共查询到19条相似文献,搜索用时 343 毫秒
1.
基于哈特曼-夏克波前传感器的模糊图像复原方法 总被引:2,自引:0,他引:2
离焦模糊图像的清晰度较低,因此必须对其进行复原。传统方法通常采用圆盘或高斯函数来近似离焦造成的点扩散函数,复原效果不够理想。为此,提出利用哈特曼-夏克波前传感器探测离焦波前,根据所得波前计算光学系统的点扩散函数,并采用Richardson-Lucy算法对模糊图像进行复原。搭建了实验用的光学系统,采集了离焦模糊图像以及相应的波前信息,获得了清晰的复原图像,并利用客观图像评价方法对退化图像和复原图像进行了评价,同时与传统方法得到的复原图像进行了比较。实验结果表明,该方法能精确重建点扩散函数,有效提高图像的质量。 相似文献
2.
3.
4.
5.
6.
检调焦是高分辨力遥感相机得到高质量图像的关键技术之一。线阵CCD遥感相机在推扫过程中地面景物不断变化,而一般的图像清晰度评价函数只能在相同的图像内容下作比较来判断系统是否合焦。在介绍了遥感相机离焦原因及常用检调焦方法的基础上,用遥感图像验证了图像的功率谱对自然景物具有一定的不变性,分析了将其用于相机检调焦的可行性。实验表明,在系统合焦时,不同图像的功率谱值基本相同;而系统离焦时,功率谱值随着离焦程度的增加而逐渐减小,以此提出了以两幅不同图像功率谱的比值作为CCD遥感相机调焦的评价函数。 相似文献
7.
《光学学报》2016,(12)
对含光源等过亮区域场景的自动对焦较为常见,这些区域导致了图像像素的饱和,然而所提出的现有的评价函数适用于一般场景,无法适用于像夜景光源的场景。针对这一问题,通过分析饱和像素在离焦过程中的特性,提出了一种去除饱和像素的图像清晰度评价方法,且其可以用于评估包含光源或者过亮区域场景的图像质量。通过对大津法进行修改得到对焦窗口二值图,并利用形态学膨胀手段扩展饱和像素区域,以防止其在离焦过程中产生弥散,得到去除饱和像素区域的模板,将其作用于梯度信息矩阵,计算得到去除饱和像素影响的平均梯度值作为自动对焦评价函数。通过多组离焦序列图测试了所提出的评价函数,并与其他4种常用的评价函数进行比较,结果表明,此自动对焦评价函数适用于含有光源等过亮区域场景的拍摄,具有良好的无偏性、单峰性、稳定性且覆盖范围较广。 相似文献
8.
9.
基于高斯函数假设的图像频谱恢复特性分析方法 总被引:1,自引:1,他引:0
为了对图像复原算法频谱恢复特性进行分析和评价,提出了一种基于高斯函数假设的分析新方法。该方法假设光学传递函数H和退化图像频谱函数G为高斯函数,采用方差以及提出的方差比作为频谱宽度指标,对图像复原算法的频谱恢复特性进行定量分析和评价。分析中对H和G曲线设定两组方差,分无噪声和有噪声两种情况,计算出约束最小平方滤波法(CLS)和最大似然法(PML)等图像复原算法复原的图像频谱曲线及其方差和方差比,采用计算结果对复原算法进行定量的分析和评价,获得良好的效果。分析指出,最大似然法的频谱外推能力和噪声抑制特性均明显好于约束最小平方滤波法。对两种算法的分析评价实验表明,高斯函数假设分析方法是一种简便有效的图像频谱恢复特性分析方法。 相似文献
10.
11.
12.
针对单幅图像复原算法引入先验信息导致复杂度高、运算效率低的问题, 提出了单幅模糊图像点扩散函数估计的梯度倒谱分析方法. 首先给出了单幅模糊图像梯度倒谱估计其点扩散函数的基本原理, 利用相位恢复策略复原了二维点扩散函数相位信息, 实现了点扩散函数的快速估计; 其次, 为鉴别点扩散函数估计精度, 建立了图像梯度保真约束的全变分正则化图像复原模型, 并采用快速稳定收敛的交替方向策略优化能量函数; 通过对仿真和实拍单幅模糊图像进行的测试实验结果表明, 该方法快速准确地估计出点扩散函数, 克服了传统复原算法收敛速度慢的缺点, 有效抑制了振铃效应、保护了边缘信息, 为大尺寸单幅图像复原的工程化实现提供了理论和技术基础.
