图像恢复的正则化混合WGMRES算法

基于GMRES算法在处理大规模线性系统的优势,提出了一种图像恢复的正则化混合WGMRES算法。该方法是将加权的GMRES算法与正则化技术结合起来应用于图像恢复问题,首先建立一个特定的图像退化模型方程,在此基础上结合Tikhonov正则化技术将方程转化为一适定问题,然后利用改进的加权GMRES算法进行求解。数值试验结果表明改进算法复原后的图像较于标准GMRES算法复原后的图像在整体视觉效果上和峰值信噪比上都有很大提高。     

改进的预处理共轭梯度图像复原算法

针对Tikhonov正则化的预处理共轭梯度图像复原算法中模糊图像取全零扩展矩阵的不足之处,研究了零边界条件下Tikhonov正则化的预处理共轭梯度算法. 提出了新的模糊图像的扩展矩阵,降低了原矩阵向量积的计算误差,修正了初始梯度的取值. 改进算法更符合真实的图像退化过程,有效提高了复原的图像质量. 实验结果表明:对于各种退化造成的模糊图像,与当前求解全变分正则化的IST、TwIST、SALSA算法比较,本文算法复原效果优于当前流行的图像复原算法.      

基于空间自适应正则化的超分辨率重建算法

针对模糊图像的复原问题,从正则化技术克服问题病态性的思想出发,研究了一种有效的超分辨率重建算法。该算法充分考虑了图像的局部特性,引入了空间自适应加权矩阵,采用全局正则化参数与局部正则化参数矩阵相结合的方法,弥补了传统正则化方法所带来的正则化误差以及噪声放大误差。实验结果表明,该算法能够有效地减少重建误差,保护图像的细节信息。     

基于空域正则化的模糊图像复原方法

以解决病态问题的正则化技术为基础,针对模糊图像的复原问题提出了一种新的空间域复原方法。在空间迭代运算中引入自适应的正则化参数,使其自动修正到最优,通过锐化图像进行后续处理,由此增强了原图像中重要的信息及边缘纹理部分。计算机仿真结果表明,与传统的迭代正则化方法相比,该方法的复原图像在改进信噪比数值(ISNR)和主观视觉效果上都有明显提高。     

基于方向信息测度的非局部正则化图像去噪方法

针对非局部正则化在图像去噪过程中计算复杂度高、复原速度慢的问题,基于方向信息测度提出了改进的非局部正则化方法.在图像的边缘轮廓区域使用保边性能较好的非局部正则化方法,而在图像的平坦区域使用各向异性全变差模型,且该全变差模型由基于Bregman迭代正则化方法的快速迭代算法进行求解.实验结果表明:基于方向信息测度的非局部正则化方法在快速消除图像噪声的同时,能有效地保留图像的边缘和纹理等结构信息.     

具有噪声估计机制的偏差迭代图像复原

研究了Morozov偏差方程,将图像退化模型的Tikhonov正则化解构造Morozov偏差方程.用小波变换估计图像信号的噪声能量,并运用到Morozov偏差方程中,利用Morozov偏差原理迭代求取正则参数,从而得到正则化解.提出了一种具有噪声能量估计的偏差迭代图像复原正则化方法.实验表明:在图像信号噪声未知的情况下,该迭代方法的图像复原具有较快的计算收敛速度和较好的复原能力.     

图像复原中正则化参数的自适应选择方法

大多数图像复原问题都具有病态性质，需要利用正则化技术对问题加以约束。约束最小二乘法中正则化参数能够对求解后图像的精度和平滑程度加以调节并使两者之间取得平衡，与复原图像质量的好坏有着直接的关系。提出了一种自适应选择正则化参数（ASRP）方法，根据图像边缘信息自适应地确定正则化参数值，保证了复原结果为全局最优解，同时实现了复原图像边缘细节的良好保持。通过实验验证了该算法的正确性和可行性。     

基于L-曲线正则化的MAP超分辨率图像复原

提出一种基于L 曲线正则化参数选择方法的最大后验 概率超分辨率图像复原算法. 该方法将最大后验概率估计和L-曲线正则化参数选择方法相结合, 可以有效地减少和去除复原图像中的噪声, 提高图像复原质量, 并具有较好的超分辨率复原能力.     

