一种基于粒子群优化算法的图像盲复原方法

传统的图像盲复原算法通常采用模糊图像与复原图像的均方误差作为优化的性能指标.为进一步提高复原效果,结合反映人类视觉特性的Weber定律,提出一种改进的图像盲复原优化性能指标,并且采用双粒子群交替最小化进行求解,即在模糊辨识阶段,采用一个粒子群优化算法求解点传播函数;在复原阶段,采用另一个粒子群优化算法求解复原图像.仿真实验表明,提出的算法比以前的算法有更好的复原效果.     

基于灰度平均梯度和粒子群优化的散焦图像模糊参数估计

针对散焦模糊图像的复原问题,提出一种基于灰度平均梯度与粒子群优化(PSO)算法相结合的散焦图像模糊参数估计方法。首先,利用PSO算法随机生成一群不同模糊半径的点扩散函数,分别用维纳滤波算法处理模糊图像,得到一系列复原图像,并计算其对应的灰度平均梯度值;然后,利用图像清晰度与图像灰度平均梯度值成正变关系这一特点,以复原图像的灰度平均梯度值作为粒子群算法的适应度函数值,找出使适应度函数最大的粒子所对应的模糊半径作为最后的估计结果。实验结果表明,与频谱估计方法和倒频谱估计方法相比,所提算法能够更精确地估计出模糊参数,尤其是在大尺度模糊半径的情况下,所提算法估计的精度更高。     

模糊图像盲复原的鲁棒自适应滤波算法

运动模糊图像盲复原是图像处理中的关键问题之一.由于模糊信息估计的复杂性以及图像噪声的影响,现有算法往往难以做到高质量的图像复原.为改善模糊信息估计的效果,提出一种基于自适应线性滤波的改进算法.首先在原有模糊信息估计过程中引入自适应动态线性滤波以抑制噪声影响,达到改善模糊信息估计结果的目的,同时可以起到调整优化目标的作用,使原问题变得较容易求解,从而获得高质量的模糊信息估计;在此基础上提出了改进的重定权值split Bregman迭代法,用于获得模糊信息后求解原始图像的过程中,进一步改善模糊图像复原的效果.实验结果表明,与3种现有的模糊图像盲复原算法相比,该算法能更准确地估计模糊信息,对多数图像复原任务具有更好的鲁棒性,能有效地用于运动模糊图像复原任务.     

一种改进的图像迭代盲反卷积算法

针对传统迭代盲反卷积算法收敛速度慢、容易出现解模糊等问题,提出一种改进的图像迭代盲反卷积算法。利用动量矩求解图像的有限支持域,在支持域中使频率域和空间域交替迭代,从而实现图像的盲复原。仿真结果表明,与传统迭代盲反卷积算法和基于小波变换的盲反卷积算法相比,该算法的收敛速度较快,具有较好的图像恢复效果。     

基于稀疏表示的单帧运动图像盲复原

提出一种基于稀疏表示的单帧运动盲复原方法,它充分利用自然图像中存在的各种先验知识进行求解。该方法分为模糊核估计和图像修复两个阶段。在估计模糊核时,它运用shock滤波器从模糊图像中预测出清晰边缘,以此指导全局图像的复原,并运用多尺度策略来解决大模糊核问题。在图像修复阶段,运用稀疏表示理论对复原图像进行降噪和重建,最终提高图像复原质量。实验结果表明,在不同噪声和模糊核条件下,该算法能有效消除运动模糊。     

基于粒子群算法的模糊控制在倒立摆中的应用

粒子群算法是一种仿生进化算法,源于对鸟群觅食行为的模拟,由于其计算简单、快速,被广泛应用。但是,基本粒子群算法在求解的过程中存在着全局搜索能力和局部求精能力两个性能指标之间的矛盾,算法容易陷入局部极值,进化后期的收敛速度慢。针对上述问题,提出了基于混沌变异算子的粒子群算法,可以使粒子摆脱局部极值,继续优化,加快收敛速度。将基于混沌变异的粒子群算法与模糊算法相结合,用于控制倒立摆系统的平衡。仿真实验表明,混沌变异粒子群算法优化了倒立摆系统模糊控制器的设计,改善了控制效果。     

基于粒子群算法的模糊控制在倒立摆中的应用

粒子群算法是一种仿生进化算法,源于对鸟群觅食行为的模拟,由于其计算简单、快速,被广泛应用.但是,基本粒子群算法在求解的过程中存在着全局搜索能力和局部求精能力两个性能指标之间的矛盾,算法容易陷入局部极值,进化后期的收敛速度慢.针对上述问题,提出了基于混沌变异算子的粒子群算法,可以使粒子摆脱局部极值,继续优化,加快收敛速度.将基于混沌变异的粒子群算法与模糊算法相结合,用于控制倒立摆系统的平衡.仿真实验表明,混沌变异粒子群算法优化了倒立摆系统模糊控制器的设计,改善了控制效果.     

