联合梯度预测与导引滤波的图像运动模糊复原

针对由相机与所摄景物之间发生相对位置移动所导致的图像运动模糊,提出了一种鲁棒的基于单幅运动模糊图像的盲反卷积算法。该方法首先通过预测图像中的较强边缘信息,实现用简单、易于求解的优化问题在傅里叶域中快速、准确地估计出点扩散函数。然后利用得到的点扩散函数,使用基于梯度约束的非盲反卷积算法复原清晰图像,同时采用一种新的边缘保持滤波器-导引滤波来消除噪声并抑制振铃效应。实验结果表明：本文的算法能够快速地从单幅运动模糊图像复原出具有清晰边缘和纹理的高质量图像,并且运算时间不超过20 s。     

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。     

基于指数律分布的图像快速盲复原算法

针对现有图像盲复原迭代算法多存在耗时较长和难以保证收敛性等问题,提出一种改进的快速算法.首先根据指数律重建原始图像的频谱,然后利用原始图像和降质图像的频谱关系,采用多方向综合估计方法得到点扩散函数.多方向综合估计方法可降低估计误差,增加算法的稳定性.最后利用得到的点扩散函数和维纳滤波法进行图像重建.与现有算法的对比实验结果表明,针对适合大量成像系统的G类点扩散函数,本算法可以得到更准确的点扩散函数估计,且降低了振铃效应的影响,取得更好的图像复原效果.     

改进的固定点图像复原算法（英文）

研究了周期边界条件下,Tikhonov正则化的固定点算法,提出了变化正则化参数的方法。首先对正则化参数取较大值,抑制复原图像中的噪声,通过得出的收敛结果来修正初始梯度;然后对正则化参数取较小值,以增强复原图像中的细节。实验结果表明,与当前求解L1范数正则化函数和全变分正则化函数的流行算法比较,本文算法对于运动模糊与高斯模糊图像的复原效果更佳。     

贝叶斯迭代联合双边滤波的散焦图像快速盲复原

实现有效的单幅散焦图像盲复原对军事及地质勘测领域的清晰图像获取具有极为重要的意义.常用算法存在计算量大、振铃及噪声敏感的问题,为此本文提出了贝叶斯框架下迭代双边滤波器的快速盲复原算法.它首先用基于深度信息的盲去卷积结果估计点扩散函数的概率模型,进而通过贝叶斯理论构建合理的盲复原最小优化问题;然后推理分析最小优化问题的求解实质,得出双边滤波器快速求解最小优化问题的结论;最后设计迭代联合双边滤波器的求解方式,即利用一次双边滤波器求解的复原结果设计联合双边滤波器的指导图,再将其作为优化问题的输入,迭代实施求解.实验结果表明:该算法能有效抑制振铃,减少计算量,去除噪声,85%图像的像素误差平均值低于0.03,较常用盲去卷积法在同一误差区间的复原成功率提高了19%,运行时间缩短了约78%,能有效用于单幅散焦图像盲复原的实际工程实践中.     

引入泽尼克多项式的极大似然盲解卷积算法初值的优化选取

为提高图像盲复原处理效果,提出了经验法、拟合高斯点扩散函数法,以及符合Kolmogorov谱函数的初值选取方法等三种初值选取方法。引入泽尼克多项式参量化表示点扩散函数,应用极大似然迭代盲解卷积算法对模拟模糊图以及木星观测图进行了复原处理。计算结果表明,符合Kolmogorov谱函数分布的初值方法以及拟合高斯点扩散函数方法得到的图像复原结果较好。     

基于图像复原的高光谱图像前向像移补偿

为了提高高光谱图像空间维的图像分辨力,针对航空遥感器成像时由前向像移造成的图像模糊提出了像移补偿方法。分析了航空遥感器前向像移造成图像模糊的退化机制,对运动模糊图像进行了预处理;估计了点扩散函数和噪声功率,使用改进的维纳滤波算法对图像进行复原并以绝对平均误差、峰值信噪比作为评价标准进行了实验。在估计出模糊图像点扩散函数和噪声功率的情况下得到的结果显示:与传统的维纳滤波复原算法相比,改进的维纳滤波复原算法的图像绝对平均误差降低了9.31%,峰值信噪比提高了13.98%,表明提出的算法能够有效改善高光谱图像的像质。     

基于指导滤波的图像盲复原算法

作为图像处理领域的重要分支和研究热点之一, 图像复原方法 的研究始终具有重要理论意义和广泛的应用价值, 图像盲复原一直以来都 是图像复原中比较困难的问题之一. 针对相机与所拍摄景物之间由于相对 位置移动而使所获得图像发生运动模糊的情况, 本文提出了一种基于指导滤波 的图像盲复原算法. 我们首先通过频域迭代算法对点扩散函数 进行估计. 然后, 由于指导滤波具有较好的保持图像边缘的特性, 我们应用基于指导滤波的图像非盲复原算法恢复目标图像. 对以上两步进行反复迭代, 直到获得最终的清晰图像. 为了验证本文所提算法的有效性, 给出了多组对比实验. 实验结果表明, 本文所提算法能够在有效地抑制噪声和振铃 效应的同时, 还能够更好的保持图像的边缘和纹理细节. 因此, 本文算法可以获得更高质量的复原图像.     

