TDI遥感图像中畸变像移模糊的去除

采用离轴三反射结构的大视场空间相机存在较大的光学畸变,导致引入时间延迟积分(Time Delay Integration, TDI)技术的面阵探测器在推扫成像时产生像移模糊。根据畸变引起的TDI成像退化原理,将畸变像移模糊转化为非均匀运动模糊,通过求解像移路径计算初始模糊核,将其作为先验信息,建立半盲复原模型进一步细化模糊核。利用初始模糊核复原的粗略图像边缘指导模糊核的细化,提出一种多方向权重异性的全变差模型提取图像结构信息。为了增强先验信息对模糊核细化的约束,构建了含有初始模糊核的正则项,使模糊核的估计不过度依赖于图像内容,采用多尺度迭代方法求解。最后用正则化约束的非盲反卷积方法去除图像模糊。实验结果表明:与现有的几种去模糊算法相比,所提方法的去模糊效果不仅清晰自然且对不同样本图像的模糊核估计更稳定。     

基于有理数多项式先验模型的图像盲去模糊

图像盲去模糊问题是当今图像处理领域的热点问题之一.基于混合高斯先验模型的变分贝叶斯去模糊算法可以有效地复原模糊图像,成为一种重要的图像去模糊算法.虽然混合高斯先验模型可以很好地逼近自然图像的梯度分布,但是该模型在图像梯度值较大处往往会产生过拟合导致去模糊后的图像产生振铃效应,严重影响了图像可读性.利用有理数多项式先验模型代替混合高斯模型逼近自然图像的梯度分布,克服算法的上述缺点.有理数多项式函数的分母多项式强制函数在梯度值较大值时平滑,所以有效地避免了过拟合现象的发生,从而使得模糊核估计得更准确,减少振铃效应.实验结果表明了算法的可行性和有效性.     

凹凸范数比值正则化的快速图像盲去模糊

模糊图像可表示为清晰图像和模糊核函数的卷积,由模糊图像恢复出清晰图像,需要同时估计模糊核和清晰图像,因此是一个病态问题.优化含有先验项的代价函数是求解病态问题最有效方法之一.针对图像盲去模糊问题,本研究提出具有更强稀疏表达能力的凹凸范数比值正则化先验项,在用变量分裂法求解模型时,提出用L1范数保真项更新估计图像,在更新模糊核时,提出使用线性递增权重参数对模糊核按多尺度方法由粗到细逐步估计,当获得模糊核后,利用封闭阈值公式估计清晰图像.该方法能快速得到高质量的清晰图像,实验结果验证了模型的有效性和算法的快速性.     

联合深度先验图像去模糊方法

针对现有深度学习图像去模糊方法依赖大量训练数据的问题，从图像先验信息出发，提出一种联合深度先验图像去模糊方法。用自编码-自解码网络和全连接网络，分别对潜像和模糊核的深度先验进行建模，在去模糊模型中加入TV(Total Variation)正则化和冲击滤波进行改进，从而提高方法的抗噪性能，增强复原图像细节，最后通过联合优化得到清晰图像。实验结果表明，该方法可以在不依赖大量训练数据的基础上进行图像去模糊，在公开数据集上获得的峰值信噪比值为29.24dB,结构相似度值为0.862,与其他方法相比在真实模糊图像上去模糊效果更好。     

基于TwIST-TV 约束的图像去模糊方法

传统的基于频域和小波域的去模糊算法所得的复原图像总是存在比较明显的边缘振铃及模糊效应,而较为有效的空域迭代优化去模糊算法速度通常比较慢。为了解决上述问题,提出了基于二步迭代阈值收缩（TwIST）与总变分（TV）约束相结合的图像去模糊算法（TwIST-TV）。首先在去模糊目标函数中加入对图像的TV 正则化约束,其次在对图像小波系数的每次二步迭代之前,加入对图像的TV 优化去噪约束,最后迭代获取去模糊图像。实验结果表明:相对于基于频域和小波域的模糊图像恢复算法,TwIST-TV 能有效抑制边缘模糊和振铃效应,复原图像的信噪比（SNR）、峰值信噪比（PSNR）高出1~7 dB,平均结构相似度指标（MSSIM）可高出0.05,相对于空域解卷积算法在保证求解精度相当的情况下具备6 倍以上的速度优势。     

