湍流退化红外图像降晰函数辨识

针对高速湍流场导致的红外成像模糊,提出了一种基于图像质量评价的湍流退化红外图像降晰函数辨识算法。利用先验知识将退化过程简化为可用参数描述的二维高斯函数形式,将退化图像分割为边缘区、纹理区和平坦区,计算不同支持域下复原图像在不同参数时的峰度值;利用曲率最大准则对得到的“峰度-参数”曲线进行相应的降晰函数参数估计,进而由支持域和对应的估计参数得到对应降晰函数并用于复原退化图像;最后对复原图像进行无参考图像质量评价,评价指标最高的复原图像对应的降晰函数即为最终辨识结果。实验结果表明：该算法能较好地辨识降晰函数参数和支持域大小,当退化图像信噪比大于30 dB时,估计参数与真实值的最大偏差小于±5%。该算法所得结果可以作为湍流退化红外图像其他复原算法的降晰函数起始估计。     

抑制寄生波纹的红外图像降晰函数辨识算法

提出了一种针对军事目标红外模糊图像复原的降晰函数辨识算法。该算法根据气动光学效应形成湍流流场的机理建立相应的模型,将点扩展函数简化为可用参数描述的高斯函数形式;利用红外图像的边缘梯度变化特性提出边缘清晰度改善量,并作为降晰函数参数辨识的评价标准,清晰度改善量取最大值时对应的参数就是观测图像的最佳降晰函数参数;针对复原过程中可能出现的振铃效应,运用细节规整化思想衍生的加权空间复原算法,自适应地抑制寄生波纹的产生。实验验证表明,本文方法能有效地复原红外模糊图像,且对降晰函数的辨识准确率高,相对误差可以降低至4.5%左右。另外,抑制振铃寄生波纹效果良好。复原后图像在各项质量评价指标上都有很大提高,峰值信噪比提高量超过9.4dB,综合评价指数ImageQ提高了20以上。     

基于光纹特征的激光主动照明图像去模糊

受光学系统离焦、大气扰动、平台振动的影响,激光主动照明系统捕获的图像容易被模糊,而传统的去模糊方法难以取得良好的复原效果,故本文提出基于光纹特征的盲解卷积复原方法来实现图像去模糊。首先将模糊图像降采样,建立尺度金字塔,在尺度空间查找光纹特征图像块。随后基于激光主动照明图像饱和像素较多的特点,提出新的图像退化模型。最后针对模糊核估计、光纹参数更新、清晰图像复原3个步骤,提出适用的能量函数,迭代复原出无噪清晰图像。搭建了主动照明系统,在捕获的激光主动照明图像上进行了实验,并与现有方法进行了对比。结果表明:本文方法不仅能够复原出清晰图像,而且能有效抑制振铃效应,其客观评价指标峰值信噪比(PSNR)优于已有的其他算法。     

运动成像混合模糊的全变分图像复原

为了实现运动成像中视频帧内复原,研究了帧内运动模糊和离焦模糊两种常见模糊类型带来的混合模糊问题。首先,依据模糊图像的频谱特性定性判定模糊类型,利用倒谱分析的方法定量估计模糊模型点扩散函数,依据工程实际选取模糊参数进行仿真实验,实现点扩散函数估计方法的准确性验证。然后,采用耦合梯度保真项的改进型全变分图像复原算法,约束点扩散函数估计误差对图像复原的影响,并采用适应L1范数的Split-Bregman算法完成复原算法的数值实现。最后,对算法性能进行验证,完成仿真和实拍混合模糊图像的复原。实验结果表明,倒谱分析估计点扩散函数的准确率达到90%。复原算法能保持图像边缘和细节,并有效抑制振铃效应,帧内稳像的图像峰值信噪比为28.92 dB。     

