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.     

基于Matlab平台的运动模糊图像复原研究

目的研究运动模糊图像的模糊参数计算方法,为模糊图像复原提供依据。方法本文以运动模糊图像为研究对象,借助目前流行的数字图像处理系统Matlab,研究运动模糊图像参数中模糊方向和模糊尺度的计算方法,在此基础上对图像进行复原。结果模糊尺度较小时,模糊角度的计算误差稍大;当模糊尺度比较大(大于15像素)时,模糊方向的计算比较准确,而且随着模糊尺度的增大,角度计算精度越来越高;当模糊尺度大于30像素时,模糊角度计算精度很高,误差最大值为1°。模糊尺度计算符合精度要求。在计算模糊参数基础上对运动模糊车牌进行复原。结论运动模糊角度和模糊尺度已经能够通过算法实现鉴别,误差分析的结果也验证了算法的可行性,在模糊图像复原方面具有重要意义。     

基于组稀疏残差约束的自适应强噪声图像复原算法

组稀疏学习在图像去噪中显示出巨大的潜力,但现有方法仅从图像块级别考虑含噪图像的非局部自相似性,影响了强噪声图像的重建质量.文中在组稀疏复原模型中引入组稀疏残差和全变分正则化约束,将含噪图像复原问题转化为多尺度图像块匹配和减小组稀疏残差;基于干净图像的组稀疏系数预估和多尺度图像块匹配,提出了自适应图像复原迭代算法,以提升组稀疏学习算法的图像去噪和精细结构复原能力.实验结果表明,文中算法能更好地保留图像的细节纹理,减少过平滑和伪影现象,在强噪声图像复原的主、客观综合评价上优于BM3D、WNNM等标杆去噪算法.     

基于盲解卷积算法的运动模糊图像复原

在经典的图像复原中,点扩散函数（PSF）是已知的,但是在很多时候PSF都难以确定,不得不在只知道图像系统部分信息甚至没有任何信息的情况下估计PSF和真实图像,这一过程称为图像的盲复原。本文利用MATLAB软件对运动模糊图像进行了图像盲复原,结果证明该方法能有效还原运动模糊图像。     

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.     

维纳滤波图像复原技术的研究与改进

图像复原是图像处理中的一个重要问题。对于改善图像质量具有重要的意义。已在实际应用中被证明是有效的重要的图像复原技术有很多,而维纳滤波法提供了一种在有噪声情况下导出反卷积传递函数的最优方法,它是频率域最常用的一种恢复方法。详细研究讨论了对维纳滤波算法的变通与改进,并针对维纳滤波方法恢复运动模糊加噪图像时出现的边界模糊或振铃效应提出了一种改进算法,很好地复原出了图像的重要信息,并具有令人满意的视觉效果。     

基于运动模糊图像的计算机复原技术研究

运动模糊图像复原是一种计算机图像复原技术,相对较为常见,广泛应用于在智能交通系统中。正由于运动模糊图像应用越来越普遍,该文重点分析研究了不同动态模糊图像复原技术方法,采用了最小二乘法和L-R两种不同算法对图像复原处理进行研究,同时,结合交通系统常见标志作为研究例子,利用MATLAB进行仿真实验,获取两种不同算法处理图像后的效果,对两种算法的仿真实验结果进行比较研究。通过仿真实验结果表明,L-R算法在交通道路指示牌中的复原处理效果优于最小二乘法,更适合于复原处理运动模糊图像。     

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。     

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.     

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。     

基于一阶微分的运动模糊参数估计

运动模糊图像是在图像摄取过程中,被摄景物与相机的相对运动产生的。在运动模糊图像恢复技术中,对运动模糊参数即模糊方向和模糊长度的估计是影响恢复结果的关键因素。本文对运动模糊图像进行一阶微分处理,提取和计算表现该运动特性的特殊像素坐标,得到模糊参数和点扩展函数（PSF）。用该方法得到的模糊参数比使用倒频谱方法得到的模糊参数有更高的精度和更广的测试范围。仿真结果显示,用该方法得到的PSF,应用维纳滤波对模拟的和真实的运动模糊图像进行恢复,得到了很好的恢复结果。     

面向输电线路的压缩感知图像去噪方法

传统的基于字典学习的输电线路图像去噪方法,易受冗余字典影响存在重建图像边缘细节恢复不足的问题.为了有效抑制输电线路图像表面存在的高斯噪声,提出一种图像非局部自相似特性与改进K-SVD字典学习算法融合的输电线路图像去噪方法,利用图像非局部自相似性作为正则项约束并加权稀疏表达模型,提高去噪图像复原和保留细节的能力.实验选取含有自然图像和输电线路典型缺陷图像进行仿真实验测试.实验结果表明,所提出的算法不仅能够很好的保留图像纹理特征与边缘细节,对高斯噪声也具有良好的鲁棒性.     

