混合正则化约束的湍流退化图像复原算法

针对大气湍流引起的红外图像模糊问题,提出一种基于混合正则化的模糊核估计模型。根据图像主要边缘的稀疏性,采用图像梯度的L0范数为正则化项;通过分析模糊核的特性,提出能适用于复杂模糊情况的核L0-L2范数正则化约束。复原模型的优化过程中,结合变量分裂策略和增广拉格朗日法交替估计图像和模糊核,并利用快速傅里叶变换,实现模糊核的快速、准确估计;最终根据估计的模糊核,复原得清晰图像。实验结果表明,本文算法可以更好地复原退化图像,在主观视觉和客观质量评价方面都有所提高。     

凹凸范数比值正则化的快速图像盲去模糊

模糊图像可表示为清晰图像和模糊核函数的卷积,由模糊图像恢复出清晰图像,需要同时估计模糊核和清晰图像,因此是一个病态问题.优化含有先验项的代价函数是求解病态问题最有效方法之一.针对图像盲去模糊问题,本研究提出具有更强稀疏表达能力的凹凸范数比值正则化先验项,在用变量分裂法求解模型时,提出用L1范数保真项更新估计图像,在更新模糊核时,提出使用线性递增权重参数对模糊核按多尺度方法由粗到细逐步估计,当获得模糊核后,利用封闭阈值公式估计清晰图像.该方法能快速得到高质量的清晰图像,实验结果验证了模型的有效性和算法的快速性.     

基于降质信息估计的盲图像复原算法

针对低质量图像的复原重建问题,提出了一种基于降质信息估计的盲图像复原算法.该算法主要包括噪声估计网络、模糊核估计网络和重建网络3部分.首先分别通过噪声估计网络和模糊核估计网络,对图像噪声水平和模糊核进行估计;其次,将估计所得噪声水平和模糊核作为降质信息,并联合待处理的低质量图像一起输入重建网络,以帮助获得更好的重建效果...     

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。     

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。     

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。     

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.     

基于各向异性总变分的运动模糊盲复原方法

针对目前运动模糊图像盲复原算法对图像边缘中 拐角结构复原不佳这一问题,提出了一种以各向异性总变分为图像和模糊核正则项的遥感图 像盲 复原方法。为便于进行数值计算,采用交叉算法和分裂布雷格曼迭代导出了本文提出的盲复 原方法的迭 代公式。实验结果表明,与基于同向异性总变分的盲复原方法以及基于小波框架的盲复原方 法相 比,本文方法不仅能估算出较精确的点扩散函数(PSF,point sp read function),有效地 去除图像的模糊效应,而且对图像边缘结构特别是拐角边缘结构的增强有着独特的优势。     

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...     

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。     

Motion blur kernel estimation in steerable gradient domain of decomposed image

Blind deblurring, typically underdetermined or ill-posed problem, has attracted numerous research studies over the recent years. Various priors of either the image or the blur kernel are proposed to establish various regularization models to estimate the blur kernel. And sharp edges are often employed as an important clue to recover the blur kernel. However, due to the harmful effects caused by textures and various artifacts, sharp edges are not always beneficial to the kernel estimation. To address this problem, this paper presents a step-edge based blind image deblurring algorithm using steerable gradients. The proposed algorithm adopts a coarse-to-fine multiscale framework with step-edge restoration, kernel estimation and latent image estimation. In each scale, the step-edges are detected and refined through fast image decomposition and thresholding on steerable gradients, while the kernel and latent image are estimated by minimizing the quadratic energy functionals with steerable gradients. Because each of the minimizing functional has a closed-form solution, and can be implemented by using FFTs, our algorithm is also very fast. Experimental results on both synthetic and real data demonstrate that our method outperforms most existing single image blind deblurring methods.     

基于有理数多项式先验模型的图像盲去模糊

图像盲去模糊问题是当今图像处理领域的热点问题之一.基于混合高斯先验模型的变分贝叶斯去模糊算法可以有效地复原模糊图像,成为一种重要的图像去模糊算法.虽然混合高斯先验模型可以很好地逼近自然图像的梯度分布,但是该模型在图像梯度值较大处往往会产生过拟合导致去模糊后的图像产生振铃效应,严重影响了图像可读性.利用有理数多项式先验模型代替混合高斯模型逼近自然图像的梯度分布,克服算法的上述缺点.有理数多项式函数的分母多项式强制函数在梯度值较大值时平滑,所以有效地避免了过拟合现象的发生,从而使得模糊核估计得更准确,减少振铃效应.实验结果表明了算法的可行性和有效性.     

