点扩散函数的颜色影响性研究

点扩散函数是图像处理的核心元素,是研究图像复原,增强的基础参数,也是构建退化函数的主要部分。在此应用Matlab程序,对拥有不同影响因素的实验图像进行点扩散函数的计算、归纳、比对和总结。探究图像颜色对点扩散函数的影响因素,图像自身参数影响因素,从而为建立应用更为广泛的退化模型奠定基础,也为图像复原工作的准确性提供更准确的依据。     

数字共焦显微镜实验3维点扩散函数的构建

为了获取作者所在实验室数字共焦显微镜光学系统实验3维点扩散函数,采用荧光微珠模拟点光源,利用该显微镜对荧光微珠不同散焦量的切片图像进行采集,采用多图像平均法对切片图像进行降噪处理,以此构建显微镜光学系统的实验3维点扩散函数。以该实验点扩散函数进行3维显微图像复原,并与理论点扩散函数的复原效果进行了比较。结果表明,两种点扩散函数对图像复原时均获得良好的复原效果,但是以正确实验方法获取的实验3维点扩散函数,更符合该光学系统的光学传递特性,复原效果更准确。所构建的实验3维点扩散函数,为下一步的生物显微图像复原处理提供了一种较好的选择,为数字共焦显微镜实验3维点扩散函数的构建提供了一种有效的方法。     

基于自适应总变分法的AO图像复原算法研究

为了提高自适应光学(AO)图像的质量,研究了一种基于波前重构和自适应总变分(TV)的AO图像复原方法。首先,基于Zernike多项式进行波前重构,对点扩散函数(PSF)进行初始估计。然后,提出了基于自适应总变分法的AO图像复原的迭代求解,解决了联合去卷积问题。最后,通过图像复原实验验证本文算法的恢复效果。实验结果表明:与RL-IBD算法和FS-MLJD算法相比,本文算法的NMSE值分别降低了18.6%、10.7%,算法的PSNR值分别提高了4.47%、0.987%,算法的运算时间分别降低了1.99%、13.66%。     

面向全变分图像复原的增广拉格朗日方法综述

图像复原旨在根据退化图像重建高品质原始图像,其复原的质量和速度问题一直都是图像处理领域研究的重要方向。由于其图像边缘保持特性,全变分(TV)最小化模型在图像复原领域取得了很大的成功。然而,全变分图像复原是一个典型的非光滑优化问题,需要发展相应的快速优化算法,而增广拉格朗日方法(ALM)则是近年来发展起来的一类代表性方法。结合相关进展,综述了全变分图像复原模型,变量分裂(VS)法和典型ALM算法,并通过实验从CPU运行时间、峰值信噪比(PSNR)和品质评价等方面分析了不同的变量分裂和ALM方法对图像复原性能的影响。     

基于匀速直线运动下模糊图像复原的研究

根据运动模糊图像产生的原因及特点,文中阐述了在匀速直线运动下模糊图像退化的模型,介绍了维纳滤波复原图像的原理。由于在图像获取时模糊原因的不确定性,使得点扩散函数(PSF)具有不准确性,从而使模糊图像复原的效果不佳。针对点扩散函数的确定,利用方向微分法快速判断运动模糊方向,再利用一阶差分自相关的方法鉴定运动模糊图像的模糊尺度,从而确定点扩散函数。在确定K值时,采用K值自动估计算法。通过实验仿真表明,此方法对模糊图像复原效果良好。     

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。     

Radon变换和全变分相融合的图像复原算法

图像复原的核心是点扩散函数的估计和直接去卷积算法,针对拍照过程中,相机和被拍摄物体由于相对运动而导致的图像退化问题,提出一种基于Radon变换和全变分相融合的图像复原算法。首先利用radon变换对图像退化模型参数进行估计,然后采用全变分算法复原退化图像,最后在Matlab 2012平台进行仿真实验对算法的性能检验。仿真结果表明,相对于其它图像复原算法,本文算法可以准确估计退化模型参数,获得了更加理想的图像复原效果,具有一定的实际利用价值。     

一种自适应分数阶变分图像复原模型

为了克服分数阶变分图像复原模型在图像的不同区域变分策略恒定以及未有效利用退化函数先验信息的缺点,建立了一种充分利用退化函数先验信息的自适应分数阶图像复原模型。该模型利用退化函数的平滑先验,采用分数阶变分对退化函数加以表示,并通过极小化图像局部梯度信息对分数阶变分项进行约束。模型的优化求解采用极小化Bregman距离与对偶迭代相结合的方法,并通过对比实验证明建立的自适应分数阶图像复原模型可以更好地复原图像的结构与纹理信息,峰值信噪比与结构相似性都有所提高,图像复原性能更优。     

基于双参数正则化方法的图像复原

针对高斯模糊图像的纹理和结构特性,提出一种基于总变分的双参数正则化约束的图像复原方法.首先采用基于各向异性的梯度处理方法,建立了具有点扩散函数和图像像素的灰度梯度.然后进行非线性和空间各向异性的规整化处理,使其在恢复目标图像和估计点扩展函数中能自适应地进行梯度运算.最后采用交替迭代的数值处理方法提高图像复原的速度.实验结果表明,基于梯度的双参数正则化图像复原能较好地提高图像复原的效果.     

运动和散焦模糊图像的复原方法及其应用研究

模糊图像复原是从退化的观测图像中重建原始图像的过程,是进行图像处理和模式识别等研究的基础.运动模糊和散焦模糊是两类常见的模糊方式.通过对这两类模糊图像复原过程的研究,分析了模糊图像复原过程中滤波器的选择、点扩散函数的确定以及边缘噪声的处理等关键技术,提出了图像复原的可行方案.计算机仿真试验结果表明,该方法是有效地和可行的.     

