Lucy-Richardson与维纳滤波算法比较分析

图像复原在数字图像处理中有着非常重要的研究意义,目的在于去除图像中的噪声而不会丢失图像的细节信息,而图像模糊以及噪声同样是造成图像不清晰原因之一。实验通过对图像加入高斯噪声和运动模糊的先后次序不同,对Lucy-Richardson复原和维纳滤波复原算法进行比较,同时对加入噪声和模糊函数相同参数与顺序2种算法进行500次仿真实验。实验结果表明:当图像加入模糊函数再加入高斯噪声时,维纳滤波算法优于L-R算法,且在L-R算法迭代次数不断增加过程中,图像清晰度越来越差。当先对图像加入高斯噪声再加入模糊函数时,L-R算法复原效果比维纳滤波算法好;同时迭代次数的增加,L-R算法图像复原效果更好,PSNR更高。     

基于倒频谱的无噪声运动模糊图像快速复原算法

针对当前运动模糊图像复原算法主要集中在非实时性研究,着重考虑算法的执行质量而不考虑算法执行效率的问题,提出了基于倒频谱的无噪声图像的快速复原算法.该算法对无噪声模糊图像进行倒频谱处理,从倒频谱图中直接得到图像的模糊方向和模糊距离.对于尺寸较大的图像,在执行倒频谱算法前先使用双线性插值算法实现图像压缩,再进行倒频谱操作.通过比较各种复原算法的执行效率及效果,采用维纳滤波对图像进行复原.通过对多幅模糊图像进行仿真复原试验,在获得了良好的复原效果的同时也取得了较高的执行效率.     

几种约束最小二乘方图像复原算法的比较研究

图像复原过程中,约束最小二乘方法一般只要求噪声方差和均值,效果较佳,应用广泛.本文在分析目前数字图像复原技术的基础上,对比研究了几种具有约束条件的最小二乘方图像复原方法,并对这些算法进行了仿真实现,对比分析了实验的结果.     

基于遗传BP神经网络的COSM图像复原算法

提出了一种基于遗传BP人工神经网络的COSM图像复原算法,利用BP神经网络的学习记忆和泛化能力,通过用一组COSM样本图像对网络进行训练,建立含有离焦模糊的模糊三维图像与清晰三维图像之间的非线性映射关系,然后利用训练好的BP神经网络对待复原的COSM图像进行复原处理,从而实现COSM图像复原.复原的三维图像无论在主观视觉还是定量分析上都取得了很好的效果.与传统的图像复原算法不同,该算法免去了解卷积等复杂的运算,不存在病态问题,可广泛应用于模糊图像的复原中并且效果较好.     

单画幅欠采样图像复原中的插值作用

采用直接复原方法和插值复原方法对单幅欠采样低分辨率模糊图像进行复原实验,以考察线性插值在图像复原中的作用.直接复原法是对采集到的欠采样低分辨率模糊图像直接用最大似然图像复原算法进行复原,不作任何预处理.插值复原法是先对图像进行插值预处理,增加像素数,提高图像采样分辨率,然后再用最大似然图像复原算法进行图像复原.结果是直接复原方法和插值复原方法对欠采样模糊图像的复原,效果相同,主观视觉和评价数据十分接近.这说明通常用于单画幅欠采样模糊图像复原预处理的线性插值没有起到提高复原效果的作用.     

结合卷积与转置卷积特征的模糊车牌复原方法

深度学习算法在图像去噪领域已经得到了很好的效果;但目前对于深度学习算法在模糊图像复原领域的研究没有更深入的研究。直接应用图像去噪的方法对模糊车牌进行复原实际上可行的,但会产生复原图像细节缺失,时间代价高的缺点。针对这些问题,吸取去噪方法的优点,提出将原始图像信息与转置卷积复原后的图像信息相结合的方法,重新构建了图像复原网络结构;并根据图像特点自定了损失函数。实验通过与已有的方法进行对比说明,提出的复原方法在复原车牌图像质量上和复原效率上都有很好的表现;同时对模糊运动角度与不同噪声具有健壮性;而模糊运动像素越大的图片,复原图像的质量也会下降。     

基于l_1正则化的匀速运动模糊图像复原

匀速运动模糊作为运动模糊中最基本的模式,在图像复原中一直都倍受关注,其研究成果被广泛应用于其他图像复原以及图像处理中.将图像稀疏表示的思想引入匀速运动模糊图像复原中,提出一种基于l1正则化的复原算法,并利用基追踪算法有效地求解l1正则化的线性规划问题.由于l1在异常值下表现稳健,使得算法对较宽模糊范围下的匀速运动模糊图像都有稳定良好的恢复效果.为了验证算法效果,对该算法与现有算法进行了大量的对比实验,实测结果表明,该算法能准确恢复图像,且有效抑制振铃效应.     

