结合自适应倒易晶胞和HMT模型的斜采样遥感图像复原方法

传统的图像复原方法往往只考虑遥感图像获取过程中模糊和噪声对图像质量的影响,而忽略了图像混迭的影响.针对斜模采样系统调制传递函数各向异性的特点,通过自适应倒易晶胞确定图像中混迭和噪声较小的频谱覆盖范围;从图像复原的贝叶斯方法出发,以小波域隐马尔科夫树模型作为图像的先验模型,提出一种结合自适应倒易晶胞和隐马尔科夫模型的斜采样遥感图像复原方法.实验结果表明,该方法可有效地提高图像分辨率,较常用的图像复原方法复原效果更好.     

提高斜模式遥感图像有效分辨率的方法

利用梯度保真项具有补偿高频信息的能力,提出一种变分偏微分方程复原方法,用于提高斜模式遥感图像的有效分辨率.分析了斜模式采样条件下混叠现象的产生机理;用最佳倒易晶胞理论求出受混叠与噪声影响最小的斜模式采样图像频谱;对该图像频谱用文中方法去除模糊以得到分辨率提高的图像.实验结果表明,该方法能较好地去除混叠、模糊以及噪声对图像质量的影响,复原图像的信噪比高.     

薄雾天气下图像的复原与边缘检测研究

在薄雾天气下拍摄的图像用常规的复原方法达不到较好的复原效果,从而导致图像的边缘检测效率低下．首先通过物理方法分析这种图像的成像原理,提出基于景点深度检测的物理复原方法;然后用三次B-样条函数作为光滑函数定义小波函数,通过小波变换对复原后的图像进行边缘检测．实验结果表明,在同样的薄雾天气条件下,文中方法比基于滤波的图像复原方法更有效．对采用这两种方法复原后的图像分别做边缘检测实验,结果表明文中方法的边缘检测效果明显优于基于滤波的图像复原方法．     

基于倒易晶胞特征增强的图像超分辨算法

为提高单幅降质图像的分辨率,利用倒易晶胞模型改进了基于样例学习的超分辨算法。首先,在Freeman样例学习超分辨理论框架下,结合倒易晶胞滤波模型增强低分辨率图像特征;然后,将特征增强的低分辨图像与高分辨率图像进行细节对应关系训练;最后,利用训练好的对应关系实现低分辨图像的超分辨重建。该算法削弱了样例学习算法训练阶段"一对多"的病态问题,有效减小了高、低分辨率图像特征空间内在"维度差"。实验结果表明,与双三次插值、邻域嵌入、样例学习超分辨算法相比,该算法在超分辨重建图像主观视觉质量和峰值信噪比(PSNR)客观评价指标中均优于比较算法。     

多通道表面肌电信号降噪与去混迭研究

通过数据采集装置同时采集多路表面肌电信号(sEMG)时,信号之间往往存在相互混迭的现象。为了得到有效的sEMG,提出了一种基于二代小波变换和独立分量分析(ICA)相结合的降噪与去混迭方法。先利用二代小波变换对sEMG降噪再利用改进的FastICA算法对降噪后的信号进行ICA分离,最后通过互相关系数验证去混迭效果。实验结果表明,所提方法能够有效降低噪声并去除相邻通道间产生的混迭。     

基于小波域学习的单幅图像超分辨率复原

提出了一种有效的高分辨率图像复原方法,将单幅图像的超分辨率复原转换到小波域中,对小波域的3个高频信息块分别进行处理,再通过基于学习的超分辨率复原方法来实现单幅图像的复原。实验表明,通过该算法恢复的高分辨率图像具有更好的视觉效果与峰值信噪比。     

提升小波变换在NAS-RIF盲复原算法中的应用

针对采用非负支撑域受限递归逆滤波(NAS-RIF)算法对低信噪比图像进行复原时将导致算法性能恶化的问题,提出一种与提升小波变换相结合的NAS-RIF盲复原算法.首先对退化图像进行整数提升小波分解,得到不同频带子图像的信息;然后对各个频带子图像分别采用基于空间自适应和正则化方法的NAS-RIF算法进行复原,针对不同频带子图像的频率和方向特性,通过自适应地选取对应的正则化算子、正则化参数和空域加权因子,达到对低频子图像去模糊、对高频子图像抑制噪声,并保持边缘细节的目的;最后通过整数提升小波逆变换得到复原后的图像.在不同的信噪比条件下对2种模糊图像进行仿真实验,采用文中算法得到的信噪比增益分别为5.849 1dB和9.713 6dB.实验结果表明,文中算法不仅取得了更优的图像复原效果,而且具有较快的收敛速度.     

