紧框架分析模型下的模糊图像盲复原

在基于稀疏表示模型的图像盲复原问题中,模糊核估计与稀疏模型的选取是影响盲复原性能的两个关键因素。针对传统基于稀疏表示盲复原方法的不足,本文提出一种基于紧框架分析模型的图像盲复原方法。该方法将盲复原问题分裂为两个迭代的子问题,分别是基于梯度图像的模糊核估计与基于紧框架分析模型的非盲图像复原。在核估计问题中,提出同时约束核稀疏性及一阶微分平滑特性,进一步提高了核估计精度。在紧框架非盲图像复原问题中,提出一种基于Moreau envelope函数的数值计算方法,有效地解决紧框架复原模型的不可微和不可分离性。实验结果表明,本文复原方法在图像细节恢复与客观评价指标方面均优于传统复原算法。     

基于FitzHugh-Naguno神经元随机共振机制的图像复原

应用随机共振机制,借助噪声能量实现图像复原,改善低信噪比图像的输出质量.通过分析FitzHugh-Nagumo(FHN)神经元的阈上随机共振机理,以及在相平面上的阈值工作特性,对FHN神经元模型进行约简,以峰值信噪比(PSNR)为图像复原的评价函数,提出基于随机共振的自适应最优图像复原算法.以含噪mountain彩色图像和LED芯片图像为实验对象,与均值滤波、维纳滤波等图像复原算法进行仿真对比研究.结果表明:随机共振方法较好地抑制了噪声、恢复了图像细节和色彩信息,且随着噪声的增强,随机共振方法复原图像的峰值信噪比变化较小,该方法具有较好的鲁棒性.     

基于冗余字典的高光谱图像超分辨率复原算法

为了提高高光谱图像的空间分辨率,将基于冗余字典的信号稀疏表示理论应用到高光谱图像的超分辨率复原领域,提出一种基于冗余字典的高光谱图像超分辨率复原算法.该算法通过训练一组高低分辨率相对应的冗余字典对,使得高低分辨率相对应的像元曲线在基于各自的冗余字典进行稀疏分解时,具有相同的稀疏表示系数.超分辨率复原过程中,将待复原的低分辨率高光谱图像基于低分辨率冗余字典进行稀疏分解,利用所得的稀疏表示系数和对应的高分辨率字典,重建高分辨率的图像.实验结果表明:与基于图像块字典的超分辨率复原算法及传统的双线性插值图像放大方法相比,重建图像的峰值信噪比(peak signal to noise radio,PSNR)得到了显著提高.该算法将高光谱图像沿光谱维方向进行整体稀疏分解,避免了传统算法逐波段进行超分辨率复原带来的波段间的光谱失真问题,显著降低了算法的运算量.     

基于简单透镜计算成像的图像复原重建

为了在精简光学镜头结构的情况下获取高像质图像,提出了基于简单透镜计算成像的图像复原重建方法。首先,通过分析光学系统点扩散函数空间变化特性,提出了基于空间变化的点扩散函数获取及测量方法。然后,采用基于自适应稀疏先验信息的空间变化点扩散函数图像分块复原算法,对简单透镜模糊成像进行复原重建。为了验证本文算法的有效性,采用数字仿真模拟和实际拍摄两种方式获取简单透镜成像结果。结果表明:本文算法能够有效地抑制图像边缘的振铃效应并较好地保留图像的细节。     

结合编码曝光和运动先验信息的局部模糊图像复原

针对局部运动模糊图像复原的病态性和背景被破坏的问题,提出基于编码曝光和运动先验信息的局部模糊图像复原方法. 分析编码曝光成像理论模型,建立最优码字选取的适应度函数准则. 通过物像关系,获得运动目标的点扩散函数（PSF）像移尺度初步估计参数,作为运动先验信息. 采用背景差分法进行目标提取,综合编码曝光运动模糊图像的叠加特性,实现对运动模糊目标区域的精确提取. 结合先验信息,引入基于贝叶斯最大后验概率框架的student-t复原算法进行PSF精确估计和复原重建,快速迭代得到复原结果. 搭建实验仿真系统,并开展针对实际运动目标的复原实验. 实验结果表明,该方法能有效改善传统曝光中运动模糊复原的病态性问题,抑制复原过程中目标图像边缘振铃及背景噪声的放大效应,所复原图像具有更好的主客观评价结果.     

