优化重加权L1范数的图像盲复原算法

在单幅运动模糊图像的盲复原问题中,图像中强边缘部分的利用成为模糊核估计的关键所在.为此,本文提出了一种优化重加权L1范数的图像盲复原算法.首先,建立了基于加权L1范数的模糊核盲估计模型,并引入了一种图像平滑模型对权重进行优化估计,从而减少计算权重时受细小结构以及噪声的影响,其次,设计了模糊核盲估计模型求解的迭代收缩阈值数值算法,最后采用了一种基于超拉普拉斯先验的快速图像非盲复原算法对模糊图像进行复原.仿真和实际数据实验结果验证了本文算法的有效性.     

基于边缘信息的运动模糊图像的鲁棒盲复原

为获得适用于不同模糊图像且简捷的图像盲复原方法,提出了一种稳健的从单幅模糊图像中求取模糊核并对图像去模糊的图像盲复原方法。根据模糊图像与非模糊图之间的边缘关系求模糊核,并在多尺度框架下针对各个子算法设定自适应参数,从而构建一个稳健的图像盲复原方法。对复原结果用4种无参考的图像质量评价方法的评价结果显示,本文方法在噪声和...     

基于变分贝叶斯估计的相机抖动模糊图像的盲复原算法

在曝光过程中由于相机抖动而导致的运动模糊,是一种常见的图像降质现象。该文提出了一种基于变分贝叶斯估计和自然图像梯度统计特性的盲复原算法,用于恢复相机抖动模糊图像,同时针对图像复原过程中出现的振铃效应,设计了一种基于分区域检测和Fuzzy滤波器的去振铃效应方法。实验结果表明,该文提出的盲复原算法能够有效地去除图像中因相机抖动而产生的模糊,而且在保持图像边缘和细节的同时,可以较好地降低振铃效应对图像复原质量的影响。     

基于组合范数的单一方向运动模糊图像盲复原

运动模糊的盲复原是图像处理的一个重要领域.现有的滤波复原方法实现较为简单,但不能处理好复原过程的病态性,而传统的正则化盲复原方法虽然可以克服病态性,但在平衡抑制噪声和保留图像边缘信息的矛盾上还有待提升.本文针对正则化盲复原方法的不足,提出了基于组合范数的运动模糊盲复原方法,并根据单一方向运动模糊的方向和尺度特性,运用黄金分割搜索对模型进行了数值求解.模拟实验表明改进的模型和求解算法是可行的,其对单一方向运动模糊复原具有较好的适应性和收敛性,并且复原图像的峰值信噪比要优于维纳滤波复原算法和一般的TV正则化改进方法.     

基于图像先验和结构特征的盲图像复原算法

提出了一种基于图像先验和图像结构特征的盲图像复原算法,在模糊核未知的情况下,采用一系列离散化的模糊核参数对模糊图像进行非盲去卷积,得到一系列对应的复原图像。同时提出一种复原图像判决准则,对这一系列复原图像进行质量判决,从中得到最优的复原图像。最后在实验部分,通过对图像的测试表明,提出的盲图像复原算法能较准确的得到最优复原图像,复原效果在主观和客观标准上均有良好表现。     

湍流退化红外图像校正算法

针对高速湍流场引起的红外图像模糊问题,提出了一种基于改进增量Wiener滤波的复原校正算法.首先,基于先验知识对湍流退化图像的降晰函数进行辨识并得到复原图像的起始估计;其次,提取起始复原图像中的强边缘并平滑边缘区域;最后,利用改进的增量维纳滤波算法迭代复原图像.实验结果表明:该算法与传统的迭代盲复原算法及基于Fuzzy滤波器的后期去振铃算法相比,复原图像的振铃测度有较大下降,同时提高了复原图像的质量,降低了算法的时间复杂度.     

多约束的运动模糊图像盲复原方法

运动模糊图像的盲复原一直以来都是一个极具挑战的问题.为了能够准确地估计出运动模糊核(Motion Blur Kernel:MBK),进而得到高质量的复原图像,提出了一种基于正则化技术的多约束运动模糊图像盲复原方法.首先,为了能够准确地提取出图像中的大尺度边缘,提出了一种基于梯度选择的稀疏图像平滑方法;然后,在MBK的估计阶段,根据运动模糊核的内在特性,提出了一种多约束的正则化模型,同时结合提取的大尺度图像边缘,实现了对MBK的准确估计;最后,采用了半二次性的变量分裂策略对在模糊核估计阶段所提出的多约束正则化模型进行最优化求解,能够在准确估计MBK的同时得到高质量的复原图像.分别在人造的模糊图像和真实的模糊图像上进行了大量的实验,实验结果表明:提出的方法较近几年的一些代表性的较为成功的运动模糊图像盲复原方法相比,在主观的视觉效果和客观评价指标两方面都具有明显的改进.     