应用自适应权值矩阵的图像复原

由于自然图像先验模型的概率密度函数的非高斯性(稀疏性的)会导致图像复原的最优化函数不再是凸的,传统意义上的最大后验估计已不能很好地求得最优估计解,因此本文提出利用自适应权值矩阵来解决这一问题.进行图像复原时,首先利用自然图像先验模型有效地抑制振铃效应,然后利用基于自适应权值矩阵的共轭梯度算法来解决由于稀疏先验模型导致的最优化函数非凸的问题.权值矩阵可根据上一次的迭代结果进行更新,并能够纠正图像在上一次迭代过程中局部区域导数估计的错误.实验结果显示,利用本文方法得到复原图像的峰值信噪比(PSNR)为36.131 6,优于其它算法.最后,用本文方法对全景图像进行复原,得到了很好的复原效果,证明了本文方法的实用性和有效性.     

基于边缘预测和稀疏约束的湍流图像盲复原

大气湍流严重影响天文观测图像的成像效果,必须对退化图像进行处理才能获得清晰的图像。经典的湍流退化图像盲复原算法(IBD、NAS-RIF等)使用的先验知识过于简单,导致很多场合不能获得较优的复原效果。近几年提出的稀疏表达理论,使用自然图像边缘的稀疏先验信息指导图像复原,能复原出较多的细节,但它直接使用模糊图像的梯度图像指导点扩散函数复原,而模糊的梯度图像包含很多噪声和伪边缘,无效的梯度会误导点扩散函数的估计,从而使复原图像中出现较多伪迹。针对上述问题,提出了一种基于边缘预测和稀疏比值正则约束的湍流退化图像盲复原算法,该算法首先从当前的复原图像中预测出有效的边缘,然后将边缘预测信息与自然图像边缘的稀疏先验信息相结合指导点扩散函数复原,得到点扩散函数后,再通过一种非盲复原算法恢复出当前的目标图像,并将此复原图像作为下一次边缘预测的输入图像,如此迭代循环直到求出最终清晰的目标图像。所提算法结合了图像的先验信息与退化图像自身包含的有效信息,能有效抑制图像复原过程中产生的伪迹,获得令人满意的结果。针对多幅模拟的湍流退化图像进行仿真测试,验证了算法的有效性。     

基于曲面拟合与广义总变分的卫星图像盲复原

鉴于卫星成像过程中大气与相机系统的模糊效应,提出了一种肓图像复原算法,该算法包括调制传递函数(MTF)估计步与图像复原步.在MTF估计阶段,通过分析卫星成像链路中的每一降质过程,给出了总的MTF的参数模型并用以拟合降质图像的归一化对数振幅谱曲面.在图像复原阶段,给出了一种基于最大后验概率(MAP)估计的边缘保存图像复原算法,该算法假定原始图像边缘的先验分布满足广义高斯分布(GGD)模型并且其形状参数与尺度参数由矩估计法自适应确定.最后算法被证明为一种广义的总变分(Tv)正则化复原方法且由梯度投影法进行优化求解.在数值实验中,通过比较SPOT-5卫星图像与中巴地球资源卫星-02B星(CBERS-02B)高分辨率相机(HR)卫星图像的复原结果,算法在边缘保存与噪声抑制方面都要优于TonyClam等人提出的基于TV正则化的迭代非参数盲复原与L.Bar等人提出的基于Mumford-Shah正则化的迭代参数盲复原.     

基于小波变换的磁共振图像去噪方法研究

小波变换用于图像去噪的思想20世纪90年代就已经提出,然而前人所提出的这种方法对于磁共振图像去噪的效果并不理想.磁共振图像经这种小波变换去噪后,纹理特征被弱化,图像的边缘变得模糊.针对以上问题,提出了基于小波变换的图像去噪新方法.此去噪方法与经典的小波去噪方法不同,该方法不依赖图像大小来判断门限,不需方差信息.采用本方法处理的噪声图像与经典方法相比,图像的边缘信息更清晰,纹理特征增强,去噪能力也得到增强.     