有约束最小平方复原在图像复原中的应用

获取图像的过程中光学系统的像差、大气扰动、运动、散焦和系统噪音等因素会导致图像质量的下降即降质,会造成图像的模糊和变形。该文对图像复原所用的逆滤波、维纳滤波、约束最小平方复原原理进行了论述。维纳滤波复原图像需估计未退化图像和噪声功率谱,在实际中图像和噪声功率谱的比值很难估计,而信号和噪声的方差和期望容易获得,文章论述了在知道信号和噪声的方差和期望情况下实现对退化图像复原的有约束最小平方复原方法的基本原理。并通过实验仿真证明约束最小平方复原在参数选择适当的情况下复原效果优于维纳滤波。     

显著边缘直接引导的动态模糊图像盲复原方法

针对主动视觉中运动载体和云台抖动导致图像模糊的问题,提出一种显著边缘直接引导的动态模糊图像盲复原方法。为了克服经典 Canny 算子只能对边缘进行标注的缺陷,设计了图像边缘搜索-增强算法,并基于此提出了仅依据图像中显著边缘邻域完成点扩散函数优化估计的方法;为解决传统残差图像方法不能适应预测图像错位的问题,提出图像解模糊的递归残差修正算法来抑制复原图像波动;设计了图像复原的分层迭代处理流程,保证模糊图像复原的可靠性和精度。理想光照条件下的仿真表明,算法能准确恢复模糊图像的边缘,同时抑制复原图像中的波动。非理想光照条件下的仿真也验证了算法对环境有良好的适应性,具有较高的实际应用价值。     

图像复原的边界振铃效应抑制算法

针对散焦模糊图像复原后普遍存在的边界振铃问题,提出了一种基于边界加窗的图像复原算法.首先根据图像的模糊半径和图像大小确定窗口宽度,其次利用余弦函数对模糊图像进行扩展,扩展的宽度即为窗口宽度,再利用标准维纳滤波器复原加窗的模糊图像,最后对复原后图像截取原图大小.实验结果表明,提出的算法可以有效地抑制图像边界振铃,提高复原图像质量.     

基于峰值信噪比评价的运动模糊方向与长度识别

对于任意运动模糊方向和长度的模糊图像复原的关键在于点扩展函数的准确性,点扩展函数的精度由模糊方向和长度决定．本文首先基于Hough变换在模糊图像频谱上对运动方向和长度进行初次识别,然后在以初次识别结果为中心的一个较小邻域内基于维纳滤波进行复原,得到一系列随模糊长度和方向变化的复原图像,以复原图像和模糊图像的峰值信噪比为评价指标,取最大信噪比值的图像为最佳复原图像,其对应长度和方向为最终识别值．仿真实验表明,本文识别结果精度非常高,复原效果较为理想,算法原理较为简单实用,模糊方向绝对误差不超过1°,模糊长度绝对误差不超过1像素．     

改进的非局部均值Wiener滤波图像复原算法研究

图像复原在数字图像处理中具有十分重要的意义,针对当前流行的图像复原算法存在复原效果不理想的特点,提出了一种基于图像分离的改进的非局部均值滤波图像复原算法。本算法首先采用基于范数L0梯度最小化复原算法完成对图像平滑部分的复原,然后采用波原子变换来实现对图像细节部分的复原,最后采用改进的非局部均值滤波来处理波原子变换产生的振铃效应和虚假边缘。实验结果表明本复原算法与当前流行的图像复原算法相比,在图像复原的主客观效果上都有一定的提高。     

一种基于LMBP神经网络的图像复原方法

BP(Back-propagating)神经网络在图像处理中主要应用于模糊图像的复原,因为该算法在收敛速度上有一定的局限性,同时比较容易受局部极小值的影响.应用LMBP(LevenbergMarquardt BP)神经网络算法对模糊图像进行复原.这种算法实质上是提取了神经网络的GaussNewton法以及梯度下降法的优势,加速了算法收敛.实验结果表明,基于LMBP神经网络的图像复原方法对模糊图像的修复效果明显,且运行速度快.     