基于MATLAB的遥感图像复原算法的研究与改进

遥感图像受各方面因素的影响往往会产生退化,进而影响图像的品质,需要对退化的图像进行复原处理。主要介绍图像退化-复原模型的建立方法,对现有的经典图像复原方法进行研究与分析。实验采用逆滤波法、维纳滤波法和Lucy-Richardson滤波法对遥感图像进行复原,并以复原图像的均值、方差和灰度直方图为指标,对这三种方法复原的结果进行综合评价、分析与对比。结果表明,Lucy-Richardson滤波法复原的图像更能客观地反映实际图像信息。在此基础上,提出将L-R滤波与空间滤波相结合的组合滤波复原技术,该方法先抑制噪声后复原图像,从而达到更好的图像复原效果。     

基于差分进化优化的BP神经网络图像复原方法

针对back-propagating(BP)神经网络收敛速度慢、易陷入局部最小的问题,基于差分进化算法,改进其差分策略,提出随机缩放差分进化(random scaling-differential evolution,RSDE)优化的BP神经网络(RSDE-BP)图像复原方法.该方法用高斯噪声对无噪图像进行模糊处理,将模糊图像和原图像组成训练对,用于训练和优化RSDE-BP算法.最后利用训练好的BP神经网络对测试图像进行复原,从而达到去除噪声的目的.仿真结果表明,与BP神经网络、PSO-BP算法和DE-BP算法相比,所提出的算法收敛速度快,迭代次数少,且复原图像在峰值信噪比和结构相似性等指标方面有很好效果.与自适应全变差复原方法和二阶广义全变差正则项复原方法相比,该方法能够较好地恢复被噪声和模糊污染的图像,同时可以很好地保留图像的纹理和细节信息.     

基于序列图像的湍流退化图像复原方法研究

提出一种基于序列图像的湍流退化图像复原方法,该方法通过非刚性配准技术对湍流退化图像的变形进行校正,对校正后的图像再通过滤波的方法去除图像中残存的噪声,最终得到复原图像。实验表明,使用该方法对湍流退化图像进行复原能够得到较好的复原结果。     

基于盲解卷积算法的纤维模糊图像复原

图像采集过程中可能会受到各种情况的影响,如羊绒纤维本身有污损、羊绒纤维制片时受到污损、采集现场光照不均等,这常使羊绒纤维图像中存在一些不可避免的噪声;另外,由于光学显微镜其自身的局限性,会使得采集的羊绒纤维图像的边缘比较模糊.图像复原主要目的是改善给定的图像质量并尽可能恢复原图像.当点扩展函数未知或不确知的情况下,从退化图像中恢复原始图像的过程称为图像盲复原.本文对纤维模糊图像进行了图像盲复原,结果证明该方法能有效还原模糊图像.     

小卫星CCD相机MTF在轨测量与图像复原

基于调制传递函数的基本理论,针对环境与减灾小卫星光学相机,基于刃边法给出了一种在轨测量成像系统调制传递函数的方法.通过选取图像中均匀地物之间灰度变化明显的边缘,对有限采样点进行平滑滤波、曲线拟合和对线扩展函数(LSF)的傅里叶变换获得点扩展函数(PSF),提取调制传递函数(MTF)曲线,进而选取最优的MTF曲线.考虑到采用有约束复原方法时噪声统计、估计的复杂性和欠普适性,本方法通过频率域的去卷积进行复原处理,其优势在于不需要提供传感器、大气状况等参数.并对复原图像从统计特征、清晰度、纹理特征等3方面进行了定量分析和评价.结果表明:复原后的环境与减灾小卫星图像质量得到明显提高,收到良好的复原效果.     

块核范数的RPCA分解与熵权类稀疏的壁画修复

针对图像修复过程中,颜色纹理光学属性分离不彻底,以及在稀疏表示图像修复时字典设计单一,导致壁画图像修复结果易出现结构不连贯和模糊效应等问题,提出了一种基于块核范数的鲁棒主成分分析(robust principal component analysis, RPCA)分解与熵权类稀疏的壁画修复方法。首先,采用提出的基于块核范数的RPCA图像分解算法,将壁画图像分解为结构层和纹理层,利用块核范数进行纹理矫正操作,克服了RPCA结构纹理分离不完全的问题。然后,提出熵加权k-means方法对结构层图像进行聚类,构建得到稀疏子类字典,并通过奇异值分解和分裂Bregman迭代优化的类稀疏修复方法,完成结构层图像的重构。最后,利用双三次插值算法实现对纹理层图像的修复,将修复后的结构层和纹理层进行融合,完成破损壁画的修复。通过对真实敦煌壁画数字化修复,实验结果表明,该算法能够有效地保护壁画图像的边缘和纹理等重要特征信息,无论从视觉效果还是从峰值信噪比等定量评价方面,提出的方法修复效果均优于比较算法,且修复执行效率更高。     

相对运动所引起的模糊图像的模糊复原算法研究

由于通常所要处理的图像都具有某种不确性，根据先验知识采建立退化模型的反退化处理技术，如滤波，其通用性较差．论文基于模糊算法对由相对运动引起的模糊图像的复原算法进行了研究，阐述了运动模糊图像退化的数学模型．根据数学模型分析其退化的原因，并运用模糊理论知识，提出了对由相对运动引起的模糊图像进行复原的隶属函数，同时与维纳（Wiener）滤波复原算法进行了对比分析．结果表明：模糊复原算法对有噪声的运动模糊图像能基本还原出原来的图像，效果相当理想，为图像复原技术提供了一种新思路．     