用径向基函数网络复原超声C扫描图像

针对超声C扫描图像中存在噪声干扰和边界模糊而导致图像质量下降的问题,提出了一种基于径向基函数网络复原超声C扫描降质图像的方法.用Φ3mm平底孔的超声C扫描降质图像对网络进行训练,建立了降质图像和复原图像之间的映射关系,并用其它降质图像验证了网络.试验结果表明,该网络能有效地消除图像中的噪声和边界模糊现象,使图像中尺寸更加接近实际尺寸.同时,通过对比三种不同网络的复原效果,得到了一个最佳网络参数.     

一种基于分数阶导数的边缘检测算法

传统的边缘检测算法多采用整数阶的一阶或二阶微分算子锐化,通过求取图像的一阶导数局部极大值或二阶导数过零点得到边缘点.本文将基于分数阶导数的边缘检测算子应用于图像边缘检测中,通过对含噪图像g(x)采用合适尺度函数的高斯滤波函数h(x)去噪处理,后对得到的图像f(x)采用阶数为q(q∈(1,2))的左右方向微分的合成分数阶导数算子提取边缘点.结果表明该方法在抗噪声干扰和提取更多边缘细节方面取得了很好的平衡,具有较好的边缘检测效果.     

A focusing algorithm for high magnification cell imaging

An algorithm to produce a uniformly focused image in digital acquisition of high magnification light microscopy images is presented. In very high magnification microscopic imaging the specimen surface cannot be considered ideally flat so that capturing a single image frame is usually not sufficient to capture an image that is focused everywhere. An image formation model for light microscopic images is presented, and based on this model an algorithm to construct a uniformly focused image is presented. The algorithm requires that multiple frames of the image at different focal planes be processed to combine their information to obtain an estimated of the desired image which is more completely focused than any of the individual frames. Experimental results show that the proposed algorithm is very effective in approximating the desired image in high magnification microscopic imaging and highly robust comparing to the gradient method.     

用遗传算法估计图像退化系统函数

目前关于图像恢复的算法有很多,而这些算法大多是基于退化函数或者点扩展函数的知识进行的。当对退化函数先验知识不足时,设计出的恢复滤波器的恢复效果必将不够理想,因此有必要在设计恢复滤波器之前做系统的退化函数估计。遗传算法是一种成熟稳定的仿生物进化的全局寻优算法,由于遗传算法控制参数少、自适应度高,将选择该方法做退化函数的估计。实验结果表明,遗传算法从全局寻优的角度出发,能够较为精确地估计退化系统函数。     

Digital image inpainting and microscopy imaging

A considerable amount of image processing techniques known as inpainting techniques have been recently developed aiming to provide solutions for filling in missing or damaged regions in a digital image. Typical such techniques reconstruct a defined area by using information from its neighborhood, for example, by completing inside the missing region the isophote lines arriving at its boundaries. In this article, we show that inpainting techniques have considerable potential usefulness in microscopy imaging, even though experimenting and using them in this domain has been almost entirely neglected up until now. In this purpose, we experiment the "curvature-preserving" partial differential equations as a solution to inpainting regions in images collected by several optical and scanning probe microscopy techniques. The results achieved are presented along with a discussion on typical problematic scenarios of microscopy imaging for which this type of techniques can provide a viable solution.     

Increasing axial resolution of 3D data sets using deconvolution algorithms

Deconvolution algorithms are tools for the restoration of data degraded by blur and noise. An incorporation of regularization functions into the iterative form of reconstruction algorithms can improve the restoration performance and characteristics (e.g. noise and artefact handling). In this study, algorithms based on Richardson-Lucy deconvolution algorithm are tested. The ability of these algorithms to improve axial resolution of three-dimensional data sets is evaluated on model synthetic data. Finally, unregularized Richardson-Lucy algorithm is selected for the evaluation and reconstruction of three-dimensional chromosomal data sets of Drosophila melanogaster. Problems concerning the reconstruction process are discussed and further improvements are proposed.     