带有补偿的模糊产销计划模型及其混合算法

基于两阶段模糊优化方法建立一类带有补偿的模糊产销计划期望值模型,并设计含有逼近方法和粒子群优化算法的混合算法对提出的模型进行求解。给出一个实例表明模型和算法的有效性。通过改变粒子群优化算法的粒子数和迭代次数对最优解和目标函数值进行算法分析。     

混合非凸非光滑正则化约束的模糊图像盲复原

为能够复原出高质量的清晰图像,提出一种混合正则化约束的模糊图像盲复原方法。首先,根据模糊核的稀疏性,采用L₀范数的正则项对模糊核进行稀疏约束,以提高模糊核估计的准确性;然后,根据图像梯度的稀疏性,采用混合一阶和二阶图像梯度的L₀范数对图像梯度进行正则化约束,以保留图像边缘信息;最后,由于所提出的混合正则化约束模型本质上是非凸非光滑优化问题,通过交替方向乘子法对模型进行求解,并在非盲反卷积阶段采用L₁范数数据拟合项和全变分的方法复原清晰图像。实验结果表明,所提方法能够复原出更加清晰的细节和边缘信息,复原结果的质量更高。     

基于时间可预测性的粒子群优化盲解卷积算法

针对信道对声音信号的卷积效应,提出了一种基于粒子群优化的盲解卷积新算法。利用信号的时间可预测性作为盲解卷积的解卷测度,采用粒子群优化算法对基于该测度的代价函数进行优化求解,从而成功得到解卷积滤波器系数,实现对信号的盲解卷积。仿真实验表明,所提出的算法对于声音信号具有很好的盲解卷积效果,所恢复信号与原始信号的相关系数和重构信噪比均较高。     

复合的图像盲复原算法

当点扩展函数未知或不确知的情况下,从观察到的退化图像中恢复原始图像的过程称为图像盲复原。近年来,图像盲复原算法得到了广泛地研究。迭代盲解卷积在抑制噪声放大与保留图像边缘信息有很好的效果,但在不知道点扩展函数并有噪声的情况下并不能有效的去除噪声导致图像恢复效果很差。针对图像盲复原的特点,提出了一种复合算法,该算法有效地解决了迭代盲解卷积的去噪问题,最后通过实验验证了算法的可行性和有效性。     

基于PSF尺寸预估计的天文图像复原优化算法

地基天文观测中,对大气湍流造成的天文模糊图像进行复原时,由于缺少准确的PSF（Point spread function）信息,加之复原过程的病态性,天文图像的盲反卷积运算一直是难点。针对天文图像的稀疏特性,基于稀疏测度的PSF估计算法可有效地解决PSF信息缺省的问题,该算法受PSF尺寸参数选择的影响较大。通过基于边界测度的PSF尺寸预估计算法对稀疏测度PSF估计算法进行改进。优化算法首先对PSF尺寸有效预估计,得到精确的PSF估计值,最终提高了图像复原的精度。仿真结果表明,优化后的算法应用到天文图像复原过程中后,可以更为准确地估计出模糊图像的PSF大小,改善天文模糊图像的复原效果。     

基于NAS-RIF算法和神经网络的图像盲复原

在图像盲复原中,NAS-RIF算法在无噪情况下,能够得到较好的复原结果,但是对有观测噪声的图像复原效果不理想。而Hopfield神经网络有利于缓解图像复原过程中的震铃效应,但前提是知道退化图像的点扩展函数。将二者相结合提出一种基于NAS-RIF算法和神经网络的图像盲复原新算法,首先由NAS-RIF算法先估计出退化图像的点扩展函数,再利用Hopfield神经网络算法对其进行复原。实验结果表明,该算法具有较好的盲复原效果。     

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。     

基于交替迭代和神经网络的盲目图像恢复

提出了种盲目图像恢复模型：退化图像经傅立叶变换后在频率域通过交替迭代的方式分解出原始图像和点扩展函数,当大致估计出退化模型的点扩展函数的类型及其参数后,用基于Ｈｏｐｆｉｅｌｄ神经网络的方法进行精确恢复,以提高恢复质量．实验证明,这种恢复模型可以在未知点扩展函数的情况下取得较好的恢复效果．     

一种空间自适应正则化图象盲复原算法

图象盲复原所面临的主要问题是可利用信息的不足，所以必须充分利用图象本身及成像系统的先验信息，为此，结合模糊先验辨识的思想，给出了一种新的空间自适应正则化算法，该算法先用交替最小化的迭代方法对模糊进行先验辨识，然后利用辨识结果，用各向异性扩散进行图象复原，算法充分利用了图象及成像系统（或点扩散函数PSF）的分段平滑特性，同时又利用各向异性扩散的概念，使得正则化不仅在程度上，而且在方向上都是空间自适应的，从而能够有效地进行图象盲复原，仿真结果表明，该算法的复原效果优于空间自适应各向同性正则化（SAR）算法，其收敛性能优于空间自适应各向异性正则化（SAAR）算法。     

基于改进卡尔曼滤波的盲图像恢复

为了解决在获取数字图像过程中发生的图像质量下降（退化）的问题,需要使用图像恢复技术进行图像重建。针对未知点扩散函数(PSF)的盲图像恢复,首先利用倒频谱的方法估计模糊图像的点扩散函数,然后再利用改进的卡尔曼滤波方法对图像进行恢复。倒频谱方法是将模糊图像分成反映原图像信息和反映模糊系统信息的两部分相加的形式,通过分析两者的关系估计出模糊图像的PSF。改进卡尔曼滤波器在估计过程中考虑了系统的模型误差,使其对模型误差具有一定的鲁棒性。通过Matlab进行了数字仿真实验,实验结果表明利用所提出的方法可以有效地减小PSF估计不准确对图像恢复的影响,与传统卡尔曼滤波相比恢复效果较好。     

基于频域共轭梯度法的交替迭代复原算法研究

对迭代盲目去卷积复原方法进行了研究,提出了基于频域共轭梯度法的交替迭代优化复原算法,在频域上构造了关于目标图像和点扩展函数频谱的误差代价函数,将共轭梯度法引入到频谱误差代价函数的极小化过程中,并将空域非负性和频域带限等先验约束知识融合到对目标图像和点扩展函数的迭代交替优化估计过程中,取得了预期的复原效果,增强了算法的抗噪性和稳定性。在微机上进行了一系列的复原实验,实验结果表明算法复原效果好,抗噪能力强,速度较快,且能恢复具有复杂背景的目标图像。