Improved image deblurring based on salient-region segmentation

Image deblurring techniques play important roles in many image processing applications. As the blur varies spatially across the image plane, it calls for robust and effective methods to deal with the spatially-variant blur problem. In this paper, a Saliency-based Deblurring (SD) approach is proposed based on the saliency detection for salient-region segmentation and a corresponding compensate method for image deblurring. We also propose a PDE-based deblurring method which introduces an anisotropic Partial Differential Equation (PDE) model for latent image prediction and employs an adaptive optimization model in the kernel estimation and deconvolution steps. Experimental results demonstrate the effectiveness of the proposed algorithm.     

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.     

基于残差图像的迭代终止条件及其在NCSR算法中的应用

现有图像去模糊(deblurring)算法多依赖于 正则化技术以迭代逼近求解最优目标函数 方式实现关于原图像的最佳估计,由于缺乏迭代终止判定条件(ITC),这些算法通常采用固 定迭代 次数实现以至执行效率不高,同时所获得图像的质量在很多时候也未必是最佳的。鉴于在迭 代过程中每一步所获得的中间估计图像经与模糊核卷积后和模糊图像之间残差图像的亮度 值具有显著的高斯分布特点,提出使用广义高斯分布(GGD)模型为迭代过程中的残差图像建 模并以GGD模型参数值作为衡量去模糊效果的度量 (DM,deblurring measure)。基于DM,在保障去模糊图像质量的前提下,设计了ITC自适应 地终止迭代过程以提高去模糊算法的计算 效率。在经典的非局部集中稀疏表示(NCSR,nonlocally centralized sparse representat ion)去模糊算法上完成的大量 的实验表明,对于运动、高斯和失焦3种典型的模糊失真,新提出的ITC能 够有效判定在每一步迭代过程中所获得的估计图像是否已达到最佳的图像质量,从而实现 在保障去模糊图像质量的前提下大幅度提高NCSR算法计算效率的目的。所提出的ITC判定方 法具有普适性,调整相关参数后也可以应用于其它迭代型的去模糊算法。     

An improved image blind deblurring based on dark channel prior

In order to solve the ringing effect caused by the incorrect estimation of the blur kernel, an improved blind image deblurring algorithm based on the dark channel prior is proposed. First, in the blur kernel estimation stage, high-pass filtering is introduced to enhance the image quality and enhance the edge information to make the blur kernel estimation more accurate. A combination of super Laplacian prior and dark channel prior is introduced to estimate the potential clear image. Then the accurate blur kernel is estimated through alternate iterations from coarse to fine. In the image restoration stage, a weighted least square filter is introduced to suppress the ringing effect of the original clear image to further improve the quality of image restoration. Finally, image deconvolution based on Laplace priors and L₀ regularized priors is used to restore clear images. Experimental results show that our approach improves the peak signal-to-noise ratio(PSNR) by about 0.4 d B and structural similarity(SSIM) by about 0.01, respectively. Compared with the existing image deblurring algorithms, this method can estimate the blur information more accurately, so that the restored image can achieve the effect of keeping the edges and removing ringing.     

Kernel estimation from salient structure for robust motion deblurring

Blind image deblurring algorithms have been improving steadily in the past years. Most state-of-the-art algorithms, however, still cannot perform perfectly in challenging cases, especially in large blur setting. In this paper, we focus on how to estimate a good blur kernel from a single blurred image based on the image structure. We found that image details caused by blur could adversely affect the kernel estimation, especially when the blur kernel is large. One effective way to remove these details is to apply image denoising model based on the total variation (TV). First, we developed a novel method for computing image structures based on the TV model, such that the structures undermining the kernel estimation will be removed. Second, we applied a gradient selection method to mitigate the possible adverse effect of salient edges and improve the robustness of kernel estimation. Third, we proposed a novel kernel estimation method, which is capable of removing noise and preserving the continuity in the kernel. Finally, we developed an adaptive weighted spatial prior to preserve sharp edges in latent image restoration. Extensive experiments testify to the effectiveness of our method on various kinds of challenging examples.