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.     

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。     

基于两步迭代收缩阈值的编码孔径光谱数据复原算法

编码孔径光谱成像仪根据压缩传感理论,对物体进行光谱成像。编码孔径光谱数据复原的特点在于能将探测器上所得到的二维编码像复原成三维的数据立方体。两步迭代收缩阈值算法是在迭代收缩阈值算法和迭代加权收缩算法基础上加以改进而得出的,采用两步迭代收缩阈值算法对编码孔径光谱数据进行复原,成功地由二维编码像复原出了三维数据立方体,具有迭代步数少,收敛速度快的特点。     

基于期望值最大化的高光谱图像迭代复原算法

声光可调谐滤光器(AOTF)的谱线半峰全宽(FWHM)以及换能器结构的不理想导致图像退化,空间分辨率降低.为了提高光谱数据的空间分辨率,将计算机断层图像复原中的期望值最大化(EM)算法应用到降质图像预处理中,可在对图像模糊降质程度估计不准确时进行运算,利用迭代求解逐次逼近最终收缩于原始目标.实验结果表明,该算法不依赖于数字图像周期拼接的假设,因而有效避免了传统的去卷积复原算法中产生的边界振铃现象,提高了图像的空间分辨率,图像质量得到改善.该算法对改善AOTF高光谱成像质量有较大意义.     

双树复数小波变换的视网膜图像半盲解卷积复原

针对导致自适应光学视网膜图像降质退化的原因,提出了一种结合双树复数小波变换(DTCWT)和图像半盲解卷积复原算法的方法。首先,对经过自适应光学实时校正技术得到的视网膜图像进行DT-CWT分解,得到低频和高频部分应的图像。将自适应光学成像系统中残余像差重建的光学传递函数作为图像复原模型的初始估计点扩散函数(PSF),并对低频部分图像进行条件约束的迭代半盲解卷积复原;对高频部分的图像进行去噪处理。最后,将处理后的高频和低频部分图像进行双树复数小波逆变换,获得复原图像。实验和结果表明:由该方法处理的视网膜细胞图像质量得到明显提高,图像客观质量评价参数相对于原始图像提高了5倍多;在视网膜细胞的空间频率范围内(70~90(°)~1),复原图像功率谱平均值提高了5倍左右,有助于对视网膜细胞的高分辨率观察。     

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.     

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。     

基于约束共轭梯度的高能闪光照相图像复原算法

 针对闪光照相系统模糊较大、成像信噪比低的特点,提出了一种基于约束共轭梯度的闪光照相图像复原算法,将闪光照相图像复原问题转化为一个约束优化问题,引入基于非负、中值滤波和偏微分方程的光滑约束条件,并利用约束共轭梯度法迭代求最优解。数值试验表明,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。     

基于改进NAS-RIF的三维显微图像盲复原

对二维NAS-RIF算法进行了改进,并将它用于三维显微图像复原,分别用模拟样本和真实生物样本进行了实验。针对原算法对噪声有放大作用,提出了基于中值滤波去噪的改进。在支持域的确定、最小点的搜索上进行改进,提高复原质量。改进了原算法仅适用于均匀背景的不足,扩大了应用范围。实验结果表明,该算法在三维显微图像盲复原中具有较好的效果。     

Two-stage non-local means filtering with adaptive smoothing parameter

Non-local means (NLM) filtering is an efficacious algorithm in image denoising which searches the similar neighborhoods and estimates the pixel by averaging these neighborhoods. Some internal parameters such as patch size, search window size and smoothing strength have serious effects on filtering performance. This paper proposes an improved version of NLM by using weak textured patches based single image noise estimation and two-stage NLM with adaptive smoothing parameter. Our proposed method firstly applies weak textured patches based noise estimation to achieve the noise level of input noisy image. Then relying on the estimated noise level, we apply the first stage NLM with adaptive smoothing parameter to attain a basic denoised image. After that, the basic denoised image is refined by the second stage of NLM with smaller smoothing strength. Our experimental results show that the proposed algorithm outperforms the NLM and some NLM recent variants both in visual quality and numerical measures. Additionally, the potential halo effect is almost eliminated in the result images produced by our proposed method.     

Hopfield neural network-based image restoration with adaptive mixed-norm regularization

To overcome the shortcomings of traditional image restoration model and total variation image restoration model, we propose a novel Hopfield neural network-based image restoration algorithm with adaptive mixed-norm regularization. The new error function of image restoration combines the L2-norm and L1- norm regularization types. A method of calculating the adaptive scale control parameter is introduced. Experimental results demonstrate that the proposed algorithm is better than other algorithms with single norm regularization in the improvement of signal-to-noise ratio （ISNR） and vision effect.     

