficient technique for reduction of blur caused by handshakes in images captured by mobile devices. This technique uses a short-exposure or a low-exposure image that is captured at the same time a normal or auto-exposure image is captured. The short-exposure image is enhanced by utilizing low rank image approximation of the auto-exposure image without requiring any user specified parameters. Based on the three quantitative measures of image quality, it is shown that this technique outperforms similar techniques used for image deblurring while it also offers computational efficiency. A GPU implementation of this technique is also reported.     

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。     

图像分解与色彩先验下的多曝光图像融合

目的 多曝光图像融合（multi-exposure fusion，MEF）是利用一组不同曝光度的低动态范围（low dynamic range，LDR）图像进行合成，得到类似高动态范围（high dynamic range，HDR）图像视觉效果图像的过程。传统多曝光图像融合在一定程度上存在图像细节信息受损、边界不清晰以及部分色彩失真等问题。为了充分综合待融合图像的有效信息，提出了一种基于图像分解和色彩先验的双尺度多曝光图像融合方法。方法 使用快速导向滤波进行图像分解，分离出细节层对其进行增强处理，保留更多的细节信息，同时减少融合图像的光晕伪影；根据色彩先验，利用亮度和饱和度之差判断图像曝光程度，并联合亮度与饱和度之差以及图像对比度计算多曝光图像融合权重，同时保障融合图像的亮度和对比度；利用导向滤波对权重图进行优化，抑制噪声，增加像素之间的相关性，提升融合图像的视觉效果。结果 在24组多曝光图像序列上进行实验，从主观评价角度来看，该融合方法能够提升图像整体对比度及色彩饱和度，并兼顾过曝光区域和欠曝光区域的细节提升。从客观评价标准分析，采用两种不同的多曝光图像序列融合结果的质量评估算法，评价结果显示融合性能均有所提高，对应的指标均值分别为0.982和0.970。与其他对比算法的数据结果比较，在两种不同的结构相似性指标上均有所提升，平均提升分别为1.2%和1.1%。结论 通过主观和客观评价，证实了所提方法在图像对比度、色彩饱和度以及细节信息保留的处理效果十分显著，具有良好的融合性能。     

基于小波和维纳图像复原的像移补偿方法

提出一种基于小波变换和维纳滤波相结合的图像复原方法,有效地消除了航空成像系统的像移模糊.该算法先在小波变换的基础上对各个子频段的小波系数进行维纳滤波,以达到更好的消除模糊的目的.然后对维纳滤波后的图像进行小波逆变换,得到复原图像.经实验验证该算法对因前向像移造成的图像模糊有比较好的复原效果.     

改进的基于二阶互信息的配准技术

着重分析讨论了灰度级别、邻域信息对基于二阶互信息的配准技术的影响,通过实验分析得到在PV插值基础上最佳的灰度级别、邻域信息,从而改进了基于二阶互信息的配准技术,并借助分析噪声对配准的影响来解释相关结论。     

A new digital image registration algorithm based on the double spatial intensity gradients using pyramids

The new mathematical model for image registration is based on the double spatial intensity gradients. For high precision, the algorithm for image registration using pyramids is presented, which has a better results with the double-gradient registration than the mono-gradient registration.     

基于结构重参数化的太阳斑点图像弱监督去模糊方法

针对云南天文台拍摄的模糊太阳斑点图像使用有监督学习模型进行重建时容易产生伪像、训练时间长、重建结果过分依赖参考图像等问题,提出一种基于结构重参数化与多分支模块相结合的弱监督去模糊方法重建太阳斑点图。首先,结合单尺度与多尺度网络设计去模糊模型,在模型中构造多分支模块提取不同尺度的特征,增强细节信息,减少伪像生成;其次,对每个分支结构进行重参数化,使得结构参数的重用贯穿整个特征提取过程,节省计算时间;之后,将去模糊模型分别嵌入退化学习与逆退化学习的弱监督训练中,先对模糊图像进行等级划分,利用退化模型分别学习不同等级的退化,构成对应等级的配对数据集,再使用去模糊模型对数据集进行逆退化,实现太阳斑点图的重建。实验结果表明,该方法与现有深度学习去模糊方法相比,模型训练效率更高,对参考图像的依赖较小,能够满足太阳斑点图像高分辨率重建要求。     

基于目标图像先验信息的无监督多聚焦图像融合

多聚焦图像融合（MFIF）是从不同源图像中获取聚焦区域,以形成全清晰图像的一种图像增强方法。针对目前MFIF方法主要存在的两个方面问题,即传统的空间域方法在其融合边界存在较强的散焦扩散效应（DSE）以及伪影等问题;深度学习方法缺乏还原光场相机生成的数据集,并且因需要大量手动调参而存在训练过程耗时过多等问题,提出了一种基于目标图像先验信息的无监督多聚焦图像融合方法。首先,将源图像本身的内部先验信息和由空间域方法生成的初始融合图像所具有的外部先验信息分别用于G-Net和F-Net网络输入,其中,G-Net和F-Net网络都是由UNet组成的深度图像先验（DIP）网络;然后,引入一种由空间域方法生成的参考掩膜辅助G-Net网络生成引导决策图;最后,该决策图联合初始融合图像对F-Net网络进行优化,并生成最终的融合图像。验证实验基于具有真实参考图像的Lytro数据集和融合边界具有强DSE的MFFW数据集,并选用了5个广泛应用的客观指标进行性能评价。实验结果表明,该方法有效地缩短了优化迭代次数,在主观和客观性能评价上优于8种目前最先进的MFIF方法,尤其在融合边界具有强DSE的数据集上表现得更有优势。     

基于暗原色先验模型的快速去雾算法

为了实时地消除图像中的雾气,提出了一种基于暗原色先验理论的快速去雾算法.改进了透射率修复方法,显著地减少了算法的计算量;通过自适应调节透射率下限值和大气光成分值,扩大了去雾处理的适用范围;对复原的图像进行增强处理,改善了复原图像的整体视觉效果.实验结果表明,本文算法能有效地去除图像中的雾气,同时提高了算法的处理速度,有利于算法的实时实现.