水下数字图像盲复原算法研究

图像复原的目的是从观测到的退化图像重建原始图像,它是图像处理、模式识别、机器视觉等的基础。盲复原作为其中一个重要分支,其主要思想是在点扩展函数未知的情况下,力求获得最佳的清晰效果。由于水下图像退化模型中点扩展函数一般为高斯模型,故针对此提出误差一参数估计法,根据图像退化过程,给出频率域的误差形式,并选定参数的变化范围,再利用复原算法做出误差参数曲线,由此估计出点扩展函数的参数值,最后利用经典的复原算法,如维纳滤波对退化图像进行复原。实验证明该方法获得了比较清楚的复原效果。     

水下图像的噪声滤波与仿真

对于水下图像预处理的滤波中,采用Non-local means算法,其效果很好,在保持图像边缘的同时,较大程度地剔除了噪声,适合于水下颗粒噪声较明显的图像预处理。通过与中值滤波、均值滤波等常用算法对比,也证明了这一点,较大地提高了信噪比。     

优化重加权L1范数的图像盲复原算法

在单幅运动模糊图像的盲复原问题中,图像中强边缘部分的利用成为模糊核估计的关键所在.为此,本文提出了一种优化重加权L1范数的图像盲复原算法.首先,建立了基于加权L1范数的模糊核盲估计模型,并引入了一种图像平滑模型对权重进行优化估计,从而减少计算权重时受细小结构以及噪声的影响,其次,设计了模糊核盲估计模型求解的迭代收缩阈值数值算法,最后采用了一种基于超拉普拉斯先验的快速图像非盲复原算法对模糊图像进行复原.仿真和实际数据实验结果验证了本文算法的有效性.     

基于量子比特编码算法的图像盲复原重建研究

为了提高图像盲复原质量,提出了量子比特编码算法。首先在免疫系统中的对量子克隆选择,并且对量子抗体克隆比例控制;然后量子抗体随机赋值,使抗体都以随机概率处于所有可能状态的线性叠加态中,以量子态进行观测,将得到确定的某一个二进制;接着建立图像盲复原重建模型,量子编码卷积算法来填充空洞像素;最后给出了算法流程。实验仿真显示该算法对图像盲复原重建清晰,画质好,全图最大局域误差最小,结构相似度接近于1。     

基于纹理复杂度的含噪模糊图像盲复原算法设计

传统的模糊图像盲复原算法的纹理复杂度高,降低了模糊图像的质量。为此,文中设计了基于纹理复杂度的含噪模糊图像盲复原算法。首先,分析含噪模糊图像的噪声特点,在保留原有图像信息的前提下计算垂直方向和水平方向的扩散系数,得到ADF在含噪模糊图像上的表达,完成含噪模糊图像的去噪预处理。通过建立含噪模糊图像的数学模型描述其退化过程,继而构建含噪模糊图像降质模型。最后,在纹理复杂度分析的基础上,完成奇异值分解检测和alpha通道的计算,通过合成操作实现含噪模糊图像的盲复原算法的设计。实验结果表明,相比于传统盲复原算法,在所提算法下,图像的纹理复杂度低,图像质量得以提升,且复原结果的误差较小,算法整体有效性较高。     

实时图像盲复原技术

在有效的视频传输过程中图像的降质是不可避免的，可以通过图像盲复原重建降质的图像。因为不需要已知点扩展函数（PSF），所以得到广泛的应用。视频图像变化明显，传输的数据量大，因此需要一种计算复杂度小的方法来实现图像的盲复原。从此点出发包括两个主要的步骤：模糊图像到拉冬变换域的映射和在这个城内的盲模糊识别。这一映射使系统从2维到1维简化了计算的复杂度，更加符合实时的要求。     

一种低能见度图像的盲分离复原算法

低能见度情况下(雾、霾),图像不清晰的主要原因是大气变化的对比度下降,这是由于大气悬浮颗粒散射造成的.针对退化图像中针对针对散射光的分离,在假定图像由独立散射光谱组成的基础上,通过对散射光偏振分析,提出一种盲参数估计分离散射光算法,来实现低能见度图像的复原.实验表明,该算法可以取得较好的复原效果.     

基于清晰图像先验知识的盲复原算法

图像采集系统在获取图像时,受到各种干扰,使图像变模糊并含有噪声。为此,提出了一种基于清晰图像先验知识的图像盲复原算法。首先通过统计分析大量的清晰图像梯度域的概率分布特性,将图像划分为具有较多复杂纹理的区域和平坦区域,拟合概率分布函数,得到清晰图像的先验知识,并加入图像局部约束条件,即复原图像平坦区域与退化图像的平坦区域的概率分布变化较小,避免产生振铃现象。然后,建立图像噪声模型,将图像噪声划分为高斯噪声和均匀分布噪声,防止退化图像中的灰度过饱和像素点在复原过程中产生异常值。最后,利用最大后验概率模型,构造代价函数,将图像盲复原问题转变为求代价函数最小化问题,并用最大期望算法和快速迭代收缩算法求解代价函数,恢复出清晰图像。实验结果表明,该算法能有效恢复图像细节,锐化图像边缘,抑制噪声,避免产生振铃效应。     

