共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
3.
针对雾天环境下采集的图像对比度降低,饱和度下降以及色彩偏移问题,提出了一种基于全卷积神经网络的图像去雾算法。首先,提出的三个尺度的全卷积神经网络用来学习雾天图像与介质传输图之间的映射关系,逐步生成精细的介质传输图;其次,通过雾天图像引导滤波优化预测的介质传输图,使得图像边缘信息更加平滑;最后,根据暗原色先验理论估计大气光的值,通过大气散射模型恢复出无雾图像。该方法获得的无雾图像不但未造成图像中有用信息的损失,并且恢复的图像色彩自然。实验结果表明,该去雾算法在自然雾天图像和利用Middlebury Stereo Datasets合成的雾天图像上均优于其他对比算法,恢复的图像具有更好的对比度与清晰度。 相似文献
4.
惯性约束聚变中环孔编码图像恢复的改进维纳滤波方法 总被引:7,自引:0,他引:7
针对惯性约束聚变(ICF)中环形孔径编码图像的恢复问题提出了一种改进的维纳滤波方法。在传统的维纳滤波方法中,由于原图像和噪声是未知的,故通常是用某一待定常量来代替其中的噪声与信号的谱密度之比。这种近似忽视了信号与噪声本身的信息,从而造成丢失某些关键的细节,难以达到高质量的图像复原效果。在改进的方法中,首先采用传统维纳滤波方法求得初始估值,然后利用该初始值求得原图像及噪声的谱密度估值,进而利用这些新获得的信息构成改进的维纳滤波器对退化图像进行第二次滤波。实验表明,这种改进方法可以克服原方法的不足,突出图像的一些关键细节,提高图像的整体质量。在仿真实验中,恢复图像的均方误差降低了15%以上;在实际惯性约束聚变图像的解码恢复实验中,图像恢复效果亦有显著改善。该方法还可以推广到其他图像恢复的应用中。 相似文献
5.
6.
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。 相似文献
7.
实用型模块化成像光谱仪多光谱图像的信噪比估算及压缩方法研究 总被引:2,自引:4,他引:2
采用局部标准差法和去相关法对实用型模块化成像光谱仪多光谱图像的信噪比进行估算。这两种方法已将地物变化的影响降低到很低的程度。这样在大气订正后,图像的信噪比性能充分反映出遥感仪器的信噪比性能。针对图像压缩,提出控制各波段恢复图像的峰值信噪比刚好大于原始图像的信噪比,使由压缩算法本身所带来的噪声限制在原始图像的噪声范围之内。结合这种压缩思想,用基于离散余弦变换和基于离散小波变换的压缩算法,对实用型模块化成像光谱仪多光谱图像进行压缩。实验表明,利用这种方法,对于高信噪比的波段,图像信息得到了保真;对低信噪比的波段,压缩倍数提高迅速且恢复图像视觉无失真,对整幅成像光谱图像,压缩性能提升显著——当压缩比等于37.95倍时,峰值信噪比等于45.86dB。 相似文献
8.
9.
针对现有单图像超分辨率方法在重建过程中容易忽略原图像中不同结构-纹理的差异与联系,导致生成的高分辨率图像缺乏纹理细节并存在伪影的问题,提出了纹理细节恢复的图像超分辨率重建算法。该方法由梯度分支、纹理分支和图像超分辨率分支组成。其中,在梯度分支和纹理分支之间使用了类注意力模块处理二者的特征混淆问题,并通过双向特征融合模块实现了对结构特征与纹理特征的相互促进,作为先验信息以达到纹理细节信息增强的目的。此外,在图像超分辨率分支还通过构建特征恢复模块,利用浅层和深层信息帮助网络保留了图像中更丰富的上下文信息和纹理细节。该方法通过在DIV2K数据集上进行了网络训练,并在5个基准测试集Set5、Set14、BSD100、Urban100和MANGA109上进行了实验,峰值信噪比(PSNR, Peak Signal to Noise Ratio)分别:37.88dB、33.28dB、32.0781dB、31.89dB、38.39dB,相比现有方法均有显著提升。实验结果表明,本文方法获得了有效的重建图像并且保留更多的图像细节,生成具有边缘清晰和逼真细节的超分辨率图像。 相似文献
10.
11.
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. 相似文献
12.
13.
14.
离焦模糊图像的维纳滤波恢复 总被引:4,自引:0,他引:4
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。 相似文献
15.
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。 相似文献
16.
17.
Although the use of blind deconvolution of image restoration is a widely known concept, only few reports have discussed in
detail its application to solving problem of restoration of underwater range-gated laser images. A comparative study of underwater
image restoration using the Richardson-Lucy algorithm, the least-squares algorithm, and the multiplicative iterative algorithm
for blind deconvolution is presented. All the deconvolution approaches use denoised underwater images and Wells’ small angle
approximation theory of derived point spread function as the initial object and degradation guess, respectively. Owing the
underwater no-reference imaging environment, image quality judgment based on the blur metric method is incorporated in our
comparison to determine the appropriate deconvolution iteration number for each algorithm, which objectively evaluates the
image restoration results. The performance of the three algorithms applied to underwater image restoration is discussed and
reported. 相似文献
18.
19.