一种基于正则化参数自适应选择的快速近似求逆的图像恢复新算法

本文根据正则化恢复中正则化参数应具有的性质,提出了一种基于正则化参数自适选择方案的新的空域迭代恢复算法。     

稀疏梯度先验模型的正则化图像复原

传统Lucy-Richardson(LR)算法是一种基于贝叶斯分析的图像复原迭代算法,对高信噪比的退化图像能获得很好的复原结果,但对噪声过于敏感,对低信噪比的退化图像在迭代过程中易造成噪声的放大,虽然有一些正则化方法应用到LR算法中来抑制噪声,但往往容易产生过度平滑的问题。针对这些问题将图像稀疏先验模型作为正则项引入到LR算法中,抑制噪声在迭代过程中的放大。与常规的图像梯度约束算法不同,本文算法中根据模糊图像梯度分布特点的不同提出了可变参数的图像稀疏梯度正则化约束方法,使复原图像的梯度分布参数在迭代过程中更趋近于真实梯度分布,同时通过调整正则项系数可以避免复原图像的过度平滑。实验结果表明,同标准LR算法和常规梯度约束算法相比,本文算法能够实现在抑制噪声放大的同时较好地保留图像的细节。     

基于频域和空域的数字图像复原算法研究

基于频域和基于空域的数字图像复原算法有各自的适用范围和特点.通过分析研究可以得到,基于频域的算法比较简单,在已知图像和噪声功率谱的情况下可以快速准确地进行图像复原;基于空域的算法直接对图像像素进行操作,通过正则化项的引入更好地控制噪声,并采用迭代计算获得了良好的图像复原效果.文中对常规的空域正则化算法进行改进,构造空域上加权矩阵,更好地保持图像的边缘和纹理.在实际应用中要需要对这些不同算法加以比较选择.     

基于前向后向算子分裂的稀疏性正则化图像超分辨率算法

提出了一种新的基于稀疏表示正则化的多帧图像超分辨凸变分模型, 模型中的正则项刻画了理想图 像在框架系统下的稀疏性先验, 保真项度量其在退化模型下与观测信号的一致性, 同时分析了最优解条件. 进一步, 基于前向后向算子分裂法提出了求解该模型的不动点迭代数值算法, 每一次迭代分解为仅对保真项的前向(显式)步与仅对正则项的后向(隐式)步, 从而大幅度降低了计算复杂性; 分析了算法的收敛性, 并采取序贯策略提高收敛速度. 针对可见光与红外图像序列进行了数值仿真, 实验结果验证了本文模型与数值算法的有效性.     

一种基于小波变换的迭代正则化图象恢复算法

提出一种基于小波变换的迭代正则化图象恢复算法,兼顾抑制噪声的增长和保留图象重要边界。该算法根据图象小波变换各个子频段的不同频率特性和方向特性,分别采用不同的正则化参数和正则化算子。实验结果表明舸用该算法的图象恢复的性能优于常规的空域算法。     

压缩图像空时自适应正则化超分辨率重建

所谓超分辨率(SR)技术就是由低分辨率(LR)图像序列来重建高分辨率(HR)图像的技术,而基于压缩图像的SR技术正成为当前研究的热点。为了提高压缩图像的重建质量,在正则化理论的基础上,通过利用比特流中的信息,提出了一种新颖的空时自适应超分辨率重建算法,该算法先利用正则化代价函数控制时域数据和空域先验信息之间的平衡,使正则化参数在SR重建过程中得到自适应地调整,然后利用迭代梯度下降法进行超分辨率重建。仿真实验表明,该自适应算法比采用传统算法重建的图像的主、客观质量有一定的提高,适合压缩图像的应用。     

多帧图像的Tikhonov正则化重建算法研究*

介绍了Tikhonov正则化超分辨率重建算法的基本原理和特点,在原有正则化空域图像复原方法的基础上,根据多帧序列图像之间的互补信息,提出一种改进的正则化空域图像复原的新方法,该算法直接将正则化函数作用于图像超分辨率重建算法的条件概率项内,提高了正则化项的校正效率,并用共轭梯度运算来改善算法的收敛性,节省了图像重建所需的时间。实验和仿真结果表明,与传统方法相比,该算法不仅减轻了图像边缘纹理的模糊性,提高了图像的清晰度,而且收敛速度快。     

RCTLS图像恢复中局部线化的优化算法以及正则化参数的自适应选择

关于模糊图像的恢复问题,可采用DFT域中的正则化约束总体最小二乘法(RCTLS)有效地加以解决.该方法的实现是对非凸函数进行求解,尽管采取了一些经典优化迭代算法,仍难以获得高质量的恢复图像,并需要较多的机时.为此,本文对DFT域中的RCTLS算法提出两个具有创新性的解决方案:首先提出了局部线化优化算法进行求解;在此基础上,我们还对正则化参数进行自适应选择,以进一步提高恢复图像的质量.实验证明,采用局部线化方法可以成倍地提高计算速度,明显改善了图像恢复质量;同时,对正则化参数进行了自适应迭代选择不仅提高了工作效率,并且能使恢复图像的质量得到进一步改善.     