一种改进的全变差盲图像复原方法

当点传播函数未知或不确知的情况下,从观察到的退化图像中复原原始图像的过程称为图像盲复原.传统的图像盲复原算法常采用最小均方误差作为复原效果的评判准则,但它很少考虑人类视觉心理,而图像最终都必须由人类的视觉系统来观测和解释.因此,本文提出一种新的基于人类视觉特性的图像盲复原算法:它采用交替最小化的结构,在模糊辨识阶段,采用全变差正则化算法;在复原阶段,采用基于Weber定律和全变差正则化相结合的算法.仿真实验表明,这种算法可在未知点扩展函数的情况下取得较好的复原效果.     

基于分裂Bregman算法的单帧运动图像盲去模糊

提出一种基于分裂Bregman算法的单帧运动图像盲去模糊方法,该算法分为模糊核估计和图像复原两个阶段.在估计模糊核时,首先利用双边滤波器去除图像中的噪声,再采用改进的冲激滤波器对图像进行边缘增强,选取有用的边缘信息估计模糊核,并对估计出的模糊核进行修正,从而得到高质量的模糊核.图像复原阶段,利用分裂Bregman算法交替迭代得到去模糊后的图像.该算法具有降噪和边缘增强的功能,并能保持图像总变分不变,使图像复原效果更好且计算时间有大幅降低.     

多正则化混合约束的模糊图像盲复原方法

图像复原是一个长期的且极具挑战性的逆问题。为了实现模糊图像的盲复原,该文提出一种多正则化混合约束的模糊图像盲复原方法。首先,运用一种图像的局部结构提取策略(Local Structure Extraction Scheme, LSES)将图像中的大尺度图像边缘准确地提取出来。然后,在模糊核(Blur Kernel, BK)的估计阶段,将提取的大尺度图像边缘与前期研究中所提出的一种结合稀疏性和平滑特性的双重正则化约束模型相结合,实现模糊核更加准确的估计。在图像的复原阶段,为了得到高质量的复原图像,提出一种结合全变差(Total Variation, TV)模型和Shock滤波器不变特性的多正则化约束模型,从而实现模糊图像的清晰化复原。最后,通过半二次性的变量分裂策略对提出的模型进行最优化求解,能够在准确地估计出BK的同时得到高质量的复原图像。在人造的模糊图像和真实的模糊图像中进行了大量的实验,证明了所提方法的有效性,且与近几年的一些极具代表性的模糊图像盲复原方法相比,不仅主观视觉效果得到了显著的增强,而且客观评价指标也得到了明显的改进。     

基于总变分方法去噪的测地线活动轮廓的应用

传统的测地线活动轮廓（geodesic active contour）在目标轮廓的提取中虽然能使一条初始曲线朝着目标边界逼近,但是高斯平滑的各向同性性使得图像的边缘信息模糊甚至丢失,这样,曲线的演化过程会变得不稳定而导致演化速度变慢。据此,提出一种基于总变分方法的测地线活动轮廓模型。由于总变分方法可以在去除噪声的同时,对边缘的信息进行增强,实验证明该模型不但能够使曲线精准地收敛到期望轮廓上,且运算时间短。     

An edge fusion scheme for image denoising based on anisotropic diffusion models

In this paper, we propose an enhanced anisotropic diffusion model. The improved model can classify finely image information as smooth regions, edges, corners and isolated noises by characteristic parameters and gradient variance parameter. And for different image information the eigenvalues of diffusion tensor are designed to conduct adaptive diffusion. Moreover, an edge fusion scheme is posed to preserve edges after denoising by combing different denoising and edge detection methods. Firstly, different denoising methods are applied for noisy image to obtain denoised images, and the best method among them is selected as main method. Then edge images of denoised images are obtained by edge detection methods. Finally, by fusing edge images together more integrated edges can be achieved to replace edges of denoised image obtained by main method. The experimental results show the proposed model can denoise meanwhile preserve edges and corners, and the edge fusion scheme is accurate and effective.     

Split Bregmanized anisotropic total variation model for image deblurring

In this paper, an effective image deblurring model is proposed to preserve sharp image edges by suppressing the stair-casing arising in the total variation (TV) based method by using the anisotropic total variation. To solve the difficult L1 norm problems, the split Bregman iteration is employed. Several synthetic degraded images are used for experiments. Comparison results are also made with total variation and nonlocal total variation based method. Experimental results show that the proposed method not only is robust to noise and different blur kernels, but also performs well on blurring images with more detailed textures, and the stair-casing effect is well suppressed.     