基于小波和维纳图像复原的像移补偿方法

提出一种基于小波变换和维纳滤波相结合的图像复原方法,有效地消除了航空成像系统的像移模糊.该算法先在小波变换的基础上对各个子频段的小波系数进行维纳滤波,以达到更好的消除模糊的目的.然后对维纳滤波后的图像进行小波逆变换,得到复原图像.经实验验证该算法对因前向像移造成的图像模糊有比较好的复原效果.     

一种亚像元遥感图像的小波复原方法

为了复原在轨卫星拍摄的退化遥感图像,以达到精确的对地观测的目的,利用交错半个像素的"亚像元"图像进行交错采样,重建成分辨率更高的的网格,然后对新建出的空格点进行小波插值估计.对插值后图像的高频进行中值滤波,融合两幅错半个像元的图像信息,最后复原成一幅地貌信息更丰富、分辨率更高的遥感图像.试验的仿真图像证明了这种小波复原方法的有效性.     

小波多尺度分析目标图像复原

为了有效复原模糊图像以得到可辨识的目标图像,需要根据目标图像的纹理特征来进行有约束的正则化复原。针对大尺度模糊图像的复原处理,通过分析常见的自适应正则化方法在抑制噪声及虚假波纹方面存在的问题,提出基于小波多尺度分析的正则化复原方法,该方法利用小波变换的多尺度分析技术直接分析模糊图像,结合形态学操作得到合理反映目标棱边分布的图像,并利用该图像加权调节正则化参数进行复原操作。实验表明该算法能够有效处理大尺度模糊,并能够较快地收敛到易于辨识的目标图像。     

基于并行遗传算法的图像超分辨率复原

图像超分辨率复原技术，提供了一种利用低分辨率像机获取高分辨率图像的可能途径。图像超分辨率复原有频域方法和空域方法两类：其中频域方法主要基于频谱解混叠；空域方法又分迭代反投影方法、凸集投影方法、Bayesian估计方法等。为了提高图像超分辨率复原的效率和提高复原图像的质量，提出了一种基于并行遗传算法的图像(序列)超分辨率复原的新框架方法，由于遗传算法采用实值编码方式，且基于岛模型的并行机制也有利于多帧图像信息的融合，因而使得算法直观和高效；同时提出采用其他超分辨率复原方法的迭代形式来充当遗传算法的变异算子，因为它能有效地利用已有方法的优点。最后，借用图像复原的客观评价指标来评价超分辨率复原算法的效果。实验证明，该方法有效可行。     

在小波变换域内实现图像的超分辨率复原

提出了在小波域内实现图像的超分辨率复原的方法，这种方法可以达到自适应边缘保持的目的，算法特点如下：(1)对观测模型实施正交小波变换，获得超分辨率复原问题的空频域描述；(2)采用广义高斯概率模型来构建超分辨率图像的尺度系数和小波系数的先验描述；(3)采用半二次正则化迭代方法来完成小波域超分辨率复原的求解过程。     

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。     

非零边界旋转运动模糊图像的恢复算法

具有非零灰度边界的旋转运动模糊图像的恢复是图像处理的一个热点研究问题。为了在离散情况下能够沿模糊路径上快速提取像素的灰度信息，将Bresenham算法思想引入到旋转运动模糊图像的恢复工作中，并在此基础上，提出了一种基于模糊路径频域滤波去卷积的恢复算法，同时，为了有效地恢复非零边界区的图像信息，又提出了一种基于邻域知识引导的最小代价恢复算法。这样就可将非零边界旋转运动模糊图像的恢复过程分为两个阶段，即先后用该两个恢复算法分别进行处理，由于使整个恢复过程避开了迭代计算和一些复杂的费时运算，从而加快了恢复速度。为验证该算法的效果，在微机上，对该恢复算法与现有的算法进行了对比实验和一系列的验证实验，实验结果表明，该算法十分有效，且具有一定的抗噪能力。     