离焦模糊图像的维纳滤波复原研究

微操作中，显微视觉系统获取的图像通常是离焦模糊图像。离焦模糊图像的退化模型可用圆盘函数描述，利用模糊图像无方向性的二阶拉氏微分图像的自相关的负相关峰形成的环形槽的直径等于作为圆盘函数直径的2倍可以确定该函数。对模糊图像进行一次维纳滤波方法得到原图像的估计值，然后利用该初始值求得原图像及噪声的谱密度估值，进而利用这些新获得的信息构成改进的维纳滤波器对退化图像进行第二次滤波。实验表明，该方法计算量小、鉴别精度高、抗噪声能力较强，突出原图像的一些关键细节，提高了图像的复原质量。     

一种基于参考图频谱相关的模糊参数判别方法

对于模糊图像的复原,模糊模型参数判别的准确性是一关键,针对大尺度模糊图像有效细节信息的丢失,噪声等干扰对模型特征的减弱,以及实拍图像的频谱特征不明显等问题,提出了一种基于参考图像频谱相关性的模糊参数判别方法,将一幅清晰图像按照不同模糊参数进行模糊处理,并与待复原图的频谱进行相关性分析计算,以获得准确的模型参数。实验结果证明,该方法能够适应大尺度散焦模糊,具有较强的抗噪性并且适应实拍的散焦模糊图像复原。     

运动模糊图像的实时恢复算法

提出了一种新的处理运动模糊图像的方法,以一维维纳滤波(1DWF)来快速恢复二维的模糊图像。给出了1DWF算法可行性的理论论证,并给出了1DWF算法及其它常用图像恢复算法的实验结果和对比评价。运算量分析表明:1DWF算法的运算量只有二维维纳滤波运算量的1/3;实验结果显示:在P4 3.0G主频的PC机上,1DWF算法可以使得512×512的8位灰度测试图像在36 ms内完成图像恢复。对图像恢复质量的评价结果显示:1DWF算法的图像恢复质量与原维纳滤波的恢复效果相同,验证了在单处理器上实时、高质恢复模糊图像的可行性。     

The influence of the regularization parameter and the first estimate on the performance of Tikhonov regularized non-linear image restoration algorithms

This paper reports studies on the influence of the regularization parameter and the first estimate on the performance of iterative image restoration algorithms. We discuss regularization parameter estimation methods that have been developed for the linear Tikhonov–Miller filter to restore images distorted by additive Gaussian noise. We have performed experiments on synthetic data to show that these methods can be used to determine the regularization parameter of non-linear iterative image restoration algorithms, which we use to restore images contaminated by Poisson noise. We conclude that the generalized cross-validation method is an efficient method to determine a value of the regularization parameter close to the optimal value. We have also derived a method to estimate the regularization parameter of a Tikhonov regularized version of the Richardson–Lucy algorithm.   These iterative image restoration algorithms need a first estimate to start their iteration. An obvious and frequently used choice for the first estimate is the acquired image. However, the restoration algorithm could be sensitive to the noise present in this image, which may hamper the convergence of the algorithm. We have therefore compared various choices of first estimates and tested the convergence of various iterative restoration algorithms. We found that most algorithms converged for most choices, but that smoothed first estimates resulted in a faster convergence.     

基于小波变换的正则化盲图像复原算法

提出了一种将小波变换和自适应正则化方法相结合的盲图像复原算法。该算法先对退化后的图像进行小波分解,得到图像在不同子频段的信息;然后针对各个子频段内图像的频率和方向特性,使用不同的自适应正则化复原方法,在图像的低频子频段进行去模糊;高频子频段则进行抑制噪声和保边缘特征;最后通过小波逆变换得到复原后的图像。实验结果表明, MSE减少了1.60,信噪比增量为1.76,算法性能和复原效果相对空间自适应正则化方法,都有一定的提高。