变参式Tikhonov正则化图像复原算法

正则化方法是近年来流行的图像复原算法。研究了周期边界条件下Tikhonov正则化的预处理共轭梯度算法,提出了新的预处理矩阵和变化正则化参数的方法。正则化参数先取较大值,抑制复原图像中的噪声,得出收敛的结果来修正初始梯度;再取较小值,用来增强复原图像中的细节。对一组图像复原基准问题的实验结果表明,与当前流行的正则化图像复原算法比较,该算法的图像复原效果更佳。     

频域正则求逆小波域维纳滤波图像复原

采用频域正则化求逆和小波域维纳滤波去噪的方法对已知线性降晰模型的含噪图像进行图像复原。实验结果表明，本文算法的复原效果明显优于频域维纳滤波复原和小波域正则反卷积复原。     

基于超分辨力图像复原算法的模糊系统辨识

由于利用已有的知识和经验得到的点扩散函数(PSF)估计值与真实值之间的偏差会直接影响图像复原质量。为准确地估计PSF,使其向真实的点扩散函数类型和参量逼近,采用超分辨力图像复原MPML算法同几种常用的数字图像去模糊处理进行比较分析,通过实验表明：MPML算法具有其他几种算法的优势,同时减少了对原有信息的丢失;在此基础的同时,按照点扩散函数的分类,分析了点扩散函数的不同估计值及其对图像复原的影响,提出基于超分辨力图像复原算法的图像细节评价参数D,保证了复原图像主观效果和评价参数的一致性。对于模糊图像的系统辨识及其图像复原问题的解决具有实际意义,但对于附加较大噪声条件下的图像复原仍是需要进一步研究的问题。     

一种改进的总变分正则化图像盲复原方法

传统的图像复原算法多数采用最小均方误差作为图像复原效果的评价标准,很少考虑人的视觉感受。本文在总变分盲复原算法的基础上结合Weber定律和正则化方法,运用不同的迭代表达式：在模糊辨识阶段,采用总变分正则化算法进行辨识;在图像复原阶段,采用Weber定律和正则化方法相结合。正则化的选择充分考虑图像的细节保持和边缘增强。实验结果采用基于人眼视觉感受的图像评价标准来验证。实验证明该算法在未知点扩散函数的情况下不但能有效的抑制噪声和消除纹波现象,而且还能有较好的视觉效果。     

基于单帧图像的复杂光学成像条件下图像复原方法

大气层、临界层等光学成像环境复杂，如何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先验信息利用不足和抗噪性能较差等问题，提出基于单帧图像的复原方法。首先建立多尺度多方向形态滤波器，引入噪声特征图像自适应选择结构元素，克服传统方法固定结构元素无法改变的缺点；使用小波变换将小波的多分辨率特性与图像复原相结合，加快运算速度并进一步抑制残余噪声；提出基于分形维数动态求解支持域与正则化参数，改善以往固定支持域的缺点，提升图像复原的准确性。大量实验结果表明，本算法仅使用单帧模糊图像即可有效复原，可适用于多种类型数据集，满足实时复原的场景。     

超分辨力图像处理技术进展及在遥感中的应用

介绍了超分辨力图像复原处理技术在国内外的进展,着重介绍了基于Baves分析的单幅图像超分辨力算法——基于Poisson分布的最大似然法(PML)、基于Poisson分布的最大后验概率法(PMAP)和基于Markov约束的Poisson分布的最大后验概率法(MPMAP)以及基于多画幅MPMAP超分辨力复原算法,并给出了单幅MPMAP法以及多画幅MPMAP超分辨力复原算法处理实际遥感图像数据源的结果,表明超分辨力图像处理技术在遥感成像领域具有良好发展和应用前景,有效实现了遥感图像中高频分辨力的复原。     

结合稀疏表示与匹配梯度分布的图像复原

针对基于稀疏表示的传统图像复原方法无法准确恢 复图像小尺度细节的不足,提出了一种结合稀疏 表示与匹配梯度分布的图像复原方法。首先在稀疏表示图像复原模型的基础上,利用参数化 的超拉 普拉斯分布估计原始图像的梯度分布;然后,通过对图像的梯度分布进行全局约束,利用梯 度直方图匹配 操作匹配图像梯度分布,使复原图像的梯度分布尽可能接近原始图像。仿真实验结果表明 , 本文算法能够取得较优的复原效果, 并且能以较高精度复原图像的细节信息。     

基于粒子群优化的正则化水下图像盲复原

水下图像恢复的难点在于缺少海水的点扩展函数的足够信息,而导致病态的问题.为了提高水下激光成像系统的成像质量,提出了用粒子群优化正则化参量的盲图像复原算法.该方法结合Tikhonov正则化和改进的全变分正则化的技术特点,使用一种交替迭代方法,分别估计点扩展函数和估计复原图像,同时用粒子群算法优化正则化参量.结果表明,该方法对水下图像复原具有较好的鲁棒性,算法收敛稳定.     

一种新的基于MAP的纹理自适应超分辨率图像复原算法

 本文论证了超分辨率图像复原计算中的两个性质,并基于此在MAP(Maximum A Posteriori)框架下提出了一种新的纹理自适应算法.算法首先根据低分辨率图像和高分辨率图像近似计算的可类比性质计算初始图像,使初始图像的质量更高,并根据超分辨率复原图像阶跃边缘的陡坡性质,将三边滤波正则化应用于迭代运算中,更好地保护了图像的陡坡和屋顶边缘.算法可根据图像的纹理自动计算初始图像融合参数以及正则化函数中的梯度阈值等参数,解决了以往超分辨率图像复原算法参数调整复杂的问题.实验结果表明,本文算法在没有人工参与的情况下,重建图像的客观评价和主观质量均有明显提高.     