基于点扩散函数参数辨识的运动模糊图像的盲恢复研究

运动模糊图像恢复的核心是点扩散函数的估计和直接去卷积算法。针对快速运动而形成的低信噪比和小模糊长度图像模糊的问题,提出了一种新的算法来估计模糊核函数的参数,在确定模糊核函数后,模糊图像的恢复采用了一种自然图像梯度统计先验的直接解卷积算法,实验结果证明,与R.Fergus的算法相比较,对于线性运动造成的图像模糊有更快的速度和更好的恢复效果。     

基于Poisson-Markov分布最大后验概率的多通道超分辨率盲复原算法

在Poisson和Markov随机场分布假设基础上,改进了存在噪声时多通道互限制原则,提出了一种基于最大后验概率判据的多通道图像盲复原算法,可在无需已知通道内离散点扩散函数性质、类型和具体分布等先验知识的情况下,在图像幅度限制约束空间和离散点扩散函数能量恒定约束空间内,通过对图像和离散点扩散函数的交替迭代,使两者收敛到全局最优解,最终复原出超分辨率图像.对计算机模拟和实际存在微平移、微离焦情况的图像处理表明：算法在不同信噪比水平和非命中PSF尺寸下具有良好的图像复原效果和稳定性. 关键词： 泊松-马尔科夫分布 最大后验概率 多通道 盲复原     

A Robust Point Spread Function Estimation for Out-of-Focus Blurred and Noisy Images Based on a Distribution of Gradient Vectors on the Polar Plane

The estimation of the point spread function (PSF) is a very important and indispensable task for practical image restoration. Various PSF estimation algorithms have been developed, especially for the out-of-focus blur. However, a majority of them are useless in an extremely noisy environment. This paper describes a new robust PSF estimation algorithm based on a distribution of gradient vectors on the logarithmic amplitude spectrum mapped to the polar plane. The proposed algorithm can estimate the out-of-focus PSF accurately and robustly, even for an image highly corrupted by noise. The effectiveness of the proposed algorithm is verified by applying it to the PSF estimation for out-of-focus blurred and noisy images.     

基于哈特曼-夏克波前传感器的模糊图像复原方法

离焦模糊图像的清晰度较低,因此必须对其进行复原。传统方法通常采用圆盘或高斯函数来近似离焦造成的点扩散函数,复原效果不够理想。为此,提出利用哈特曼-夏克波前传感器探测离焦波前,根据所得波前计算光学系统的点扩散函数,并采用Richardson-Lucy算法对模糊图像进行复原。搭建了实验用的光学系统,采集了离焦模糊图像以及相应的波前信息,获得了清晰的复原图像,并利用客观图像评价方法对退化图像和复原图像进行了评价,同时与传统方法得到的复原图像进行了比较。实验结果表明,该方法能精确重建点扩散函数,有效提高图像的质量。     

多帧距离选通图像点扩散函数估计的超分辨率重建

为了解决水下激光距离选通图像成像过程中退化模型复杂的难题,提出了利用连续帧图像估计点扩散函数的距离选通超分辨成像方法。首先,从连续帧图像中选取一帧为参考帧作为初始清晰图像,下一帧图像为模糊图像,用梯度约束的方法求出点扩散函数,用于优化清晰图像;然后,依次将后续帧图像当作模糊图像与清晰图像交替迭代求取点扩散函数并优化更新清晰图像;最后获得的清晰图像与参考帧图像用乘法更新的方法估计点扩散函数,结合凸集投影法算法进行超分辨率成像重建。仿真实验结果表明,改进的算法重建图像分辨率和质量明显优于原始的算法。     

空间变化PSF非盲去卷积图像复原法综述

传统的图像复原一般认为点扩散函数(PSF)是空间不变的,实际光学系统由于受到像差等因素的影响,并非严格的线性空间不变系统,基于空间变化PSF的非盲去卷积图像复原法逐渐体现其优越性。空间变化PSF的非盲去卷积图像复原法先准确估计图像空间变化的PSF,再利用非盲去卷积算法对图像进行复原,有利于恢复出高质量图像。本文从算法的角度综述了近几年提出的基于空间变化PSF的非盲去卷积图像复原方法,并对比了基于强边缘预测估计PSF的非盲去卷积法、基于模糊噪声图像对PSF估计非盲去卷积法等算法的优缺点,各算法分别在PSF估计精确度、振铃效应抑制效果、适用范围等方面体现出各自的优劣。空间变化PSF的非盲去卷积图像复原法的研究,有利于推进图像复原技术向更高水平发展,使光学系统往轻小型化方向发展,从而在多个科学领域发挥其重要作用。     

