基于约束共轭梯度的高能闪光照相3维重建算法

 针对高能闪光照相系统成像信噪比低的特点,提出了3维约束共轭梯度算法,该算法基于3维重建理论来重建方程,利用约束共轭梯度法迭代求图像重建的最优解。数值模拟结果表明：采用3维约束共轭梯度算法能有效改善高能闪光照相重建图像轴线噪声大的问题,是一种具有很高抗噪能力的闪光照相图像重建算法。     

改进的约束共轭梯度闪光照相图像重建算法

 针对闪光照相图像信噪比低的特点,提出了一种改进的约束共轭梯度闪光照相图像重建算法。该算法在约束共轭梯度迭代重建的基础上,提出了新的预优矩阵选取方案,减小了重建图像的轴线噪声,利用松弛迭代步长代替共轭梯度法中的最优迭代步长,并采用了新的收敛准则,在保证算法收敛的同时,减少了重建算法的计算量。数值试验表明,与传统约束共轭梯度重建算法相比,改进算法稳定收敛,迭代速度更快,并能有效提高重建质量。     

一种基于约束共轭梯度的闪光照相图像重建算法

 针对闪光照相系统成像信噪比低的特点,提出了正则化预优约束共轭梯度算法（RPCCG）。RPCCG算法在闪光照相重建方程中引入Tikhonov正则化准则,利用预优约束共轭梯度法迭代求图像重建的最优解。数值试验表明,采用最小二乘+平滑准则的RPCCG算法是一种具有较高的抗噪能力的有效闪光照相图像重建算法,具有良好的收敛性和稳定性以及较高的重建精度。     

种基于偏微分方程约束的闪光照相图像重建算法

 针对闪光照相图像信噪比低的特点,提出了一种基于偏微分方程基于非线性PDE的约束的图像重建算法,该算法在重建迭代过程中引入了基于非线性PDE的平滑约束来抑制图像噪声,同时保护图像边缘。数值试验结果表明:相比于Landweber和预优约束共轭梯度（PCCG）重建算法,新算法具有更强的抗噪能力和边缘保护能力,是一种更加有效的闪光照相图像重建算法。     

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。     

基于极大似然模型和期望最大化算法的闪光图像重建

针对闪光照相图像低信噪比的特点,研究了带约束的基于极大似然模型和期望最大化算法（ML-EM）的闪光照相图像重建算法。该算法在ML-EM迭代重建算法的基础上,根据闪光照相图像低信噪比的特点及被重建客体具有分段平滑的先验信息,在迭代重建的过程中进行了相应的噪声抑制,抑制了噪声对重建结果的影响,同时很好地保持了客体的边界特征。数值模拟结果表明,基于噪声约束的ML-EM重建算法能取得较好的重建效果。     

基于贝叶斯准则的闪光照相图像重建

 针对闪光照相图像低信噪比的特点,研究了一种带约束的贝叶斯图像重建算法,较好地抑制了噪声对重建结果的影响,同时对细节信号具有较高的保持能力。该算法以贝叶斯重建为基础,在重建过程中考虑了闪光照相图像的受模糊影响比较严重的特点,引入了重建结果具有平滑性的先验信息进行约束,以提高重建结果的信噪比。通过在迭代过程中对重建结果进行平滑性约束以提高重建质量。数值模拟结果表明,该方法在闪光照相图像重建中具有较好的抗噪能力和边界保持能力。     

基于约束优化的闪光照相图像重建算法

针对闪光照相图像受模糊及噪声影响的问题,提出了一种基于约束优化的闪光照相图像重建算法。该算法建立基于平行束投影的正向成像矩阵,并通过嵌入模糊矩阵表达成像过程中的模糊因素,采用最速下降法求解重建问题。在算法中设计了预优矩阵以提高迭代重建速度,利用客体密度值非负、密度分布分段光滑并含有阶跃性边界的先验知识,设计和采用了非负约束、光滑约束及广义变分边界约束条件。对仿真FTO客体图像及实际闪光照相图像的重建结果表明,基于约束优化的重建算法具有良好的边界保持能力及噪声抑制能力,可以有效提高图像重建质量。     

基于广义变分正则化的闪光照相图像重建算法

 针对闪光照相图像信噪比低的特点,提出了一种基于广义变分正则化的图像重建算法,该方法采用p-范数取代目前广泛采用的全变分范数作为正则项,构造了用于图像重建的展平泛函,将图像重建问题转化为目标泛函最优化问题,采用固定点迭代法求解图像重建的最优解。数值计算结果表明,该算法在重建过程中能够有效抑制图像噪声,并加大对图像边缘的保持能力,从而提高了图像重建质量,是一种有效且性能优良的闪光照相图像重建算法。     

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.     

含噪声包裹相位图的加权最小二乘相位展开算法研究

二维相位展开广泛应用在精密光学测量、自适应光学、合成孔径雷达、图像处理等领域中。为处理含噪声包裹相位图,以预条件共轭斜量法求解权重最小二乘相位展开方程。引入非加权二维离散余弦变换求解泊松方程得到的最小二乘相位解作为共轭斜量法的初始解,从而加快了收敛速度,同时提出一种新质量图确定算法求解过程中的权重项。计算机模拟和试验表明算法计算速度快,能有效地消除传统路径积分法在处理信噪比低包裹相位图时的"拉线"现象,是一种有效的相位展开方法。     

基于曲率滤波和梯度变换的图像增强

针对基于梯度变换的图像增强算法抗噪声干扰能力差的问题,引入曲率滤波理论,提出了基于高斯曲率滤波和梯度变换的图像增强算法.该算法通过对图像梯度场进行非线性变换来增强图像对比度,通过构造能量泛函,采用梯度下降法从变换后的梯度场重构出增强后的图像,并利用高斯曲率滤波对梯度下降法迭代过程中的重构图像及其各阶偏微分进行平滑,有效解决了图像重构过程中的噪声非线性放大和扩散问题,同时保留了丰富的细节信息.采用多组边缘模糊图像进行仿真实验,实验结果表明该算法在增强图像边缘对比度的同时,能够有效抑制噪声.     

二维有耗色散介质的时域逆散射方法

为了重建二维有耗色散介质的电参数分布,基于Debye模型,应用泛函分析和变分法,提出一种时域逆散射新方法.该方法首先以最小二乘准则构造目标函数,将逆问题表示为约束最小化问题,接着应用罚函数法转化为无约束最小化问题,然后基于变分计算导出闭式的Lagrange函数关于特征参数的Fréchet导数,最后借助梯度算法和时域有限差分法迭代反演Debye模型参数.为了对抗噪声污染和逆问题的病态特性,采用了一阶Tikhonov正则化方法.数值应用中,利用Polak-Ribière-Polyak非线性共轭梯度法,对二维乳     

基于Markov约束的泊松最大后验概率超分辨率图象复原法

提出了基于Markov约束的泊松最大后验概率(Poisson-MAP)超分辨率图象复原方法(MPMAP),该方法把Poisson-MAP法和Markov随机场先验分布有机地结合在一起.实验表明,该方法能有效地减少和去除复原图象中的噪音和振荡条纹,提高图象复原质量,具有很好的超分辨率复原能力.     

基于FPGA的实时Bayer解马赛克算法与实现

Bayer阵列被广泛地应用于CMOS/CCD?(complementary?metal?oxide?semiconductor/charge-coupled device)等前端传感器中,用以对彩色图像进行压缩编码.通过解马赛克算法将Bayer阵列还原为红、绿、蓝彩色阵列,算法性能影响着成像有效分辨率和纹理细节.随着半...     

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.