一种改进的深度卷积神经网络图像去噪算法

为了更好地去除图像中的噪声,提出了一种改进的深度卷积神经网络(Dncnn)图像去噪算法。针对现有的Dncnn网络参数量大,对Dncnn网络的第2～16层进行了改进,使网络参数量降低1/3后,仍能保持和Dncnn一样的训练效果。在此基础上,对网络底层的低级语义信息和高层的高级语义信息进行了特征融合,使得网络训练更平稳,并能达到更好的训练效果。实验结果表明无论与图像去噪领域公认最好的去噪算法BM3D相比,还是与深度学习领域先进的图像去噪算法Dncnn相比,改进的Dncnn都有更好的表现。     

运动模糊图像模糊参数辨识与逐行法恢复

在相机曝光时间内,相机与拍摄目标存在相对运动会造成图像运动模糊。针对运动模糊图像,在辨识运动模糊参数的基础上,提出了一种逐行法来恢复运动模糊图像。运动方向通过运动模糊图像的频谱和Radon变换得到,利用得到的运动方向将频谱图旋转至水平方向。对处理后频谱图上的像素按列累加到水平方向上得到其投影图,在投影图上搜索对应暗条纹的极小值点,通过一系列极小值点的间距计算运动模糊尺度。最后,采用逐行法来恢复运动模糊图像。实验结果表明:算法辨识的运动模糊参数精确,辨识模糊尺度的误差在一个像素以内;同时逐行法恢复图像效果优异,可获得细节清晰的图像。     

基于双域信息的深度残差网络图像去噪

基于深度学习的去噪技术,通过考虑视觉伪影和整体平滑噪声,提高了图像的质量.然而,它们很少涉及边缘细节的恢复.为此,本文提出了一种基于双域信息的深度残差网络去噪模型,利用小波域信息与空间域信息的融合来扩展网络学习信息,通过在激活单元内引入多尺度学习和空洞卷积,以此提取图像特征,并减少了网络参数.为了进一步改善去噪结果,结合小波域损失和空间域损失构造联合损失函数,使得网络获取更多的边缘与细节.实验结果表明,本文提出的方法不仅可以有效去除图像噪声,而且可以更好地恢复图像纹理细节,在主观和客观评价中均获得了更好的结果.     

基于残差神经网络的高强度运动超分辨率图像重构

针对实际拍摄的亚像素信息较少的低分辨率运动图像,重构图像通常较为模糊,甚至不能分辨。为此,提出一种新的基于残差神经网络的高强度运动超分辨率图像重构方法。令沿运动方向的亮度保持恒定,通过光流场匹配实现高强度运动图像的运动估计;根据运动估计结果和超分辨率重构的基本思想,将BP神经网络看作残差神经网络的基础建立残差神经网络,对残差神经网络进行训练,参照训练样本将经插值法放大若干倍的待重构高强度运动图像作为输入,将高分辨率图像和输入图像间的残差作为输出,把输入和输出累加获取超分辨率图像,实现若干放大倍数高强度运动超分辨率图像的重构。实验结果表明,所提方法运动估计准确,重构图像清晰、质量佳。     

基于小波包分析的三维宽场显微图像复原方法

提出了基于小波包分析的三维宽场显微图像复原新方法.分析了小波包分析在信号去噪中所具有灵活精确的局部解析能力;简述了具有较强超分辨复原能力的最大似然法(PML法).采用小波包分析进行去噪预处理,再用PML算法对三维图像进行复原.实验结果表明,三维宽场显微图像散焦信息的干扰得到有效排除,噪声得到有效抑制,信噪比得到明显改善,图像复原获得了较好的效果.     

一种新的基于倒谱法和Richardson-Lucy算法的运动图像盲复原方法

运动图像的盲复原,一直是图像处理领域的难点,本文根据运动模糊图像特点,提出了一种鲁棒、高效保留图像细节和纹理特征的图像盲复原算法.在图像的复原过程中运用了基于最大似然函数的Richardson-Lucy滤波方法只需知道模糊类型,不需要其它任何先验知识,就能做到有效复原,适用范围广,能对线性匀速运动类型的模糊、振动模糊、旋转模糊都有效,鲁棒性好,抗噪能力强.     

用投影迭代法实现匀速直线运动模糊图像的复原

1 投影迭代公式在线性空不变条件下的简化图像复原的算法很多,本文采用Huang提出的投影迭代复原算法,它适用于线性模糊图像的复原.对线性成像系统,模糊图像g(x, y)与对应的原始图像f(x,y)的离散数字化关系为g=Df,其中g,f分别是g(x,y),f(x,y)的向量表示,D是由系统点扩展函数决定的转换矩阵,则复原迭代公式为