一种基于PDE的多幅图像超分辨率复原算法

基于超分辨率复原问题,提出一种新的基于偏微分方程(PDE)的多幅图像超分辨率复原算法。该算法根据图像局部特征的不同,引入先验约束项,通过梯度下降法求解图像超分辨率复原的正则化问题。算法分为基于PDE的平滑扩散、锐化增强和保真约束3部分。实验结果表明,该算法能够有效地提高复原图像的主观视觉效果和客观保真度。     

基于多小波去噪的NAS-RIF图像盲复原算法

采用多小波技术对模糊图像进行了去噪,再应用NAS-RIF图像盲复原算法对去噪后图像进行复原.如此算法在抑制了噪声的放大,提高了退化图像的信噪比,保护退化图像的边缘特征和提高退化图像的视觉效果上均有所改善.实验结果表明,改进后的算法具有更好的抗噪性能和复原效果.     

基于布雷格曼迭代的稀疏正则化图像复原方法

为了实现模糊噪声图像的清晰化复原,提出了一种基于布雷格曼迭代的稀疏正则化约束的图像复原算法。首先,运用差分算子,得到图像中各个方向上的梯度信息;然后,利用提取的梯度信息,得到图像边缘各个方向上的权重;并结合稀疏性原理,针对复原图像,提出了一种权重的稀疏性正则化约束;最后,运用了一种布雷格曼迭代(Bregman Iteration,BI)策略对提出的方法进行最优化求解。实验结果表明,较近几年的一些具有代表性的图像复原方法相比,不仅主观的视觉效果得到了较为明显的改进,而且客观的信噪比增量也增加了0.3~2.5 dB。     

GMRES(m)算法在离散不适定问题中的应用

基于投影方法的规划算法——Krylov子空间技术,研究了离散不适定正则化和Krylov子空间广义极小残余算法(GMRES(m))的基本理论,特别是残余向量与Krylov子空间的关系。利用离散不适定正则化方法,将不适定问题转化为适定问题,利用广义极小残余算法对此适定问题进行数值求解。数值结果表明该算法是可靠和有效的。     

基于总变分彩色图像恢复问题的有效算法

为改进彩色图像的恢复效果,针对数字图像在获取和传输过程中产生的图像退化问题,提出一种改进的总变分正则化模型.首先在最大后验估计的框架下,将彩色图像退化问题转化为总变分最小化问题;然后选择L1范数作为总变分模型的正则项;最后引入对偶变量,将上述问题转化为极大极小问题,利用一阶原对偶算法结合分块矩阵求逆的算法处理上述极大极小问题.实验结果表明,与交替迭代算法相比较,该算法对彩色图像进行去噪和去模糊的能力更优,实验验证了该算法的有效性和优越性.     

一种改进的NAS-RIF图像盲复原算法

针对模糊含噪退化图像的盲复原处理,文章以NAS-RIF算法为基础,对其存在的抑制噪声不理想的缺陷进行了相应改进.首先采用基于最小二乘支持向量机的去噪方法对退化图像进行预处理,在抑制噪声的同时保持图像的细节特征,进而在每次复原迭代过程中加入低通滤波环节,进一步减少噪声对代价函数收敛的影响,提高复原图像的信噪比.另外,对退化图像使用了阈值分割技术确定图像支撑域,保证复原的准确性.实验结果表明,改进的NAS-RIF算法抗噪声干扰的能力比原算法有显著的提高.     