关键词:
图像复原
点扩散函数
梯度倒谱分析
全变分 相似文献
13.
14.
基于微分图像自相关的离焦模糊图像盲复原 总被引:7,自引:1,他引:6
针对离焦模糊图像的盲复原算法的研究具有重要的实际意义和实用价值.根据光学离焦成像模型,研究提出了一种基于微分图像自相关的离焦模糊图像超分辨力盲复原算法,即首先采用拉普拉斯算子对离焦模糊图像进行二阶微分并求微分图像的自相关,然后从自相关结果所包含的信息中确定离焦模糊半径,最后以离焦模糊模型结合MPMAP超分辨力复原算法对离焦模糊图像进行肓复原.实验证明:算法能够以较高的精度估计出离焦模糊半径并实现离焦模糊图像的盲复原,该算法较其它同类算法在减少计算过程中需要考虑的各类因素的同时也减少了计算量,提高了结果精度,依靠超分辨力复原算法获取更多的复原图像信息,已在实际刑侦和物证鉴定的离焦模糊图像判读和鉴定中获得成功应用. 相似文献
15.
16.
传统的图像复原一般认为点扩散函数(PSF)是空间不变的,实际光学系统由于受到像差等因素的影响,并非严格的线性空间不变系统,基于空间变化PSF的非盲去卷积图像复原法逐渐体现其优越性。空间变化PSF的非盲去卷积图像复原法先准确估计图像空间变化的PSF,再利用非盲去卷积算法对图像进行复原,有利于恢复出高质量图像。本文从算法的角度综述了近几年提出的基于空间变化PSF的非盲去卷积图像复原方法,并对比了基于强边缘预测估计PSF的非盲去卷积法、基于模糊噪声图像对PSF估计非盲去卷积法等算法的优缺点,各算法分别在PSF估计精确度、振铃效应抑制效果、适用范围等方面体现出各自的优劣。空间变化PSF的非盲去卷积图像复原法的研究,有利于推进图像复原技术向更高水平发展,使光学系统往轻小型化方向发展,从而在多个科学领域发挥其重要作用。 相似文献
17.
Single-image super-resolution with joint-optimization of TV regularization and sparse representation
A super-resolution (SR) reconstruction framework is proposed using regularization restoration combined with learning-based resolution enhancement via sparse representation. With the viewpoint of conventional learning methods, the original image can be split into low frequency (LF) and high frequency (HF) components. The reconstruction mainly focuses on the process of HF part, while the LF one is founded simply by typical interpolation function. For the severely blurred single-image, we first use regularization restoration technology to recover it. Then the regularized output remarkably betters the quality of LF used in traditional learning-based methods. Last, image resolution enhancement with characteristic of edge preserving can implement based on the acquired relatively sharp intermediate image and the pre-constructed over-complete dictionary for sparse representation. Specifically, the regularization can favorably weaken the dependence of atoms on the course of degradation. With both techniques, we can noticeably eliminate the blur and the edge artifacts in the enlarged image simultaneously. Various experimental results demonstrate that the proposed approach can produce visually pleasing resolution for severely blurred image. 相似文献
18.
19.
The estimation of the point spread function (PSF) is a very important and indispensable task for practical image restoration.
Various PSF estimation algorithms have been developed, especially for the out-of-focus blur. However, a majority of them are
useless in an extremely noisy environment. This paper describes a new robust PSF estimation algorithm based on a distribution
of gradient vectors on the logarithmic amplitude spectrum mapped to the polar plane. The proposed algorithm can estimate the
out-of-focus PSF accurately and robustly, even for an image highly corrupted by noise. The effectiveness of the proposed algorithm
is verified by applying it to the PSF estimation for out-of-focus blurred and noisy images. 相似文献