Total Variation for Image Restoration with Smooth Area Protection

The problem for image restoration is usually reduced to a constraint optimization problem. Different choice of optimization operator leads to various restoration models, e.g. least squares model and original total variation (TV) model. The TV model and its modified version can efficiently preserve the edge of the restored image well, but there exist obvious staircases in smooth area of the restored image. To reduce those staircases, we propose a new modified TV model, by adding a constraint term for smooth area protection as a penalty function. The numerical experiment shows our model can not only preserve the edge as well as TV model, but also efficiently reduce the staircase appearing in the smooth areas. Furthermore, It is shown that the restored image by our model has higher signal-to-noise ratio, less mean square error and better visual effect than those by the least squares model and by the TV models.     

一种改进的二阶偏微分去噪模型

分析了基于二阶偏微分的扩散方程模型的基本原理,针对该模型在去噪的同时会产生阶梯效应的缺点,提出了一种基于图像结构信息的二阶偏微分去噪模型。在该模型中,在二阶偏微分的全变分模型的正则化项加入图像的切矢量和法矢量信息,并由此推导出相应的扩散方程,再对扩散方程的扩散强度因子进行修改。在实验中,将模型分别与基于二阶偏微分、四阶偏微分的全变分模型进行对比分析表明,实验结果证明该模型能有效地去除图像噪声,克服阶梯效应的产生,主观性能最优。     

Orthogonal-directional forward diffusion image inpainting and denoising model

In this paper, an orthogonal-directional forward diffusion Partial Differential Equation （PDE） image inpainting and denoising model which processes image based on variation problem is proposed. The novel model restores the damaged information and smoothes the noise in image simultaneously. The model is morphological invariant which processes image based on the geometrical property. The regularization item of it diffuses along and cross the isophote, and then the known image information is transported into the target region through two orthogonal directions. The cross isophote diffusion part is the TV （Total Variation） equation and the along isophote diffusion part is the inviscid Helmholtz vorticity equation. The equivalence between the Helmholtz equation and the inpainting PDEs is proved. The model with the fidelity item which is used in the whole image domain denoises while preserving edges. So the novel model could inpaint and denoise simultaneously. Both theoretical analysis and experiments have verified the validity of the novel model proposed in this paper.     

An efficient framework for image/video inpainting

Image inpainting has been widely applied to many applications, such as restoring corrupted old photos, erasing video logos, concealing errors in a digital video processing system, and so on. However, traditional geometric inpainting methods suffer low efficiency. To tackle this problem, this paper addresses an efficient transform based framework for geometric methods. Given an image, we firstly decompose it, then separately perform restoration process and finally employ Laplacian diffusion function to hold local texture coherence. Experimental results show that the proposed method not only speeds up and enhances the performances of geometric methods, but also obtains a better restoration results compared with the traditional texture and hybrid methods.     

基于二维小波收缩与非线性扩散的混合图像去噪算法

研究自适应滤波算法对改善图像质量具有重要意义.本文分析了非线性扩散和二维Haar小波收缩去噪方法之间的关系,从本质上说明了非线性扩散方法优于Haar小波收缩去噪方法.然后,给出了一种基于图像全变差(TV)模型的非线性扩散与二维Haar小波收缩相结合的混合图像去噪算法.该算法在图像小波分解的低频部分采用全变差扩散,在高频部分采用小波收缩方法.实验结果表明,混合去噪算法在计算复杂性与滤波效果上具有更好的综合性能.     

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.     

交替使用小波去噪和全变差正则化的盲图像恢复算法

盲图像恢复就是在点扩散函数未知情况下从降质观测图像恢复出原图像.该文提出了一种交替使用小波去噪和全变差正则化的盲图像恢复算法.观测模型首先被分解成两个相互关联的子模型,这种分解转化盲恢复问题成为图像去噪和图像恢复两个问题,可以交替采用图像去噪和图像恢复算法求解.模糊辨识阶段,使用全变差正则化算法估计点扩散函数;图像恢复阶段,使用小波去噪和全变差正则化相结合的算法恢复图像.实验结果和与其它方法的比较表明该文算法能够获得更好的恢复效果.     

一种基于积分微分方程的泊松噪声去除算法

该文提出一种新的基于积分微分方程的泊松噪声去除算法.首先讨论了经典的总变差(TV)最小模型,在此基础上提出一种新的变分多尺度分层图像表示方法,然后在逆尺度空间上积分“尺度”图像从而得到了新的积分微分方程.这种新的积分微分方程含有一个单调增加的尺度函数.通过选取适当的尺度函数,该方程可以有效地去除泊松型噪声.数值实验证明了该算法比经典的TV和四阶偏微分方程算法具有更好的去噪效果.     

An image magnification algorithm using the GVF constraint model

An image magnification method with a Gradient Vector Flow（GVF）constraint-based anisotropic diffusion model is proposed in this letter.A Low-Resolution（LR）image is first magnified using bilinear interpolation,and then an iterative image restoration method,with the use of an anisotropic diffusion model and a Gaussian moving-average constraint,is applied to the magnified image.The estimated GVF of a High-Resolution（HR）image can be used to remove the jagged effect and to preserve the textural structure in the image.Meanwhile,the use of the Gaussian moving-average LR model can provide a data fidelity constraint,which renders a magnified image closer to the ideal HR version.Experimental results show that the proposed method can improve the quality of magnified images in terms of both objective and subjective criteria.