基于随机点扩散函数的多帧湍流退化图像自适应复原方法

针对湍流退化图像随机性的问题,提出了一种基于随机点扩散函数的多帧湍流退化图像自适应复原方法。首先介绍了随机点扩散函数的图像退化模型,并分析了点扩散函数随机性对图像复原造成的影响,建立了基于随机点扩散函数的多帧图像退化模型。在此基础上,建立了基于多帧退化图像的全变分复原模型,利用前向后向算子分裂法对模型进行求解,提高了算法的运算效率。然后,提出了一种新的自适应正则化参数选取方法,该方法利用全变分复原模型的目标函数计算正则化参数,当正则化参数收敛时,复原图像的峰值信噪比达到最大值,因此利用目标函数的相对差值作为自适应算法迭代终止的条件,可以获得最佳复原效果。最后通过实验分析,算法中退化图像的帧数应不大于10帧。实验结果表明:当取10帧退化图像时,AFBS算法运算时间与单帧的FBS算法相当,信噪比增益为1.4 dB。本文算法对图像噪声有明显的抑制作用,对湍流退化图像可以获得较好的复原效果。     

基于BP神经网络的闪光照相图像复原

针对闪光照相系统模糊较大、成像信噪比较低的问题,提出了一种基于BP神经网络的闪光照相图像复原方法。该方法利用BP神经网络的泛化能力,用样本图像对网络进行训练,建立退化图像与真实图像之间的非线性映射关系,然后将待复原图像分区,利用训练好的BP神经网络对待复原图像的边界区域进行复原处理。数值试验表明,在系统点扩展函数未知的情况下,该算法能较好再现图像边缘信息,复原出的图像在信噪比和视觉方面都有较大提高。     

合成孔径光学系统的成像特性和图像复原

以Y-4合成孔径系统为基本结构,分析和比较了不同填充因子Y-4系统的U-V平面覆盖、点扩散函数和调制传递函数特性;用Zemax和Matlab软件对系统进行模拟成像,利用维纳滤波和改进的维纳滤波对加噪图像进行复原,使用峰值信噪比(PNSR)标准比较了不同填充因子Y-4系统的复原效果,并分析了影响合成孔径系统成像质量和复原效果的因素。结论如下:通过图像复原,可以极大地改善合成孔径系统所成图像的像质,提高图像的清晰度,使得复原后的图像和其等效单孔径系统所成的像很接近,实现大孔径成像系统的观测效果;图像复原的效果与合成孔径系统的阵列结构和噪声类型有关。     

基于小波包分析二次阈值去噪图像复原方法

提出了基于小波包分析的二次去噪复原的图像复原新方法。利用小波包分析在信号去噪中对图像信号高频部分更加灵活、更加精确的局部分析能力,针对低信噪比模糊图像,通过选取较小的阈值,交替地进行了两次预去噪处理和复原。采用PML算法,实验比较了小波包阈值一次去噪法和二次去噪法。实验表明,二次去噪法由于阈值取值较小,对退化图像信息的能量分布改变较小,可以获得比一次去噪法更加良好的复原效果。     

基于退化转换及可分离全变差模型的图像修复

空域重叠的模糊和噪声引起图像退化,修复通常比较复杂。为简化图像修复,提高修复质量,提出利用二阶逼近算子将传统图像修复中既含噪声又含模糊的双退化模型转化为只含"动态噪声"的单退化模型。在传统全变差模型的基础上,提出了一种利用低维差分投影的思想,建立元素可分离的全变差模型,利用一阶梯度下降算法解决"动态噪声"问题。仿真结果表明,该方法适用于多种退化模型,即使在强退化环境下,依然可以有效地去除噪声和模糊,保留图像边缘和细节信息,使退化图像恢复到较理想的状态。     

基于总变分的湍流退化噪声图像盲反卷积复原

根据总变分的噪声抑制特性和大气湍流成像过程,建立了基于总变分的大气湍流噪声图像多帧盲反卷积复原最小化模型,以基于共轭梯度数值优化方法的交替迭代算法求解,复原出了观测目标的清晰图像。在计算机上模拟了湍流退化和噪声污染图像。实验结果表明,该复原算法能有效地克服大气湍流和噪声的影响,可复原出清晰的原始目标图像。     

组合傅里叶变换与曲波变换的图像复原

针对图像复原的病态反问题进行研究,分析了图像复原的数学模型及其病态性,提出了组合傅里叶变换与曲波变换的图像复原(ForCurIR)算法.算法利用傅里叶变换对色噪声和曲波变换对分片光滑图像的稀疏表示特性,将图像复原问题转换成傅里叶变换域约束去卷积和曲波变换域约束去噪问题,最后通过组合傅里叶变换域和曲波变换域收缩法实现去卷积和抑制噪声.实验结果表明:ForCurIR算法很好地再现了图像的边缘等细节信息,复原出的图像在信噪比和视觉质量两方面部有显著的提高.     