荧光3维解卷积成像及其正则化方法

解卷积荧光成像方法由于能够提高图像质量,因此在生物领域得到越来越广泛的应用。该文基于RichardsonLucy(R-L)算法,提出全变分(TV)正则化的盲解卷积算法。采用根据实际实验系统参数仿真的球模型以及真实的荧光图像,来比较正则化前后图像的复原效果。结果表明:R-L算法可以去除由于点扩散函数引起的大部分模糊,而随着迭代次数的增加,TV正则化算法能抑制噪声的放大。TV正则化的盲解卷积算法在复原实际的生物图片中效果较好。     

基于正则化方法的毫米波图像亮温反演

为了提高毫米波辐射图像的分辨率,该文采用正则化的方法对毫米波图像进行亮温反演。根据毫米波辐射图像的退化因素,分析了毫米波辐射计天线的亮温模型,给出了毫米波图像的离散退化函数。引入半二次正则化方法对毫米波图像进行亮温反演,该方法可以将图像退化函数从病态方程转换成确定性迭代算法,从而快速解出高分辨毫米波辐射图像。仿真结果表明该方法有效地提高了图像的分辨率,且所需时间短,满足实时性的要求。     

基于乘数交替方向法的系统图像退化恢复方法

针对一般正则化方法不能有效解决非线性成像和高动态成像的系统退化恢复问题,提出一种非线性图像恢复方法,该方法利用乘数交替方向法解决双边全变差(bilateral total variation,BTV)模型的正则化项不平滑问题.建立包含复原图像的非线性最小二乘数据拟合项和BTV正则化项的目标函数;对目标函数进行优化;构建一套有效的乘数交替方向法(multiplier alternating direction method,MADM)求解提出的模型.利用峰值信噪比(peak signalto noise ratio,PSNR)和结构相似性度量(structural similarity index measurement,SSIM)评估图像恢复结果.对于非线性成像系统退化,提出的方法在PSNR和SSIM方面比基于TV(total variation)模型的方法分别提高4.5％和4.1％.对于高动态的成像退化问题,提出的方法获得的恢复图像PSNR值可达61.89 dB,相比其他方法,至少提高了2.9％.此外,该方法的运行时间也至少节省了26％,具有较高的计算效率.     

基于自适应正则化的序列图像超分辨率复原

基于序列图像的超分辨率复原算法能够利用更多的先验信息,复原效果明显优于基于单帧图像的复原算法,目前已经成为图像复原领域的主流研究方向.本文提出了一种基于自适应正则化的序列图像超分辨复原方法,能够充分利用序列图像的先验信息,有效抑制了复原图像中存在的振铃效应.同时,本文算法可以更好地恢复图像边缘信息,较好地平滑噪声,得到的复原图像与Hardie等提出的非均匀插值算法的复原效果相比,在峰值信噪比以及主观视觉效果方面均有所提高.实验结果表明,本文所采用的方法能够达到较好的复原效果,是可行和有效的.     

求解非对称线性方程组的预对称混合GMRES算法

对于非对称线性方程组Ax=b,当A是正定可对称化矩阵时,利用预对称化技术和混合迭代技术,结合GMRES算法提出了一种新的预对称混合GMRES迭代算法,理论表明,新算法可以使迭代的收敛效果得到明显改善.数值例子表明该算法迭代次数要少于解非对称线性方程组的GMRES方法.     

基于微分流形的图像复原方法

<正>则化是图像复原领域为获取理想复原结果,将图像复原的优化模型与约束条件整合为统一的优化目标的重要手段.针对传统正则化复原模型中仅基于单一先验的假设的不足,提出了流形正则化的方法,将图像空间看作一个"弯曲"的图像流形,通过修正绝对高斯曲率和对图像中的不同特征进行标识和分类,然后针对不同特征区域采用不同的先验形式进行正则约束,并针对多种正则化约束的模型设计了基于E-M算法的交叉迭代图像复原方法.实验验证了该方法在去噪和去模糊方面取得了比经典全局单一范数约束方法更好的信噪比.