红外目标湍流退化图像的优化复原算法

提出了基于最速下降法的湍流退化图像盲目复原算法。将图像转换到频域中，建立一个基于目标图像和点扩展函数频谱的目标函数，通过迭代方式采用最速下降优化方法来极小化该目标函数，并利用傅里叶变换和反变换将目标图像和点扩展函数在频域和空域之间进行变换，在每次迭代中交替加入约束条件进行反复修正，以便取得预期的图像恢复效果，增强算法的稳定性和抗噪能力。针对红外目标湍流退化图像，在微机上对算法进行了一系列复原验证实验。实验结果表明：该文算法复原效果稳定，抗噪能力强，具有实用价值。     

混沌信号自适应协同滤波去噪

混沌信号协同滤波去噪算法充分利用了混沌信号的自相似结构特征,具有良好的信噪比提升性能.针对该算法的滤波参数优化问题,考虑到最优滤波参数的选取受到信号特征、采样频率和噪声水平的影响,为提高该算法的自适应性使其更符合实际应用需求,基于排列熵提出一种滤波参数自动优化准则.依据不同噪声水平的混沌信号排列熵的不同,首先选取不同滤波参数对含噪混沌信号进行去噪,然后计算各滤波参数对应重构信号的排列熵,最后通过比较各重构信号的排列熵,选取排列熵最小的重构信号对应的滤波参数为最优滤波参数,实现滤波参数的优化.分析了不同信号特征、采样频率和噪声水平情况下滤波参数的选取规律.仿真结果表明,该参数优化准则能在不同条件下对滤波参数进行有效的自动最优化,提高了混沌信号协同滤波去噪算法的自适应性.     

非局部变分修复法去除高密度椒盐噪声

分析了中值滤波及其改进型算法在处理高密度椒盐噪声时效果不理想的原因,采用变分修复方法来去除高密度椒盐噪声,基于现有的全变差修复模型提出了非局部全变差修复模型。该模型利用椒盐噪声特点(均匀分布、灰度值为0或255),将噪声点看成是图像中遗失或是破损的点,首先在图像中寻找与噪声点邻域相似的区域,将相似区域的中心像素作为噪声点新的邻域然后对其插值,把图像降噪问题转化为图像修复问题,从而达到去除高密度噪声的目的。实验结果表明:该模型对噪声密度为90%的彩色和灰度图像去噪后,其峰值信噪比为22.85和28.77,在客观评价标准方面优于中值滤波及其改进型算法。该模型能有效去除高密度下的椒盐噪声并较好地恢复图像细节,为图像去除高密度噪声提供了一种新的途径。     

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.     

Application of a multiscale maximum entropy image restoration algorithm to HXMT observations

This paper introduces a multiscale maximum entropy(MSME) algorithm for image restoration of the Hard X-ray Modulation Telescope(HXMT),which is a collimated scan X-ray satellite mainly devoted to a sensitive all-sky survey and pointed observations in the 1-250 keV range.The novelty of the MSME method is to use wavelet decomposition and multiresolution support to control noise amplification at different scales.Our work is focused on the application and modification of this method to restore diffuse sources detected by HXMT scanning observations.An improved method,the ensemble multiscale maximum entropy(EMSME) algorithm,is proposed to alleviate the problem of mode mixing exiting in MSME.Simulations have been performed on the detection of the diffuse source Cen A by HXMT in all-sky survey mode.The results show that the MSME method is adapted to the deconvolution task of HXMT for diffuse source detection and the improved method could suppress noise and improve the correlation and signal-to-noise ratio,thus proving itself a better algorithm for image restoration.Through one all-sky survey,HXMT could reach a capacity of detecting a diffuse source with maximum differential flux of 0.5 mCrab.     

基于ZedBoard的超分辨率视频复原系统

为了实现超分辨率视频图像的实时复原,设计了以ZedBoard可编程片上系统为基础的超分辨率视频复原系统。系统包括基于V4L2(Video for Linux 2)的USB摄像头视频采集、基于小波变换的超分辨率复原算法处理和基于Qt的图形用户界面制作以及视频输出。采用双线性、双立方和小波变换算法分别对Lena图像进行复原处理,峰值信噪比PSNR值分别为29.516、29.843、31.368。实验结果表明,提出的基于小波的超分辨率复原算法优于传统的插值算法,基于ZedBoard的超分辨视频复原系统复原效果良好。     

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。