Point Spread Function Estimation for a Turbulence-Degenerated Image Based on Àtrous Wavelet Transform

The observed object images are seriously blurred because of the influence of atmospheric turbulence. The restoration is required for the reconstruction of turbulence degraded images. Point spread function (PSF) estimation, an essential part of image restoration, has no accurate estimation algorithm at present. Based on the àtrous wavelet, we deduce a novel PSF estimation algorithm. First, the àtrous wavelet at varying scales is transformed. Then, on the basis of the relation among the local maxima of the modulus of the wavelet coefficients at different scales, the Lipschitz exponent of the wavelet coefficients is computed, thus the variance of a PSF is estimated. From this estimated variance, one is able to obtain the PSF. Consequently, the object image can be restored. Experimental results show that the proposed method is highly effective with good performance.     

Blind restoration of real turbulence-degraded image with complicated backgrounds using anisotropic regularization

This paper proposes a novel blind image restoration method based on estimating the point-spread functions by using two real turbulence-degraded images as input. The non-negative constraint and the spatial correlation are transformed mathematically into the penalty terms and added to the objective function. An anisotropic and nonlinear regularization function is proposed to adequately punish the differences of the point spread functions (PSFs) in the process of optimization estimation. Some definitions of weighted second-order differences are given and a fast method to construct the matrix of second-order weighted gradient operator is derived. The PSF values can be quickly estimated. With the estimated PSFs, the true images can be recovered by non-blind restoration methods. Experiment results for the restoration of real turbulence-degraded images with complicated backgrounds support the effectiveness of this proposed method.     

离焦模糊图像的维纳滤波恢复

为消除离焦误差产生的图像模糊,介绍了基于逆滤波和维纳滤波的离焦模糊图像复原方法。从光学成像原理出发,根据高斯方程计算离焦误差,建立离焦误差与光学传递函数之间的关系。讨论了离焦误差对光学成像系统传递函数的影响。通过建立线性空间不变的模糊模型,构建点扩散函数和光学传递函数,采用与模糊过程相反的处理方法进行图像复原,消除离焦误差造成的图像模糊。测试实验中,对标准样本Lena图像进行了离焦模糊处理,采用维纳滤波算法复原图像,选择不同的离焦半径和维纳滤波参数进行对比。实验结果表明:维纳滤波方法可有效消除离焦模糊;抑制噪声干扰和"振铃效应";可把图像峰值信噪比提高到6dB以上。     

结合基于梯度的振铃评价算法的总变分最小化图像分块复原法

为了消除退化函数随空间变化发生变化模糊图像分块复原法子块之间的不平滑拼接缝,提出了一种结合了基于梯度的振铃评价算法梯度振铃评价(GRM)的总变分(TV)最小化分块复原法.根据图像分布及退化类型将模糊图像划分为矩形、环形或其他形状的子块,图像子块之间要留有一定的重叠区;然后对每一个图像子块进行复原,GRM方法是基于图像梯度结构相似度的图像质量评价算法,以GRM作为TV复原算法迭代过程中的收敛条件,可以更好地控制复原图像的振铃;最后去除复原图像子块含振铃波纹的重叠区,拼接得到完整图像.并以矩形分块及环形分块为例,证明该方法可以很好地抑制图像边界振铃效应,克服分块复原法本身的缺陷,得到拼接平滑的完整图像.     

Multi-frame partially saturated images blind deconvolution

When blurred images have saturated or over-exposed pixels, conventional blind deconvolution approaches often fail to estimate accurate point spread function (PSF) and will introduce local ringing artifacts. In this paper, we propose a method to deal with the problem under the modified multi-frame blind deconvolution framework. First, in the kernel estimation step, a light streak detection scheme using multi-frame blurred images is incorporated into the regularization constraint. Second, we deal with image regions affected by the saturated pixels separately by modeling a weighted matrix during each multi-frame deconvolution iteration process. Both synthetic and real-world examples show that more accurate PSFs can be estimated and restored images have richer details and less negative effects compared to state of art methods.     

Blind image deconvolution using the Fields of Experts prior

In this paper, we present a method for single image blind deconvolution. To improve its ill-posedness, we formulate the problem under Bayesian probabilistic framework and use a prior named Fields of Experts (FoE) which is learnt from natural images to regularize the latent image. Furthermore, due to the sparse distribution of the point spread function (PSF), we adopt a Student-t prior to regularize it. An improved alternating minimization (AM) approach is proposed to solve the resulted optimization problem. Experiments on both synthetic and real world blurred images show that the proposed method can achieve results of high quality.