贝叶斯框架下的模糊图像盲去卷积算法

为了去除图像模糊的同时,保持图像边缘等细节信息,需要对原始图像和点扩散函数进行准确的估计.在贝叶斯框架下,基于总变分模型,建立原始图像和点扩散函数的先验模型,同步估计原始图像和点扩散函数.对于总变分模型不可微分的问题,在不影响速度的前提下,用迭代重加权范数算法处理该问题.基于共轭分布理论,提出以伽马分布作为未知参数的先验模型,准确估计参数.实验表明该算法在对原始图像、点扩散函数和参数准确估计的基础上,成功地解决了模糊图像的盲去卷积问题,算法的速度和效果都得到了改进.与同类算法相比,本文提出的算法具有一定优势.     

基于遥感图像梯度特征的运动模糊检测方法

为了精确描述由于高分辨率卫星在轨动力学环境不确定干扰造成的光学传感器拍摄遥感图像退化的过程,在自然图像的运动模糊点扩散函数检测方法的基础上,提出一种基于遥感图像梯度特征的运动模糊检测方法. 该方法利用图像分割和梯度特征选择处理区域,对遥感图像进行预处理,使图像的梯度特征更加符合检测方法的先验知识,采用基于概率分布的点扩散函数估计方法获得图像的退化模型. 结果表明该方法提高了图像模糊的检测精度,获得了更准确的遥感图像运动模糊点扩散函数的检测结果.      

基于L_p稀疏正则的图像去模糊方法研究

在图像去模糊问题中,图像的模糊核估计是重中之重.通常图像的梯度服从重尾分布这一先验被广泛的运用于图像的模糊核估计中,然而受限于非凸优化的数值求解方法,人们往往采用图像梯度的L1范数或者L2范数来近似,从而构造出计算较为简单的凸优化能量函数来估计模糊核.为此,本文提出一种基于Lp稀疏正则的非凸优化的模糊核估计方法,该方法以服从超拉普拉斯分布的图像梯度的Lp范数为稀疏先验项,有效的提高了先验知识的准确性的同时增强图像的强边缘,抑制了细小边缘对模糊核估计的影响.在对Lp范数的数值求解问题中,本文采用GISA(generalized iterated shrinkage algorithm)可以简单且有效的求得任意p值下的最优解.实验表明与传统方法相比,本文方法有效地提升图像的质量,去模糊后的图像更加清晰.     

基于帧选择和极大似然估计的自适应光学图像多帧联合去卷积算法

为提高自适应光学(AO)图像的空间分辨率,提出一种基于帧选择和极大似然估计的AO图像多帧联合去卷积算法.该算法基于极大似然估计,根据图像的高斯噪声模型建立多帧AO图像的联合对数似然函数.首先对观测的多帧AO图像进行帧选择,遴选高质量的降质图像;然后结合观测条件和AO系统特性,推导点扩散函数估计模型;最后建立迭代求解公式,得到多帧AO图像联合去卷积方法.实验结果表明,与基于期望值最大化的Richardson-Lucy算法(Richardson-Lucy EM算法)和基于合并惩罚函数的自适应应图像复原算法(CPF-Adaptive算法)相比,该算法的峰值信噪比分别提高9%和5%,Laplace梯度模分别提高11%和8%,且得到了较清晰的目标图像.     

基于局部分层模型和MAP估计的盲复原

提出了一种基于局部分层先验模型和最大后验估计的盲图像复原算法,其区别于一般的盲复原算法.用不同的先验模型刻画图像与点扩展函数的统计特性.在图像复原阶段,用局部分层模型解决图像及超参数估计问题:第一层局部高斯分布模型用于刻画图像先验统计特征;第二层模型用于对超参数的估计.在估计点扩展函数阶段.用全局平稳高斯模型约束点扩展函数.最后,基于最大后验估计思想.采用交替循环最小化的方式.同时进行原始图像、超参数和点扩展函数的估计.实验结果表明:盲图像复原算法对不同类型模糊和不同量级噪声退化的图像,均能取得很好的复原效果.     

