基于核密度估计的MAPSK调制信号识别

针对多进制幅相键控(MAPSK)调制信号中核密度估计的误差大,识别效率相对较低等问题,提出了一种基于核密度估计的MAPSK调制识别算法。分析对比主要模块调制码率恢复、基于核密度估计的幅度特征提取和基于K-L散度的分类识别器等算法。在调制模式QPSK、16-APSK、32-APSK和64-APSK条件下进行仿真,实验表明:调制阶数越高其识别效率越高,反之QPSK的识别效率最低。与其他算法相比,本算法计算复杂度低;定时误差不敏感,算法鲁棒性好。     

图像复原研究方法及进展

图像在形成、传输和记录过程中,由于成像系统和设备的不完善,而使图像的质量。介绍了图像复原的一般模型、和经典的几种图像复原方法,分析了其他的一些复原方法,并对图像复原技术进行展望。     

直线运动模糊图像复原的截断奇异值分解方法

在Neumann边界条件假设下,具有对称及平移不变性的点扩散函数的图像复原问题可以转化为不适定的解卷问题,进而可以采用截断奇异值分解(TSVD)方法解卷.但是,任意方向直线运动模糊的点扩散函数不具有对称性.而直线运动模糊图像仅仅由该运动方向上的像素相互作用形成,本文用平行于该运动方向的一系列直线把模糊图像进行分割,每条...     

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.     

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。     

多视点模糊图像复原方法研究

提出了基于多视点图像模糊核估计的复原方法.先给出了一种基于正则化保PSF路径的模糊核估计算法,将各向异性正则化方法引入模糊核估计的迭代过程中,在此基础上,为了降低噪声和保护图像边缘,又给出了基于保边缘的最大似然估计多视点去模糊方法.建立了多视点图像PSF路径之间的关系模型,确保多视点图像特征点对应关系.估计了两视点图像的PSF路径后,利用PSF路径对应关系,计算了其它视点图像的PSF路径.当获得所有视点图像的PSF路径和模糊核后,利用最大似然估计去模糊方法,得到了多视点去模糊图像.实验结果表明:该方法对多视点图像复原效果好,提高了三维重建精度.     

热传导PDE和Richardson-Lucy相结合的图像恢复方法

针对模糊含噪图像的恢复问题,提出了一种新的图像恢复方法﹒该方法通过将热传导型偏微分方程(PDE)和Richardson-Lucy(R-L)算法相结合,先对模糊含噪的降质图像用热传导PDE的方法进行去噪,用来提高图像的信噪比;然后在噪声减弱的情况下用R-L迭代算法恢复图像﹒实验结果表明,与传统的R-L算法和均值滤波后R-L方法相比,本文方法能抑制振铃效应的传播及图像噪声的进一步放大,且在峰值信噪比(PSNR)数值上改进1~2 d B﹒     

多尺度残差注意网络的真实图像复原方法

为了提高基于深度学习网络方法在真实图像上的复原效果,提出了一种基于多尺度残差注意网络的复原方法。将退化图像输入到该模型中,利用浅层特征网络提取原始低质量图像的浅层特征;利用残差注意网络模块提取深层特征信息和通道相关性,使用局部连接和短跳跃连接进行残差学习;将浅层特征、通道相关性以及上下文深层特征信息输入到重构网络,利用具有不同感受野的特征进行图像复原。实验结果表明,相较于其他对比方法,该方法在图像去噪、图像增强和超分辨率等多个任务中获得最优的结果,能够在不引入伪影的情况下生成纹理细节丰富的清晰图像。     

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。     

非接触式掌纹识别中的图像复原方法

针对现有掌纹采集方法的不足, 设计一种新的非接触式高分辨掌纹采集方法, 并对可能产生的离焦现象提出一种基于方向小波的正则化掌纹图像复原方法. 理论和实验结果表明, 该方法有效地弥补了现有掌纹图像采集方法与图像分辨率的不足.     

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。     

一种使用小波分解的多尺度盲图像复原方法

针对EM算法图像复原质量有限的问题,提出了一种新的使用小渡分解的图像复原EM方法.该方法使用正交小波变换将降质模型分解成更小的子带降质模型,解决了用EM算法估计子带模糊算子前各子带模型间的耦合问题,从而提高了EM算法对图像复原的质量.     

基于多模态融合的深度神经网络图像复原方法

针对水下图像成像环境复杂常受偏色等因素干扰而影响后续图像分析的问题,提出一种基于多尺度特征与三重注意力多模态融合的深度卷积神经网络图像复原方法.首先,深度卷积神经网络在抽取图像空间特征的基础上,引入图像多尺度变换特征;其次,通过通道注意力、监督注意力和非局部注意力,挖掘图像特征的尺度间相关性、特征间相关性;最后,通过设计多模态特征融合机制,将上述两类特征有效融合.在公开的水下图像测试集上进行测试并与当前主流方法进行对比的实验结果表明,该方法在峰值信噪比、结构相似性等定量对比以及颜色、细节等定性对比上都优于对比方法.     

结合优化算法的神经网络图像复原算法

提出了用遗传算法优化的神经网络和PSO算法优化的神经网络图像复原算法,并对它们的复原效果进行了比较.先用优化算法对神经网络的结构进行优化,然后利用优化后的神经网络的学习和泛化能力,用一组样本图像对网络进行训练,建立退化图像与原图像之间的非线性映射关系,最后用训练好的进化神经网络对待复原的退化图像进行图像复原.实验结果表明复原的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.     

基于Matlab的图像复原算法的研究

图像在获取、传输和存储过程中由于受多种原因如模糊、失真、噪声等的影响,会造成图像质量的下降.在对目前有关数字图像复原技术的文献进行理解和综合的基础上,本文主要对EM算法、维纳(Wiener)滤波和NAS-RIF算法进行了探讨,同时对上述算法进行了仿真实现,并分析了实验的结果.     

基于Radon变换的图像盲复原方法

相机抖动等因素导致的图像模糊是一种常见的图像降质现象,模糊图像盲复原需要从一副模糊图像中估计模糊核并复原出清晰图像。针对空间移不变模糊,该文通过简单的检测方法检测边缘并按照Radon投影的要求从中选取有用边缘,然后利用这些边缘信息形成模糊核的Radon变换,最终通过求解Radon逆变换得到模糊核,在得到模糊核后即可通过去卷积方法复原出清晰图像。实验结果表明该方法快速有效,并且该方法引出了一种图像复原的新思路。     

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.      

基于分区的改进维纳滤波图像复原

图像复原技术是图像处理技术中的关键研究内容。由于相机散焦、相机与目标相对运动和噪声等诸多因素的影响,图像质量有所下降。本文针对经典维纳滤波复原方法存在的局限性,提出一种基于分区的改进维纳滤波复原方法。在视觉效果上,该方法不仅可以很好地削弱伪像和抑制噪声,而且能够保持图像边缘。对使用经典方法及改进方法的复原的图像进行进行峰值信噪比评价,结果表明改进方法的峰值信噪比较传统方法有所提高。     

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.