基于运动估计的模糊图像盲复原

针对由于物体在不同方向移动速度不同导致退化的CCD图像空间移变特性的运动模糊,提出一种基于隔行扫描空间移变特性的CCD图像恢复方案。方法主要依据隔行扫描图像分为上下两场的特性,借助插值算法将单幅图像按场拆分为两幅存在时间差的图像,然后引入视频处理中基于图像序列确定运动向量的块匹配算法,估计模糊参数,从而实现应用图像序列算法估计单幅图像点扩散函数,最后利用最小二成方算法进行复原,其中引入了图像定向信息测量操作保持边缘。仿真实验结果表明,本文算法比以往算法具有大的信噪比(SNR)和图像保真度(IMFID),以及小的平均绝对差(ABSDIFF)和均方误差(MSE)。     

A no-reference sharpness metric based on the notion of relative blur for Gaussian blurred image

This work presents a no-reference sharpness metric for Gaussian blurred image. The metric is based on the notion of relative blur. The key concept is that the judgement on the sharpness closely relates to the degree of convenience for recognizing image objects on a certain scale. Based on this concept, the proposed metric is defined as relative blur with respect to certain object scale using an absolute blur measure. The object scale is characterized by a granularity analysis of image content. And the absolute blur is built on an analysis of edge local gray level distribution. The performance of the metric is tested and compared with some outstanding existing metrics in this field on three widely used databases. The experiment results show that the proposed metric can predict the sharpness of images in varying databases with high accuracy and reliability.     

动目标多视角观测图像的三维去模糊方法

当目标在多视角观测成像系统中有相对运动时,所获取的多观测点图像是模糊的且各视角图像的模糊是不一样的,模糊核长度和方向都不同。针对这一问题,提出了多视角观测图像的三维去模糊方法。现有的图像去模糊方法主要是对单视角观测图像进行二维去模糊的,没有考虑目标多视角观测图像的模糊核之间的对应关系。文中从三维空间到二维观测面的映射关系出发,建立多视角观测图像的模糊路径之间的对应关系。先采用单观测图像去模糊的方法获取两视角观测图像的模糊核,并对模糊核进行精确化处理,得到单像素点宽的模糊核路径。再通过多视角观测图像模糊核路径之间的对应关系,估计其它观测图像的模糊核路径。最后,对多视角观测图像进行统一去模糊,并对去模糊后的多视角观测图像进行三维重建。实验结果表明,文中方法能较好地去除目标多视角观测图像的三维模糊,提高了目标的三维重建质量。     

An adaptive two phase blind image deconvolution algorithm for an iterative regularization model

This paper proposes a blind image deconvolution method which consists of two sequential phases, i.e., blur kernel estimation and image restoration. In the first phase, we adopt the L₀-norm of image gradients and total variation (TV) to regularize the latent image and blur kernel, respectively. Then we design an alternating optimization algorithm which jointly incorporates the estimation of intermediately restored image, blur kernel and regularization parameters into account. In the second phase, we propose to take the mixture of L₀-norm of image gradients and TV to regularize the latent image, and design an efficient non-blind deconvolution algorithm to achieve the restored image. Experimental results on both a benchmark image dataset and real-world blurred images show that the proposed method can effectively restore image details while suppress noise and ringing artifacts, the result is of high quality which is competitive with some state of the art methods.     

Robust defocus blur identification in the context of blind image quality assessment

A defocus blur metric for use in blind image quality assessment is proposed. Blind image deconvolution methods are used to determine the metric. Existing direct deconvolution methods based on the cepstrum, bicepstrum and on a spectral subtraction technique are compared across 210 images. A variation of the spectral subtraction method, based on a power spectrum surface of revolution, is proposed and is found to compare favourably with existing direct deconvolution methods for defocus blur identification. The method is found to be especially useful when distinguishing between in-focus and out-of-focus images.     

多尺度卷积神经网络的噪声模糊图像盲复原

图像盲复原是从一幅观测的模糊图像恢复出模糊核和清晰图像,传统盲去卷积算法采用简化模型估计模糊核,导致预测模糊核与真实值误差较大,最终复原结果不理想。针对此问题提出一种基于改进残差模块的多尺度卷积神经网络模型,采用端到端模式,无需估计模糊核。提出了一种基于限制网络输入的改进Wasserstein GAN （WGAN）,增加了一层输入限制层,能够限定参数初始值,提高了网络收敛速度。设计了多重损失函数,融合了基于多尺度网络的感知损失和基于条件式生成对抗网络的对抗损失。实验结果表明:所提方法在定量和定性评价指标上优于已有的代表性方法,并且运行速度比相近算法快了4倍。     

TDI遥感图像中畸变像移模糊的去除

采用离轴三反射结构的大视场空间相机存在较大的光学畸变,导致引入时间延迟积分(Time Delay Integration, TDI)技术的面阵探测器在推扫成像时产生像移模糊。根据畸变引起的TDI成像退化原理,将畸变像移模糊转化为非均匀运动模糊,通过求解像移路径计算初始模糊核,将其作为先验信息,建立半盲复原模型进一步细化模糊核。利用初始模糊核复原的粗略图像边缘指导模糊核的细化,提出一种多方向权重异性的全变差模型提取图像结构信息。为了增强先验信息对模糊核细化的约束,构建了含有初始模糊核的正则项,使模糊核的估计不过度依赖于图像内容,采用多尺度迭代方法求解。最后用正则化约束的非盲反卷积方法去除图像模糊。实验结果表明:与现有的几种去模糊算法相比,所提方法的去模糊效果不仅清晰自然且对不同样本图像的模糊核估计更稳定。