基于非局部方向性核先验的PET图像Bayesian重建

为了在抑制噪声的同时更好地保持PET重建图像中的细节结构,提出了一种基于非局部方向性核先验(NSKP)的Bayesian重建算法.为了充分利用图像中的全局信息,该算法在二阶核回归过程中估计出图像梯度,计算出相应的方向性矩阵,并根据非局部均值权值矩阵和方向性矩阵的卷积,计算先验项的权值.在重建中,该算法在高阶核回归过程中同时更新图像的梯度和先验信息,而不是单独计算图像梯度.另外,高阶核回归方法运用多自由度的参数估计提高了重建的精确度.研究结果表明,该算法通过计算引入局部结构信息的全局先验权重,更好地抑制了噪声和过平滑,保持了重建图像中细节区域的结构性和背景区域的一致性.对体模数据的模拟实验结果从视觉和数值角度验证了该算法在PET图像重建中的有效性.     

运动模糊图像的PSF参数估计方法的改进

运动模糊图像的恢复就是利用关于动力模糊退化的先验知识来重建原图像,其中准确估计点扩散函数（PSF）参数是决定图像恢复效果的前提条件。本文主要研究运动模糊图像PSF参数的估计方法。针对基于霍夫变换的运动模糊角度估计法进行改进,增加了平滑滤波、频谱优化等预处理步骤,并且结合改进后的灰度估计运动模糊距离。通过实验仿真,本文改进的算法与R．Lokhande提出的算法相比,无论是模糊距离还是模糊角度的识别都得到了提高。     

基于参数校正的离焦图像高斯核估计

针对离焦模糊图像高斯核难以快速精确估计的问题,提出了局部熵和参数校正相结合的辨识算法.该算法首先对模糊图像进行局部熵滤波提取图像阶跃边缘模糊区域,然后对此区域进行两次人为离焦模糊,根据梯度比估算高斯模糊核,在计算中提出参数校正的方法减少了量化误差,实验结果表明该算法在模糊核较小时能够精确快速地定位阶跃边缘,并提高了高斯模糊核的识别精度和识别效率,为模糊图像复原提供了较为精确的退化函数.     

一种用于射电天文图像重建的自适应尺度算法

为了解决在成像过程中反卷积点扩展函数所带来的模糊效应，提出一种新的图像重建算法.新算法利用高斯函数分解模型，能够有效解决基于Delta函数分解模型所引起的问题，并在重建延展源和致密源方面具备更好的效果.通过VLA模拟观测数据对算法进行测试，并与现有的2类图像重建算法进行比较，结果表明，新算法能够有效平衡现有的反卷积算法的计算复杂度和性能问题，能对图像进行更加精确建模，具有更好的图像重建性能.     

多尺度低秩图像盲去模糊方法

针对现有的大多数基于统计先验的单幅图像盲去模糊方法对图像纹理细节恢复效果不佳且存在振铃效应的问题,提出了一种基于逐块局部最大梯度先验和低秩先验的多尺度图像盲去模糊方法。为了恢复得到清晰图像,采用由粗到精的多尺度框架,通过灰度化与下采样操作逐层构建图像金字塔;在单尺度层面,将逐块局部最大梯度先验和低秩先验带入到最大后验概率框架中,利用交替方向乘子法与半二次分裂法估计出潜在图像和模糊核;结合超拉普拉斯先验与总变差L_2方法,对模糊图像与估得的模糊核进行非盲反卷积,获得清晰图像。在计算过程中,由于直接求解低秩项的计算代价很大,将加权Schatte-1/2范数约束的低秩项子问题转化为非凸权重L_(1/2)范数子问题,采用广义软阈值方法求得全局最优解。在基准数据集上的实验结果表明:与现有的经典图像去模糊方法相比,所提方法取得了更优的图像去模糊效果;在K9hler的合成数据集上进行图像去模糊后,平均峰值信噪比为30.06 dB,平均结构相似性为0.946 5,估计出的模糊核更加精确。