基于分裂Bregman方法的全变差图像去模糊

针对全变差图像去模糊问题,提出一种基于分裂Bregman方法的全变差图像去模糊算法,利用分裂Bregman方法来优化其求解问题模型.首先,利用辅助变量及其二次惩罚泛函把全变差去模糊优化问题转化为一个等价的无约束优化问题;其次,基于Bregman迭代将其分解为两个子优化问题采用交替最小化方法进行求解;最后,根据子问题结构特点,采用离散傅立叶变换及收缩技术实现子优化问题的快速计算.实验结果表明,在不同尺寸模糊核条件下本文算法能获得有效、稳定的图像复原结果,相比FTVd、IRN去模糊方法,本文算法复原效果更好,计算更加快速.     

基于超像素和低秩的协同稀疏高光谱解混

为了克服经典协同稀疏解混算法的不足以及全变差正则项引起的边缘模糊问题,同时考虑到稀疏性和空间信息对解混精度提高的重要性,采用结合超像素和低秩的协同稀疏高光谱解混算法,进行了理论分析和实验验证.该算法对高光谱图像进行超像素分割,并对每个超像素施加协同稀疏性约束.此外使用低秩正则项代替传统的全变差正则项来利用空间信息,选取...     

基于暗通道与低秩先验的运动模糊图像盲复原

摘`要:为了将运动模糊图像恢复成清晰图像,提出了一种基于暗通道与低秩先验的图像盲去模糊方法。首先,利用图像暗通道的稀疏性进行中间复原图像估计,同时引入带权值的低秩先验约束抑制中间复原图像中的噪声,提高模糊核估计的准确性;然后,通过交替迭代的优化策略得到准确的模糊核;最后,用Hyper-Laplacian先验方法得到清晰图像。实验结果表明,提出的方法能有效抑制噪声和振铃效应,保留图像细节,对运动模糊图像有较好的复原效果。     

张量低秩约束下的多帧图像去模糊

矩阵低秩估计模型在图像处理任务中有着广泛地运用。针对图像去模糊,利用矩阵低秩先验能保留图像的重要边缘信息从而实现去模糊。而对于多帧图像去模糊,基于矩阵的低秩模型并未充分考虑多帧图像间的时序和空间关系。针对该问题,我们提出基于三维张量低秩先验的多帧视频图像盲去模糊模型。在模型中,首先将多帧连续图像按时序维堆叠成张量,显式地考虑多帧图像间的时空关系,同时利用张量低秩先验约束保留图像重要纹理结构信息。利用交替迭代的方法求解模型,实现去模糊。通过在不同的数据集上实验结果表明,该方法能达到较好的去模糊结果。      

带总观测误差约束的模糊图像恢复

模糊图像恢复是数字图像处理领域的研究热点之一,总变差(Total Variation, TV)规整化可以很好的保持图像的细节,然而,传统的TV图像恢复模型需要考虑最优的正则化参数,由此,提出了一族包含不同规整化因子,带总观测误差约束的模糊图像恢复模型,并分为去模糊和去噪两步求解此模型。在去模糊过程中,利用共轭梯度法求出一个满足总观测误差约束的初始恢复图像;在去噪过程中,首先,以去模糊的结果作为初始估计;其次,针对 范数最小化问题,利用优化—最小化(Majoriziation-Minimization, MM)算法的思想,将原问题转化为一系列容易求解的优化子问题;最后,极小化优化子问题,得到最终的恢复图像。实验结果表明,该算法对模糊图像的恢复效果是显著地。      

An improved image blind deblurring based on dark channel prior

In order to solve the ringing effect caused by the incorrect estimation of the blur kernel, an improved blind image deblurring algorithm based on the dark channel prior is proposed. First, in the blur kernel estimation stage, high-pass filtering is introduced to enhance the image quality and enhance the edge information to make the blur kernel estimation more accurate. A combination of super Laplacian prior and dark channel prior is introduced to estimate the potential clear image. Then the accurate blur kernel is estimated through alternate iterations from coarse to fine. In the image restoration stage, a weighted least square filter is introduced to suppress the ringing effect of the original clear image to further improve the quality of image restoration. Finally, image deconvolution based on Laplace priors and L₀ regularized priors is used to restore clear images. Experimental results show that our approach improves the peak signal-to-noise ratio(PSNR) by about 0.4 d B and structural similarity(SSIM) by about 0.01, respectively. Compared with the existing image deblurring algorithms, this method can estimate the blur information more accurately, so that the restored image can achieve the effect of keeping the edges and removing ringing.     