基于先验信息和正则化技术的图像复原算法的研究

在湍流退化图像复原研究中,为了消除大气湍流的影响,提出了一种基于先验信息和正则化技术的盲解卷积图像复原算法.该算法是以极大似然估计为基本原理,将目标图像和点扩展函数的先验信息以惩罚项的形式引入到极大似然函数中,同时利用正则化技术优化目标图像和点扩展函数的估计过程,以增加极大似然估计算法的收敛性和稳定性.通过退化图像的复原实验结果表明,该算法在退化模型完全未知的情况下,可以有效的实现对湍流退化图像的盲复原.     

二阶Hopfield型神经网络的稳定性 分析及收敛速度的估计

本文讨论二阶连续Hopfield型神经网络平衡点的全局稳定性问题,利用LMI方法和Lyapunov方法得到了网络平衡点全局渐近稳定和全局指数稳定的几个充分条件,并对其指数收敛速度进行了估计.     

考虑亚像素配准误差的超分辨率图像复原

超分辨率图像复原作为第二代图像复原方向,已成为目前国际图像复原界的一个研究热点.一般来说,超分辨率图像复原是一个病态问题,可以结合图像的先验信息,使其成为良态的,这需要有效的规整化算法.但是,规整化参数的选择多数情况是通过经验确定的,且现有的一些计算规整化参数的方法又过于繁琐.本文讨论了亚像素配准误差引入的情况下噪声的统计模型,利用Miller规整的思想给出了简易可行的规整化参数计算方法.这种规整化参数计算方法能够自适应地根据配准误差和观测噪声局部调整由于配准误差导致的失真.仿真结果表明得到的规整化参数能使规整化算法有效收敛.     

基于MPMAP序列红外图像高分辨力重建和非均匀性校正

红外焦平面阵列(IRFPA)的非均匀性校正是获得高性能热成像的基本保证,非均匀性校正(NUC)算法是当前国内外研究的重要方向.鉴于序列图像的超分辨力复原方法和基于场景的NUC算法都需要存在微位移的多帧序列目标场景图像,本文在Poisson和Markov分布假设的基础上,将超分辨力复原与NUC结合,针对存在非均匀性的红外...     

Novel cooperative neural fusion algorithms for image restoration and image fusion.

To deal with the problem of restoring degraded images with non-Gaussian noise, this paper proposes a novel cooperative neural fusion regularization (CNFR) algorithm for image restoration. Compared with conventional regularization algorithms for image restoration, the proposed CNFR algorithm can relax need of the optimal regularization parameter to be estimated. Furthermore, to enhance the quality of restored images, this paper presents a cooperative neural fusion (CNF) algorithm for image fusion. Compared with existing signal-level image fusion algorithms, the proposed CNF algorithm can greatly reduce the loss of contrast information under blind Gaussian noise environments. The performance analysis shows that the proposed two neural fusion algorithms can converge globally to the robust and optimal image estimate. Simulation results confirm that in different noise environments, the proposed two neural fusion algorithms can obtain a better image estimate than several well known image restoration and image fusion methods.     

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。      

泊松噪声模糊图像的边缘保持变分复原算法

从贝叶斯估计出发,构造了一种新的变分模型,用于复原被泊松噪声污染的模糊图像.首先讨论了模型正则化项中具有边缘保持能力的函数选取以及模型求解的相关问题,然后将变分模型的求解转化为可快速求解的非线性扩散方程,给出了正则化参数选取的初步空间自适应方法,可以区分平滑区域和图像边缘自适应的调节参数.实验结果表明,本文方法的复原效果整体上优于传统的迭代正则化方法,复原图像的边缘得到了有效的保护,泊松噪声的抑制效果明显,复原图像提高的改进信噪比(ISNR)要比迭代正则化方法平均提高1 dB以上.     

基于后小波处理的超分辨力图像复原算法

介绍了最大后验概率(MAP)复原超分辨力算法发展现状,然后着重介绍了基于Markov随机场的泊松最大后验概率复原算法(MPMAP)和小波滤波方法。以MPMAP算法为基础,提出了基于后端小波滤波处理和Markov分布的最大后验概率算法(PWMPMAP),试验证明这种算法具有很强的抑制噪声和振铃现象的能力,与MPMAP算法相比,复原效果明显提高,对红外热图像等低信噪比图像尤为有效,以30 dB的红外“建筑物”图像为例,相对MPMAP算法,峰值信噪比(PSNR)可以提高0.4 dB左右。     

General choice of the regularization functional in regularizedimage restoration

The determination of the regularization parameter is an important issue in regularized image restoration, since it controls the trade-off between fidelity to the data and smoothness of the solution. A number of approaches have been developed in determining this parameter. In this paper, a new paradigm is adopted, according to which the required prior information is extracted from the available data at the previous iteration step, i.e., the partially restored image at each step. We propose the use of a regularization functional instead of a constant regularization parameter. The properties such a regularization functional should satisfy are investigated, and two specific forms of it are proposed. An iterative algorithm is proposed for obtaining a restored image. The regularization functional is defined in terms of the restored image at each iteration step, therefore allowing for the simultaneous determination of its value and the restoration of the degraded image. Both proposed iteration adaptive regularization functionals are shown to result in a smoothing functional with a global minimum, so that its iterative optimization does not depend on the initial conditions. The convergence of the algorithm is established and experimental results are shown.