基于高斯函数假设的图像频谱恢复特性分析方法

为了对图像复原算法频谱恢复特性进行分析和评价,提出了一种基于高斯函数假设的分析新方法。该方法假设光学传递函数H和退化图像频谱函数G为高斯函数,采用方差以及提出的方差比作为频谱宽度指标,对图像复原算法的频谱恢复特性进行定量分析和评价。分析中对H和G曲线设定两组方差,分无噪声和有噪声两种情况,计算出约束最小平方滤波法(CLS)和最大似然法(PML)等图像复原算法复原的图像频谱曲线及其方差和方差比,采用计算结果对复原算法进行定量的分析和评价,获得良好的效果。分析指出,最大似然法的频谱外推能力和噪声抑制特性均明显好于约束最小平方滤波法。对两种算法的分析评价实验表明,高斯函数假设分析方法是一种简便有效的图像频谱恢复特性分析方法。     

数字照片图像来源检测中的传感器模式噪声预处理方法

针对传感器模式噪声易受CFA插值噪声和JPEG压缩噪声污染,提出一种基于空域平滑滤波的传感器模式噪声预处理方法,去除干扰噪声,从而提高数字照片图像来源检测准确率.假设传感器模式噪声是一种类似高斯白噪声的随机信号,其在频域具有与高斯白噪声相似的平坦频谱;基于此,在空域采用高斯白噪声对传感器模式噪声进行引导滤波,其空域平滑效果使传感器模式噪声在保持自身性质的同时,拥有与高斯白噪声相似的特性.手机相机照片图像库的评估实验结果表明,与现有预处理方法相比,所提算法在图像来源检测准确度上Kappa统计系数提高了0.026以上,同时算法对JPEG压缩的鲁棒性也明显优于其他算法.     

改进的傅里叶域小波域联合去模糊算法

傅里叶域与小波域的联合去模糊算法在低噪声时具有优越的恢复效果,但是这种联合去模糊算法并不适用于含噪声的模糊图像.为了解决这一问题,本文将先验约束分别引入傅里叶域的去模糊步骤和小波域的去噪步骤.在傅里叶域,用矩阵形式表示目标函数.对目标函数添加平滑约束并且通过噪声水平和模糊图像高频信息计算得到平滑约束项的滤波系数.同样方式,在小波域对小波域目标函数添加能量约束,实现小波域目标函数的正则化过程.分析傅里叶域的噪声放大程度,通过傅里叶域的滤波系数计算得到小波域能量约束的滤波系数.傅里叶域的平滑约束可以抑制滤波过程中噪声的产生,小波域的能量约束可以提高小波域滤波的鲁棒性.仿真实验表明,改进的算法相比于原始算法具有更好的鲁棒性,可以有效提高图像的恢复质量.对于噪声标准差为0.010.1的模糊图像,改进算法恢复图像峰值信噪比比原始算法恢复图像的峰值信噪比高1左右.并且改进算法对于高斯型点扩散函数误差具有鲁棒性,当点扩散函数估计方差与实际方差相差0.4时,改进算法的恢复效果仍优于原始算法.     

探测器噪声对波前编码成像系统图像复原过程影响的理论研究

波前编码光学系统其成像过程由光学成像和图像复原两部分组成,光学成像过程探测器上所成的编码图像含有噪声,该噪声在图像复原过程将被放大,为了分析探测器噪声对波前编码系统在图像复原过程中产生的影响,通过添加高斯随机噪声来模拟探测器噪声,使用直接逆滤波、维纳滤波和Lucy—Richardson滤波算法,对波前编码成像系统焦点位...     

基于小波变换的高斯点扩展函数估计

点扩展函数估计是图像复原的重要内容,目前还没有精确估计的算法。根据小波理论,提出了新的高斯型点扩展函数精确估计算法。算法首先对模糊图像作平滑处理,抑止噪声;然后对图像进行不同尺度小波变换,并分别计算出变换后小波模极大值;再根据推导出的不同尺度下小波模极大值、李氏指数、方差三者之间的关系,准确计算出高斯点扩展函数的方差。实验结果表明,算法的估计精度高,达到了95%左右,具有重要的应用价值。     

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.     

基于小波变换和非负支撑域递归逆滤波算法的盲目图像复原

提出了一种将自适应正则化方法与非负支撑域递归逆滤波(NAS-RIF)算法相结合用于小波域的盲图像复原算法.该算法先对降质图像进行小波分解,得到了图像在不同子频段的信息.在各个子频段采用NAS-RIF算法进行复原.针对各个子频段内图像的频率和方向特性,分别引入了不同的正则化约束项.在各个子频段估计出噪声方差,提出了根据噪声方差和图像局部方差来选取正则化参数.分别对两幅模糊图像进行了仿真实验,复原结果取得的信噪比分别为19.66 dB和23.86 dB.实验结果表明,复原效果相对于空间自适应正则化方法有一定的提高.     