一种改进的图像盲复原算法

图像盲复原是在点扩散函数未知的情况下从退化观测图像中恢复出原图像的高频细节。本文给出了一种交替进行Lucy-Richardson恢复和全变差正则化的盲图像恢复算法。算法将图像盲恢复问题分解成图像恢复和模型辨识两个关联的子问题。在模型辨识阶段,采用全变差正则化估计系统的点扩散函数;在图像恢复阶段,使用Lucy-Richardson算法和奇异值分解相结合的方法恢复图像。实验结果证明,该方法能更好的抑制噪声、提高图像的分辨率。     

基于加速阻尼Richardson-Lucy算法的湍流退化图像盲复原方法

提出了一种基于加速阻尼Richardson-Lucy(ADRL)算法的湍流退化图像盲复原方法,称为ADRL-IBD方法。在阻尼Richardson-Lucy算法的基础上,引入二阶矢量外推加速技术对其进行加速,形成ADRL算法,并将该算法应用到迭代盲目反卷积(IBD)算法中。使用长曝光大气湍流光学传递函数的物理模型或根据观测图像来获取初始的点扩展函数(PSF),利用阈值分割技术获取图像目标的可靠支持域,在每一次迭代中,对图像施加支持域约束。模拟图像和实际湍流退化图像复原结果表明,基于Richardson-Lucy算法的IBD算法要优于基于Wiener滤波的IBD算法,并且ADRL-IBD算法具有较强的抗噪性,与RL-IBD算法相比,收敛速度更快,复原结果更好。     

基于改进的迭代增量频域反卷积滤波器的图像复原

图像复原是数字图像处理的一个重要内容.本文针对因运动和噪声而模糊的图像进行了复原研究,发现通常的反卷积法、几何均值滤波和普通的迭代反卷积滤波均不能实现高质量的图像复原,为此,我们提出一种改进的迭代增量反卷积滤波算法,实验表明,按我们的方法可以得到质量上乘的图像复原.     

频域迭代盲解卷积图像恢复方法及其算法实现

详细讨论了一种新的模糊图像复原法 ,使用这种方法 ,不需知道图像模糊过程的模糊因子 ,就可以实现图像的恢复。该算法易于编程 ,且具有较强的通用性。分析了计算机算法 ,并给出了处理的结果。     

基于偏微分方程的图像盲恢复模型

提出了一种新的基于偏微分方程的图像盲恢复模型.改进了Chan和Wong的交替最小化思想.扩散系数不是直接来源于图像的梯度幅值而是在图像梯度模的基础上恢复出图像的边缘信息,消除了梯度模在分母中对实验产生的误差,给出了模型粘性解的存在性,唯一性和稳定性的定理.并给出实验结果,通过比较表明该模型有很好的性能.     

基于加速正则化RL算法的大气湍流退化图像盲复原方法

提出了一种基于加速正则化Richardson-Lucy（RL）算法的大气湍流退化图像盲复原方法（AccRLTV-IBD）。在总变分（TV）正则化RL算法的基础上,引入二阶矢量外推加速技术对其进行加速,形成加速正则化RL（AccRLTV）算法,并将该算法应用到迭代盲目反卷积（IBD）算法中。使用长曝光大气湍流光学传递函数（OTF）的物理模型或根据图像来获取初始的点扩散函数（PSF）,在灰度平均梯度（gray Mean Grads, GMG）的基础上定义了一个相对灰度平均梯度（relative Gray Mean Grads, RGMG）参数作为无参考图像复原质量的评价标准。模拟图像和实际湍流退化图像复原结果表明,基于RL的IBD算法要优于基于Wiener滤波的IBD算法,并且与RL-IBD算法相比,AccRLTV-IBD收敛速度更快,复原效果更好。     

基于小波变换的盲图象恢复

提出一种基于小波分解的盲图象恢复算法。该算法根据图象小波变换各个子频段所具有的不同频率特性和不同的方向特性，对各子频段分别进行盲图象恢复；各子频段采用不同的正则化算子。实验结果表明该算法的盲图象恢复的性能优于空域算法。     

基于卡尔曼滤波的图像复原

本文研究了基于卡尔曼滤波的图像复原方法。介绍了图像模型的建立以及几种经典卡尔曼滤波图像复原方法,提出了图像模型自适应的复原算法,并进行了仿真研究。在其退化过程只限于假定是被白噪声污染的马尔可夫（Markov）过程的条件下,目前应用卡尔曼滤波进行图像复原结果显示,本方法具有更好的性能。     

一种改进的NAS-RIF盲图像复原算法

在Deepa Kundur等人提出的NAS-RIR (Nonnegativity and support constraints recursive inverse filtering)盲图像复原算法的基础上，提出改进方法。首先对非均匀背景图像进行背景校正，以扩大原算法的适应范围；接着改进求取支撑域的算法，以提高图像的复原效果；最后对求取梯度值的算法作了改进，以提高原算法的执行效率。由实验结果可看出，改进的NAS-RIF算法比原算法具有更好的图像复原性。     

无源毫米波成像改进POCS超分辨率算法

在无源毫米波成像中,因为受天线孔径大小的限制而导致获取的图像分辨率低,所以必须采取有效后处理措施增强分辨率.提出了一种改进的POCS超分辨率算法,该算法结合了Wiener滤波器复原算法和凸集投影(POCS)算法的优点,使用Wiener滤波复原算法恢复图像通带内的低频分量,运用POCS算法作为主迭代过程实现频谱外推,同时保证低频分量不被破坏.实验结果表明,该算法增强了图像的分辨率,改善了收敛速度,减少了计算量,有利于无源毫米波成像超分辨率的实时实现.