基于图像质量评价的自动图像复原技术

针对很难使用一种图像复原技术来满足实际的成像系统应用需求的情况,提出了一种基于无参考图像质量评价的自动图像复原技术。该技术在图像复原中引入图像质量评价,使图像复原技术变为主动图像复原。为应对图像降质过程的复杂性,介绍了基于图像质量评价的多模式图像复原框架。为适应由于图像复原过程的病态性导致的图像误差问题,提出了一种新的无参考图像质量评价方法,该算法通过在图像质量算子中引入图像相似矩阵和图像复原趋势矩阵,使其能适应复原对于图像结构或噪声结构变化。实验表明该图像质量评价算子的有效性,可以满足自动图像复原对图像质量评价算法的要求。     

基于张量总变分的模糊图像盲复原

现有模糊图像盲复原算法通常仅利用彩色图像的灰度信息估计模糊核,彩色图像转换成灰度图像的操作会造成信息丢失,在处理尺寸过小或显著边缘过少的图像时,模糊核的估计通常会失效,导致最后复原图像的质量不理想。针对上述问题,在新的张量框架下,把彩色模糊图像作为一个三阶张量,提出了一种基于张量总变分的模糊图像盲复原算法。首先通过调整张量总变分模型中的正则化参数获取彩色图像不同尺度的边缘信息,从而估计出模糊核;再利用张量总变分算法对模糊图像解模糊,复原出清晰图像。实验结果表明,所提算法得到的复原图像在峰值信噪比（PSNR）和主观视觉上均得到明显改善。     

编码曝光图像的L0正则化去模糊重建方法

目标的运动会导致其成像模糊。为了从模糊的图像中恢复清晰的目标图像,本文采用了编码曝光成像技术。与传统相机成像中快门一直处于开启的状态不同,编码曝光相机成像是在快门开启和闭合转换过程中成像。由于在时域快速转换的编码等效为频域较宽的滤波器,因此编码曝光成像有效地保留了目标的高频信息。为了从编码曝光图像中清晰地复原图像,本文设计了能保留图像高频细节的L ₀正则项约束的图像重建和模糊核估计方法。通过待重建图像与模糊核的交替迭代更新来完成图像重建。仿真合成图像和实际采集图像的实验表明,本方法对多种运动产生的模糊均有良好的图像复原效果。     

色彩复原图像的质量评价方法

针对褪色文物数字化保护中色彩复原图像的质量评价问题,研究客观质量评价方法。结合峰值信噪比(PSNR)的计算优势与人眼视觉特征信息熵的结构特性,提出一种基于视觉特征信息熵的彩色图像质量评价方法。该方法建立带权值的质量评价函数和对应评价算法流程,利用归一化方法确定权值。通过评价算法流程计算复原的彩色图像与参考彩色图像的函数值,比较两者的相似程度。值越小,代表相似度越高,对应的复原彩色图像质量越好,以此客观判断色彩复原方法的优劣。实验通过四种性能差异复原方法的质量评价参数比较,表明评价结果与人眼视觉主观感受相一致,验证了所提方法的有效性。     

基于Radon变换的运动模糊方向精确估计

在模糊图像复原技术中,运动模糊方向的估计有着极其重要的作用。它不仅可以作为模糊复原的一个重要参数,也可以作为估计模糊距离的重要参数。通过运动模糊方向,可以将图像复原转化到一维进行操作,使复原过程简化。因此,不管从整体上还是局部上运动模糊角度的精确估计,对图像恢复技术都有很重要的应用价值。本文提出一种基于频域特性利用Radon变换对模糊图像的模糊方向进行估计的改进方法。仿真实验证明了其估计结果的精确性。