图像分析法测试光学传递函数中的噪声抑制

采用数字傅里叶分析方法进行MTF测试,图像传感器引入的噪声会改变图像的频谱信息,造成LSF及MTF的测试误差。研究了噪声均值和方差对标准透镜频谱曲线的影响,提出了基于高斯拟合的LSF曲线噪声抑制方法,根据引入噪声标准透镜频谱曲线修正其对测试精度的影响。数学仿真结果表明,采用噪声抑制方法,MTF的计算误差小于3%。     

基于小波变换的图像混合噪声自适应滤除算法

为同时滤除图像中的椒盐噪声和高斯噪声,提出了一种基于小波变换的混合噪声自适应滤除算法,该算法首先采用中值滤波去除椒盐噪声,然后借助边缘检测算子区将图像为分边缘与非边缘区域,进一步对非边缘区域引入改进的均值滤波器,有效削弱高斯噪声的同时保护图像边缘细节,既初步削弱高斯噪声又保护了边缘,最后采用改进的小波阈值滤波算法,对不同的小波系数采用不同的阈值函数,通过线性回归得到各最优阈值关系式。实验结果表明,该混合噪声自适应滤除算法能有效滤除椒盐噪声和高斯噪声,在图像主观质量和客观质量上均取得了较好的效果,能提高去噪图像峰值信噪比0.5~2.0 dB。     

波前解卷积方法中的高频噪声抑制

 介绍了一种波前解卷积中噪声抑制规整化的新方法，并将此方法应用于室内模拟点源实验中。该方法通过在图像复原算法中增加针对图像高频部分的限制条件来抑制高频噪声，以达到对图像复原问题病态特性的规整化。实验结果表明：该规整化方法可以有效地抑制解卷积过程中高频噪声的影响，恢复出达到理论衍射极限分辨率的图像。对于噪声水平较高的降质图像，通过这种解卷积方法可以有效地提高信噪比。同维纳逆滤波方法相比，该方法可以在有效抑制导致病态的高频噪声的基础上充分保持图像的低频；与基于贝叶斯估计的近视解卷积算法相比，该方法不需要知道噪声水平或噪声类型等先验知识，只是从噪声本质出发，通过抑制降质图像高频部分，有效地解决了病态特性问题。     

针对特定场合的图像恢复算法实验研究

介绍了数字图像恢复技术的原理和主要的恢复算法,针对离焦退化、运动退化和高斯退化等不同应用场合,结合各种评价函数分析比较了维纳滤波、约束最小二乘法、Lucy-Richardson和最大熵法在图像恢复中的各自特点。对实际拍摄的离焦模糊图片进行了恢复处理,比较和印证了各算法的特性。总结了各算法在图像恢复中的特点以及各种图像质量评价函数的适用范围。     

盲图像复原研究现状

盲图像复原是在未知或不完全确知相关原始图像与成像点扩展函数的先验知识的情形下,利用所观测到的降质图像对原始图像和点扩展函数进行估计的一种图像处理方法。本文对近年来涌现出的主要盲图像复原算法进行了回顾,并根据相应的理论来源及相互联系将其划分为四大类,对各类复原算法及其改进算法进行了分析和讨论,为更清晰与深刻地认识和理解盲图像复原理论、解决实际图像降质问题提供参考。     

遗传算法应用于图像恢复的实验设计

结合遗传算法设计了图像恢复实验，分析了图像恢复的数学模型，给出具体的实验步骤和方法。     

点扩散函数高斯拟合估计与遥感图像恢复

为了减轻或消除航天遥感相机成像过程中图像退化造成的模糊,突出图像的特征目标,对获取的图像进行了恢复处理。首先,采用陷波滤波器在频率域对遥感图像进行了去噪预处理。然后,通过图像中具有刀刃边缘的地物估计成像系统的退化函数,即点扩散函数;同时,利用高斯拟合对估计的点扩散函数进行校正。最后,利用拟合后的点扩散函数,采用自适应维纳滤波对图像进行恢复。实验结果表明：陷波滤波器基本消除了图像中叠加的条带噪声。与原图相比,细节图像恢复后其方差增大4.395,灰度平均梯度增大1.799,Laplacian梯度增大10.014,图像目视效果更清晰。高斯拟合的点扩散函数用于遥感图像恢复,减轻了图像模糊,使图像细节突出,纹理清晰,利于图像的判读和分析。     

红外气动退化图像复原校正的复合算法研究

鉴于气动效应图像退化因素的复杂性和随机性,单一复原算法难以满足要求,提出构造复合算法来提高湍流退化图像复原质量的思路,综合各种基于不同理论模型和应用对象的实用算法,实现优势互补。给出了现有算法结合的主要途径,主要探讨了基于统计理论的MAP复原算法与基于正则化理论的总变分算法复合后各算法结构的自适应调整和改造以及各种参数的自适应性选择问题。充分利用各算法的优势,完成基于算法结构相对稳定的智能化组合。在微机上进行了一系列的复原对比实验。实验结果表明：复合算法提高了图像的总体复原质量。     

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。     

超分辨率图像复原及其进展

超分辨率图像复原的目的在于复原截止频率之外的信息 ,以使图像获得更多的细节和信息。阐述了超分辨率图像复原的理论基础 :解析延拓理论 ,信息叠加理论和非线性操作。说明了超分辨率复原能力的概念和影响因素 ,介绍了目前主要研究和采用的超分辨率复原方法 :能量连续降减法 ,Bayes分析法 ,凸集投影法 ,包括单幅图像复原法和多幅图像复原法。指出了超分辨率复原的研究和发展方向。     

Semi-blind image restoration based on Chan-Vese denoising model

A semi-blind image restoration algorithm is proposed based on reduced non-convex approximation of Luminita Vese and Tony Chan's (C-V) denoising model. Compared with C-V denoising model, we modify the fidelity term and add a term on point spread function (PSF). The function depends on two variables: the image function to be restored u and the standard deviation of Gaussian kernel to be estimated σ. Then the problems consist in solving a system with two coupled equations. Compared with the Leah Bar's semi-blind image restoration model which must solve three coupled equations, our method only needs to solve two equations. Furthermore, the estimation of f by our algorithm is superior to Leah Bar's algorithm. The experimental results demonstrate that the proposed method is effective.