卫星振动引起的非规则采样降质图像复原方法

针对卫星振动引起的TDICCD相机非规则采样导致像质退化的问题,提出了非规则采样降质退化图像的复原方法．首先利用基于非均匀快速傅里叶变换的频域插值对非规则采样的几何降质退化规律进行建模,并结合遥感成像的模糊退化过程,建立非规则采样降质图像退化模型．然后利用频域插值特性将模型逆求解过程转换为Toeplitz矩阵系统的线性方程求解问题,实现了快速求解,提出非规则采样几何降质和模糊退化的综合处理方法．最后利用测试图形和真实遥感图像对方法进行验证,实验结果表明:在严重模糊、几何降质及高噪声水平条件下,复原后的图像与理想图像的结构相似度仍优于0.93,而且具有较高的处理效率．该方法能有效应用于在轨振动引起的非规则采样降质的复原处理．     

多地面运动目标大动态SAR成像稀疏表示

为了保证对多个地面运动目标同时进行合成孔径雷达成像时具有足够的响应动态范围,提出了一种基于参数化贝叶斯机器学习的压缩感知稀疏表示方法,在对运动目标稀疏特征增强的同时可以显著地提高多目标合成孔径雷达成像的响应动态范围。首先,利用渐进线性的吕氏分布时频表示方法获得多运动目标的多普勒调制参数,并构建二阶多项式傅里叶字典; 然后,针对该字典可能导致的压缩感知有限等距特性欠佳的问题,研究利用字典的互相关度进行定量评估; 最后,引入地面运动目标相对背景杂波的稀疏先验概率分布,建立层级贝叶斯模型,应用变分贝叶斯期望最大算法实现合成孔径雷达地面运动目标成像的稀疏表示,同时对可能存在的目标高阶运动和载机运动误差造成的相位失调进行校正,以保证运动目标雷达图像的聚焦性能。仿真及实测数据的处理结果验证了应用该方法可以显著地提升多目标成像响应动态范围,相比传统方法具有明显的优越性。     

图像恢复中有约束最小平方滤波技术研究

图像复原是利用退化现象的某种先验知识（退化模型）,按退化的逆过程重建图像的技术.分析了有约束最小平方滤波方法的理论,得出只需图像噪声均值和方差的知识就能对图像实行最佳复原,最后给出了对一幅图像进行圈积模糊和加高斯噪声操作,然后进行复原的实例.     

二代曲线波图像恢复模型及其算法

假定图像属于Besov空间,可以利用小波系数和Besov范数的等价性来度量图像小波分解的稀疏性． 但是,小波并不能十分有效地表示光滑函数的边界,而曲线波对于具有C2奇异性的光滑函数能够达到渐进最优的稀疏表示． 基于上述分析,提出了新的二代曲线波的图像恢复模型,运用曲线型分解空间来刻画二代曲线波系数的稀疏性． 此外,利用广义条件梯度法得到了迭代硬阈值算法,并给出了解的收敛性定理和停止准则． 实验表明新算法比已有方法具有更高的信噪比和更好的主观视觉效果．     

匀速直线运动模糊图像点扩展函数的识别方法

为解决图像复原中模糊函数即点扩展函数的估计问题,介绍了图像退化的一般模型,分析了匀速直线运动模糊的退化函数,并采用基于约束最小二乘复原算法的参数误差曲线法对运动参数进行估计。实验结果表明:该方法可以提高参数的判别精度,复原图像的视觉效果和峰值信噪比都有显著提高。     

Blind Image Quality Assessment Based on Hybrid Fuzzy-Genetic Technique

A new method for no-reference image quality assessment based on hybrid fuzzy-genetic technique is proposed. Noise variance and edge sharpness level of the restored image are two basic metrics for assessing the performance of the restoration algorithm, then a fuzzy if-then inference system is developed to combine the two metrics to get a final quality score, and the parameters of the fuzzy membership function are trained with genetic algorithms. Experiments results show that the image quality score correlates well with mean opinion score and the proposed approach is robust and effective.     

Radial Basis Function Neural Network Based Super-Resolution Restoration for an Undersampled Image

To achieve restoration of high frequency information for an undersampled and degraded low-resolution image, a nonlinear and real-time processing method the radial basis function (RBF) neural network based super-resolution method of restoration is proposed. The RBF network configuration and processing method is suitable for a high resolution restoration from an undersampled low-resolution image. The soft-competition learning scheme based on the k-means algorithm is used, and can achieve higher mapping approximation accuracy without increase in the network size. Experiments showed that the proposed algorithm can achieve a super-resolution restored image from an undersampled and degraded low-resolution image, and requires a shorter training time when compared with the mulfiplayer perception (MLP) network.