基于RBF神经网络的图像融合复原方法研究

提出了一种基于径向基函数（RBF）神经网络的多通道图像数据融合复原方法,研究了该方法在多光谱图像复原上的应用.将软竞争学习策略和自适应调整隐节点相结合对网络进行优化训练.利用多光谱卫星图像数据,对所提出的方法进行仿真实验.实验结果表明：该融合复原方法提高了复原图像的质量;改进后的学习算法能够保证学习准确度和较短的训练时间;实验还表明RBF神经网络的多通道复原和单通道复原、传统的维纳滤波及最大后验概率方法相比,在改善图像像质上具有明显的优越性.     

基于噪声特性的大气湍流退化图像多帧盲反卷积复原

由于大气湍流和噪声的影响,造成观测目标图像的退化.为了目标的精确观测,根据噪声特性,结合符合物理意义的约束条件,提出了新的大气湍流图像盲反卷积复原最小化模型,并以共轭梯度数值优化方法交替迭代求解,复原观测目标图像.为验证提出的算法的有效性,在计算机上模拟参数为望远镜口径为2.0 m,大气相干长度为0.1 m,图像信噪比为10 dB的大气湍流退化和噪声污染的图像,以提出的盲反卷积复原方法复原,实验结果表明,提出的盲反卷积复原算法避免了传统的盲反卷积复原算法的缺陷,有效地克服大气湍流和噪声的影响,复原出了清晰的观测目标图像.该图像盲反卷积复原方法的研究,对地基望远镜的观测有重要的基础性作用.     

基于懒惰随机游走的雾天含噪图像清晰化

针对现有单幅图像清晰化算法无法很好地保证去雾和降噪效果的问题,提出了一种在懒惰随机游走模型下的单幅雾天含噪图像清晰化算法。分析了现有大气散射模型的物理意义,并对其加以改进,使之更符合实际雾天含噪图像的特殊性,利用懒惰随机游走模型估计改进雾天退化模型的衰减项;利用几何约束和color-line先验获取精准的退化模型中的大气光,最后恢复出噪声水平低的无雾图像。实验结果表明,所提算法在获得最佳去雾效果和抑制噪声水平的同时,具有较强的稳健性。     

基于迁移学习的原子力显微镜成像恢复方法

受限于探针针尖结构尺寸,用原子力显微镜进行微纳测量时会产生图像边缘失真.提出了一种基于迁移学习的原子力显微镜成像恢复方法,通过迁移学习训练源模型和靶模型实现一维栅格成像恢复.该方法采用数学形态法中的腐蚀算法生成栅格点云数据,通过U-Net网络源模型从点云中提取针尖卷积效应的特征向量,将权重参数迁移至U-Net网络靶模型,靶模型在自适应正则化方法下进行监督学习.实验结果表明,该方法能有效恢复一维栅格的原子力显微镜测量图像,提高横向分辨力,可用于纳米栅格的线宽检测上.     

一种基于双分支改良编解码器的图像去噪算法

针对传统图像去噪算法多噪声去除难，深层卷积神经网络去噪模型网络复杂、训练时间长等问题，提出一种基于自编码器结构的双分支改良编解码网络，实现高效图像去噪。双分支结构之一采用降-升采样实现点噪声消除，另一分支专注于宏观的图像修复和伪像去除，后端利用残差结构进行整合，实现数字图像混合噪声去噪。实验结果显示:对于含有标准差为15，均值为0的高斯噪声、噪声密度为5%的椒盐噪声和散粒噪声的混合噪声图像测试集，实验去噪效果相较于输入混合噪声图像峰值信噪比，平均提升了5.3%。与12层全卷积神经网络相比，去噪效果相当，训练速度提升了25.4%，体现了其“轻量级”的优点。实验表明:该方法相较于深层卷积神经网络，训练速度快，网络简单；相较于传统图像去噪算法，噪声去除效果也较为明显。该算法可应用于轻量级视觉平台后端去噪。     

消随机媒质退化的复原处理

对于遭受随机媒质退化的成像,需要用统计方法和功率谱模型实施复原处理.首先探讨了统计模型的大气光学传递函数(OTF);其次,在等功率谱的假定下,用功率谱维纳(Wiener)滤波器进行复原处理;然后,使用局部统计算法作乘法性噪声滤波的复原,获得了满意的图像复原结果.     