基于整体变分正则的图像盲恢复研究

实现了一种基于TV正则化的图像盲恢复算法。采用了交替迭代算法,保证迭代中能同时恢复出图像以及点扩张函数,并在每步迭代中自适应调整其扩散参数。实验结果也显示了迭代过程的收敛以及鲁棒性(特别是对于非连续的模糊),而且图像和点扩张函数可以在很高的噪声级下恢复。     

基于压缩感知的自适应正则化磁共振图像重构

当前基于压缩传感理论的正则化磁共振(CS-MR)图像重构算法普遍采用全局正则化参数,不能很好地在保持边缘和平滑噪声方面做出平衡。为此,提出一种自适应的正则化CS-MRI重构算法。结合图像稀疏性和其局部光滑性的先验知识,采用非线性共轭梯度下降算法求取最优化问题,并在迭代过程中自适应地改变局部正则化参数。新的正则化参数可以更好地恢复图像边缘,并且有利于平滑噪声,使代价函数在定义域内具有凸性;同时先验信息包含于正则化参数中,以提高图像的高频成分。实验结果表明该算法能有效权衡恢复图像边缘和平滑噪声两者的关系。     

在小波变换域内实现图像的超分辨率复原

提出了在小波域内实现图像的超分辨率复原的方法，这种方法可以达到自适应边缘保持的目的，算法特点如下：(1)对观测模型实施正交小波变换，获得超分辨率复原问题的空频域描述；(2)采用广义高斯概率模型来构建超分辨率图像的尺度系数和小波系数的先验描述；(3)采用半二次正则化迭代方法来完成小波域超分辨率复原的求解过程。     

基于L-R非线性迭代的降质图像复原算法

为克服图像传输和获取过程中受模糊、失真等因素影响所造成的图像降质,提出一种基于L-R非线性迭代的降质图像复原算法。建立图像退化和恢复模型,并给出复原图像的评价测度。仿真实验结果表明,与传统的维纳滤波相比,该算法在存在多种随机噪声的情况下,能达到较好的图像复原效果。     

基于傅立叶和小波域的多通道图像恢复方法

提出了一种新的多通道图像恢复方法。该方法在傅立叶和小波域利用同态滤波进行模糊辨识,在迭代过程中采用基于小波变换的图像融合技术来增强图像的细节。在小波和傅立叶域进行正则化因子的估计,从而减少参数的输入和增强抗噪能力。试验表明所提出的算法能够有效地解决实际问题,效果很好。     

Bregman交替迭代遥感图像复原方法

针对多种退化因素的遥感图像复原问题,提出一种基于Bregman迭代的遥感图像消除不规则采样、去模糊和去噪总变差复原方法。在此基础上,结合非局部正则化方法,提出一种自适应计算非局部均值滤波器参数的方法。求解时使用交替最小化方法将复杂的复原问题分割为两个容易求解的子问题。实验结果表明,本文方法比其他基于Bregman迭代的方法收敛速度快、复原效果好,且加入非局部正则化后具有更好的纹理细节信息保持能力。     

一种基于模糊函数的自适应平滑约束图像复原算法

为了在抑制噪声的同时保护图像的细节,提出了一种基于模糊函数的自适应平滑约束图像复原算法。该算法首先用模糊函数对图像局部区域内线元素的数量和方向进行评价,然后根据评价结果使用不同的高通滤波器构造平滑约束条件,同时使平滑约束条件随着图像复原的迭代过程不断更新,以便自适应地在图像平坦区域抑制噪声,而在存在物体边界的区域则保护细节信息。对比实验表明,此方法具有更高的收敛速度,更好的客观评价指标和主观视觉效果。     

一种变步长迭代正则化图像复原的新算法

针对现有迭代正则化方法复原质量不高的问题 ,提出了变步长迭代正则化图像复原方法 ,并在三种不同的正则参数下对该方法的恢复性能进行了检验。实验结果表明 ,该方法不仅提高了图像复原的质量 ,极大地减少了迭代算法的运行时间 ,而且当噪声能量增大时 ,迭代过程中解的稳定性也不会受到影响 ;更重要的是它对正则参数的选择不敏感。     

大位移变分光流计算的快速算法

目的 多尺度方法的提出解决了传统HS（Horn Schunck）算法不能计算大位移光流的问题,但同时也增加了迭代运算的步数。为加快迭代收敛速度,研究大位移变分光流计算的快速算法,并分析其性能。方法 将用于加快变分图像处理迭代运算的Split Bregman方法、对偶方法和交替方向乘子法应用到大位移光流计算中。结果 分别进行了精度、迭代步数、运行时间的对比实验。引入3种快速方法的模型均能够在保证精度的同时,在较少时间内计算出图像序列的光流场,所需时间为传统方法的11%~42%。结论 将3种快速方法应用到大位移变分光流计算中,对于不同图像序列均可以较大地提高计算效率。