Richardson-Lucy与调制核相结合的图像复原方法

针对模糊含噪图像,提出了一种新的图像复原方法.该方法通过将调制核算法和Richardson-Lucy算法相结合,先对模糊含噪图像运用调制核算法去噪,提高图像的信噪比,然后运用Richardson-Lucy迭代算法复原图像.克服了单纯使用Richardson-Lucy复原算法由于反复迭代所带来的噪音放大问题,并通过实验进行了验证,发现该方法能够使复原效果得到明显改善.     

改进的非局部均值Wiener滤波图像复原算法研究

图像复原在数字图像处理中具有十分重要的意义,针对当前流行的图像复原算法存在复原效果不理想的特点,提出了一种基于图像分离的改进的非局部均值滤波图像复原算法。本算法首先采用基于范数L0梯度最小化复原算法完成对图像平滑部分的复原,然后采用波原子变换来实现对图像细节部分的复原,最后采用改进的非局部均值滤波来处理波原子变换产生的振铃效应和虚假边缘。实验结果表明本复原算法与当前流行的图像复原算法相比,在图像复原的主客观效果上都有一定的提高。
     

一种基于关联向量回归的盲图像复原

提出一种基于关联向量回归模型的盲图像复原算法.用模糊噪声图像作为训练集合,由此得到关联向量回归模型.该模型可用于恢复受不同类型模糊和不同噪声污染的图像.实验结果表明:同其他盲复原算法相比,该算法对点扩展函数(PSF)类型和噪声都有较强的鲁棒性.同时,从改善信噪比大小和主观视觉两个方面,该算法都能取得良好的复原效果.     

自适应估计模糊参数的最大后验概率超分辨率复原算法

为降低最大后验概率(MAP)超分辨率图像复原算法中模糊参数调整的复杂度,减少迭代运算量,提出了一种超分辨率复原新算法.先抽取一幅低分辨率图像作为参考图像,用其余低分辨率图像估计参考图像,通过训练模糊参数使估计的均方误差最小,自适应地估计最佳模糊参数.然后根据高分辨率图像和参考图像计算多项式之间的可类比性和估计误差变化的线性相关性,将训练结果直接用于超分辨率复原.复原时先利用最佳模糊参数将全部的低分辨率图像信息融合到高分辨率初始图像中,改进了复原运算的处理流程.相对于其他MAP复原算法,新算法不需要人工调整模糊参数,并且只需3次迭代即可获得稳定解,大大减少了迭代运算量.对真实图像序列的实验结果表明,新算法更好地保持了图像细节,复原图像的纹理更清晰.     

基于区域检测分割的运动模糊图像复原

空间变化的运动模糊图像复原是当今图像处理领域的热点问题之一,而运动模糊区域检测更是其中的重点和难点.针对以往运动模糊区域检测算法的精确度较低的问题,提出基于检测分割的单帧运动模糊图像盲复原算法.结合多尺度感知和闭合型图分割,实现两步模糊区域检测.将检测到的模糊区域外延后进行复原,再将其去除外延部分并与清晰区域拼接,得到最终的复原结果.实验结果表明:本文算法不但显著提高了模糊区域检测精度,也有效提高了图像复原质量.同时,具有一定的普遍性,可以适用于自然场景下的多种空间变化的运动模糊图像.     

图像法大气能见度探测成像模糊复原

大气能见度对航空、航海、路上交通、军事活动等有重要的影响。图像法测量能见度是新兴的一种方法,但图像在成像和传输过程中,由于相机载体的运动、振动、抖动等原因,引起图像模糊,影响后续的目标识别,因此,有必要对图像进行复原处理。提出一种基于刃边函数和最优窗维纳滤波的模糊图像复原算法,通过构建刃边函数来估计点扩散函数,并通过倒频谱方法估计模糊尺度和模糊角度,进而分解得到水平和垂直模糊分量,据此进行图像边缘延拓解决了边缘复原不佳的问题。实验结果表明,所提方法具有优异的复原效果。     

基于偏振特性的雾霾降质图像融合复原方法

在大气散射理论模型的基础上,分析了利用图像的偏振信息复原雾天图像的方法。根据图像偏振信息的复原算法原理,研究了偏振特性的图像配准融合方法,并在此基础上采用搜索最佳正态分布算法及自适应二维维纳滤波方法对模型参数的大气光和环境光深度图进行估算,从而根据偏振图像复原方程达到复原清晰景物图像的目的。在MATLAB仿真平台进行图像复原测试,并进行主客观评价分析,结果表明该方法可以取得较好的图像复原效果。