空变环形编码孔成像模拟与图像复原

环形编码孔成像技术具有高的探测效率和信噪比,是一种解决低强度脉冲辐射源成像较好的技术。基于该技术,利用Geant4建立环形编码孔中子成像的模拟过程,获取6个不同位置的点扩散函数(PSF)和编码图像。根据空间移变图像分块原理,将图像分成矩形和圆形分块,每一块图像用RL迭代法复原,去除边界明显畸变的像素,这些像素强度由相邻的图像块像素到边界距离的加权系数叠加而成。模拟结果表明,该方法提高了图像复原效果,能够更好地诊断射线区域的空间分布情况。     

Image degradation characteristics and restoration based on regularization for diffractive imaging

The diffractive membrane optical imaging system is an important development trend of ultra large aperture and lightweight space camera. However, related investigations on physics-based diffractive imaging degradation characteristics and corresponding image restoration methods are less studied. In this paper, the model of image quality degradation for the diffraction imaging system is first deduced mathematically based on diffraction theory and then the degradation characteristics are analyzed. On this basis, a novel regularization model of image restoration that contains multiple prior constraints is established. After that, the solving approach of the equation with the multi-norm coexistence and multi-regularization parameters (prior’s parameters) is presented. Subsequently, the space-variant PSF image restoration method for large aperture diffractive imaging system is proposed combined with block idea of isoplanatic region. Experimentally, the proposed algorithm demonstrates its capacity to achieve multi-objective improvement including MTF enhancing, dispersion correcting, noise and artifact suppressing as well as image’s detail preserving, and produce satisfactory visual quality. This can provide scientific basis for applications and possesses potential application prospects on future space applications of diffractive membrane imaging technology.     

X光能点、放大倍率及针孔尺寸对空间分辨的影响

X光针孔成像是惯性约束聚变(ICF)研究中重要的诊断方法,对其点扩散函数的计算可用于图像重建和系统空间分辨的判断。对菲涅耳衍射公式进行了化简,分析了X光能点、针孔尺寸及放大倍率对针孔点扩散函数的影响。实验在保证成像能获得足够高信噪比的条件下,通过模拟获得在最佳空间分辨时所要的针孔大小、放大倍率和X光能点等参数。在流体力学不稳定性的静态样品定标实验中,通过模拟获得了针孔的调制传递函数(MTF),结合实验测量的结果反推获得分幅相机本身的MTF值。同时采用测刀边函数的方法获得了分幅相机本身的刀边函数,进而得到相机在各空间频率下的MTF值。两种方法得到的分幅相机MTF值一致,验证了通过菲涅耳衍射模拟X光针孔成像的可行性。     

基于最大似然法的共焦拉曼光谱成像方法

随着现代科技对纳米微观区域兴趣的增加,如DNA测序、分子纳米器件微结构检测等,其对拉曼光谱技术的空间分辨力提出了更高的要求,而现有共焦拉曼光谱技术受自身原理限制,空间分辨力已无法满足科学需求。针对这一问题,在现有共焦拉曼光谱技术的基础上,提出一种基于最大似然算法的共焦拉曼光谱成像方法。该方法将超分辨图像复原技术与共焦拉曼光谱技术相结合,利用基于Poisson-Markov约束的最大似然超分辨复原算法对共焦拉曼光谱图像进行超分辨图像复原处理,恢复图像高频成分,进而改善共焦拉曼光谱系统的空间分辨能力,实现超分辨成像。仿真分析和实验结果表明,提出的基于最大似然算法的共焦拉曼光谱成像方法在不改变现有共焦拉曼光谱系统光学结构的前提下,仅对单幅拉曼光谱图像进行超分辨图像复原处理,即可将系统空间分辨力提高到200 nm,实现超分辨成像,同时该方法具有较强的噪声抑制能力。该方法有效地提高了共焦拉曼光谱系统的空间分辨力,为物理化学、材料科学等前沿领域中的高空间分辨微区光谱探测提供了一种新的途径,是一种行之有效的高空间分辨的共焦拉曼光谱成像方法。     

基于CCD尺寸测量中图像边缘退化及恢复技术研究

针对直边衍射效应造成的图像边缘退化问题,建立边缘退化模型。从菲涅尔直边衍射理论出发,基于信号与系统理论的图像边缘退化数学描述方法,分析了造成图像边缘退化的原因。通过分析不同光源波长和成像物距下直边衍射强度分布曲线的特点,构造简单函数实现衍射光强分布的近似,进而得到退化系统传递函数;利用退化系统传递函数构造滤波器对获取图像的边缘进行恢复,从而提高尺寸测量精度。实验结果表明:经边缘恢复方法校正后的测量结果误差约为0.02 mm,相对未校正数据的测量结果误差减小0.04 mm,提高了尺寸测量精度。     

多局部残差连接注意网络的图像去模糊

针对现有的基于卷积神经网络的图像去模糊算法存在图像纹理细节恢复不清晰的问题,提出了一种基于多局部残差连接注意网络的图像去模糊算法。首先,采用一个卷积层进行浅层特征提取;其次,设计了一种新的基于残差连接和并行注意机制的多局部残差连接注意模块,用于消除图像模糊并提取上下文信息;再次,采用一个基于扩张卷积的成对连接模块进行细节恢复;最后,利用一个卷积层重建清晰图像。实验结果表明：在GoPro数据集上的PSNR (peak signal to noise ratio)和SSIM (structure similarity)分别为31.83 dB、0.927 5,在定性和定量两方面都表明所提方法能够有效地恢复模糊图像的纹理细节,网络性能优于对比方法。