高速飞行条件下长曝光图像复原方法北大核心CSCD

在大气层、临界层中高速飞行的飞行器其周边的光学成像环境复杂,准确求解点扩散函数并抑制噪声是图像复原的两个重点。针对目前复原算法存在抗噪性能差、先验信息利用不足等问题,本文提出高速飞行条件下长曝光图像的图像复原方法。首先构造多尺度多方向形态学滤波器对图像进行去噪预处理;引入小波变换将小波的多分辨率特征与图像复原相结合,进一步抑制残留噪声并加快运算速度;采用结合最大类间方差法的Radon变换计算运动模糊点扩散函数;最后构造多直线拟合模型,提出基于图像梯度的对称频谱估计,自适应重建清晰图像频谱。实验表明,本文算法可使用单幅长曝光图像完成有效去噪和去模糊,满足实时复原场景,PSNR和SSIM评价指标数值有效提升。     

基于自回归移动平均模型的图像模糊消除并行稳定机制研究

为了克服图像模糊消除算法不稳定与解模糊等难题,保证复原图像的细节信息清晰完整; 并提高算法的运行效率,获取实时性,本文提出了神经网络融合自回归移动平均模型的图像模糊消除并行稳定机制。引入神经网络,基于突触权重系数,构造激活函数;再嵌入人工蜂群算法（ABC- Artificial Bees Colony）,并以神经网络的均方误差函数设计适应度方程,由ABC算法训练神经网络,利用优化后的神经网络来获取自回归移动平均模型的参数;再将自回归移动平均优化模型引入模糊图像,以同时识别模糊函数与模糊图像;并对模糊函数进行相关定义,以消除算法不稳定性与解模糊问题;再对模糊图像进行反卷积,消除模糊。借助仿真实验来测试本文机制的相关性能,结果表明：与其他模糊消除算法相比,该机制的运行速度更快,时耗最短;且本文机制更稳定,模糊消除效果更好,复原图像的细节信息清晰可见。     

Total variation as a multiplicative constraint for solving inverseproblems

The total variation minimization method for deblurring noise is shown to be effective in increasing the resolution in a contrast source inversion approach to index reconstruction from measured scattered field data. The main drawback is the presence of an artificial weighting parameter in the cost functional, which can only be determined through considerable experimentation Therefore, we introduce the total variation as a multiplicative constraint. Numerical examples demonstrate that the algorithm based on this multiplicative regularization seems to be robust and handling noisy data very well without the necessity of the weighting parameter.     

基于迭代深度网络的红外图像增强算法

由于现有基于深度网络的图像增强模型直接学习退化图像与清晰图像之间的映射函数,忽略了观测模型保真项的约束,导致恢复的图像存在虚假纹理和细节丢失。本文提出了一种用于红外图像增强的改进深度网络,该网络将深度学习网络嵌入到一个迭代的图像增强任务中,通过图像增强模块和反投影模块交错优化,实现数据一致性约束。本文提出的深度网络不仅可以利用深度特征学习先验,还可以利用观测模型的一致性先验。实验结果表明,本文提出的算法可以在图像去噪和去模糊任务上获得非常有竞争力的重建结果,在低对比度区域也能获得清晰的重建效果。     

基于图像稀疏表达的模拟退火图像复原

针对现有的图像复原方法振铃效应严重的问题,提 出了一种基于图像稀疏表达的模拟退火的图像复原方法来恢复模糊图像。首先根据模拟退火 算法的要求,建立价格函数并 通过图像的模糊因子确定参数;然后在价格函数中的约束项引入图像的稀疏性,以提高复原 图像的质量;接着给初始解一个随机扰动,产生扰动解,并根据扰动解所造成的价格函数 的变化判断是否接受该扰动解;最后,当价格函数小于某一预设值时所得到的解即为复原 图像。实验结果表明,复原后图像细节增加且振铃效应明显减少,相对于目前已有的复原方 法,峰值信噪比(PSNR)平均提高了2~3dB。恢复效果表明,本文方法具有较大的实用价值。