基于暗通道先验和多方向加权TV的图像盲去模糊方法

针对全变差(TV)正则化图像复原其细节恢复能力有限且对噪声敏感等问题,本文利用多方向边缘检测,对传统TV模型进行改进,得到基于边缘检测的多方向加权TV模型;为了使复原模型更具普适性且提高细节恢复能力,本文将暗通道先验融入上述模型,提出基于暗通道先验和多方向加权TV的图像盲去模糊方法.同时,在模糊核估计过程中,提出了基于自适应强边缘提取的模糊核估计方法,可有效剔除伪边缘、噪声等不利信息,使模糊核估计更具鲁棒性;最后,给出了模糊核估计和去模糊模型的最优化求解算法.实验结果表明,本文方法可准确估计模糊核,复原图像含有更丰富的边缘、纹理等细节特征.     

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.     

基于双边滤波与离散余弦变换的NLM去噪算法

针对非局部均值去噪算法(NLM)易造成图像边缘模糊问题,提出了一种基于双边滤波和离散余弦变换的改进算法。该算法将双边滤波中的像素空间邻近函数与NLM算法的权值函数相结合,提出新的权值计算公式进而保护图像细节;利用离散余弦变换能量集中特性来计算像素相似性权值进而提高运算速度。首先将图像分割成子块,对子块进行离散余弦变换,然后在得到的离散余弦变换系数矩阵中筛选数据,最后用新权值计算公式在经筛选的离散余弦变换系数矩阵中度量像素的相似性。实验结果表明,与原NLM相比,该算法更好地保护了图像边缘细节特征和结构信息,峰值信噪比最大提高了1.4 d B,证明本文的算法去噪效果更佳。     

基于非局部拉格朗日乘子的磁共振图像重建

由于TV变换会造成阶梯伪影,使其不能很好地恢复磁共振图像(MRI)的细节和纹理.针对这种缺点,提出了在优化模型中引入非局部正则化来改善现有的MR重建算法.该方法以非局部均值(NLM)滤波为基础,利用磁共振图像的自相似特点,可以有效抑制阶梯效应并恢复图像细节.为了克服该正则化在实现方面的复杂性,进一步提出了一种改进的基于非局部拉格朗日乘子的磁共振成像方法(MRNLM),在简化非局部方法的同时提高了MR图像质量.实验结果表明,该算法在提高信噪比和视觉接受方面均有显著提升,并在时间和质量上达到很好的平衡.     

非局部相似和双边滤波的图像超分重建

为了提高重建图像的分辨率,提出一种改进的稀疏表示超分重建算法.在稀疏编码阶段,引入非局部相似正则化以改进稀疏编码目标函数,并通过非局部相似正则化获得图像非局部冗余,以保持图像边缘信息.为了进一步恢复图像的边缘细节信息,提出一种基于改进双边滤波的全局误差补偿模型,以实现重建图像的误差补偿.实验结果表明:与Bicubic,L1SR,SISR,ANR,NE+LS,NE+NNLS,NE+LLE和A+(16 atoms)等算法相比,无论在主观视觉效果,还是在峰值信噪比和结构相似性指标上,所提算法都有显著的提高.     

基于全变差模型与卷积神经网络的模糊图像恢复

为了提高模糊图像恢复性能,采用全变差(TV)正则模型进行粗粒度去模糊,运用卷积神经网络(CNN)算法进行模糊图像的像素恢复。首先,根据图像包含的噪声类型选择合适的TV模型,并针对每个像素点进行原始图像和模糊图像的TV正则最小值求解,以实现图像去模糊操作。然后,建立CNN图像恢复优化模型,将经过TV正则化后的分块图像样本作为CNN输入,结合图像信噪比(SNR)增益阈值,通过训练获得图像恢复结果。实验结果表明,采用TV正则策略及CNN的卷积优化,能够满足不同图像模糊核类别和尺寸,以及不同噪声的图像恢复需求,有效提高模糊图像的复原性能。分别采用R-L算法、反向传播神经网络(BPNN)、生成对抗网络(GAN)和TV-CNN算法对5类图像样本集进行性能仿真。通过合理设置卷积核尺寸,相比于其他模糊图像恢复算法,TV-CNN算法能够获得更优的图像恢复质量,且能够有效应对不同模糊核尺寸和不同等级噪声所带来的图像恢复难的问题。     

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.     

基于自回归正则化和稀疏表示的图像超分辨率重建

针对图像超分辨率重建中稀疏系数解不精确和重建图像质量不理想的问题,本文提出了一种空间自回归正则化的超分重构算法.该重构算法联合稀疏K-SVD方法训练一个具有相同稀疏系数解的相对应于高低分辨率图像块的字典对,在此基础上利用自然图像本身具有的局部自回归性先验知识来对图像进行处理,经过模型的训练和选择引入正则化项,实现图像的局部约束,从而完整构造了基于正则化的稀疏编码目标函数,为了进一步实现图像去模糊得到清晰图像,利用退化模型实现全局约束.实验结果表明:与Bicubic、NE和SCR等算法相比,本文算法在主观视觉效果和客观评价指标方面都有了一定地提升.     

无人机视角下的红外图像去模糊算法

针对油气长输管道采用无人机巡检时所拍摄的红外图像去模糊问题,本文利用图像通道的先验知识提升模糊图像质量,分别基于双边滤波和非盲去模糊网络NBDN去除人工伪影的方法达到更佳的图像复原效果。首先,基于暗通道先验知识,在最大后验的优化框架中添加暗通道的L_0正则项;然后使用图像梯度的L_0正则项,代替图像像素的L_0正则项作为潜在图像的正则化约束,使用迭代交替估计图像模糊核和中间潜在图像;采用半二次分裂方法和查表法间接优化求解,估计中间潜在图像;采用双线性插值估计图像模糊核,通过对图像进行上下采样,构建图像金字塔,进而利用共轭梯度法直接优化求解。最后,利用估计的模糊核,使用基于超拉普拉斯先验的图像非盲去模糊方法得到潜在图像I_1;使用基于L_0正则化的非盲去模糊方法得到潜在图像I_0;计算估计的潜在图像I_1和I_0之间的差值映射,从I_1中减去双边滤波过滤后的差分图,得到最终的潜在图像I。将本文算法在低照度图像、含有饱和像素的图像、真实图像以及红外摄像图等图像数据上进行实验,相对于其他图像去模糊算法,实验结果表明本文提出的方法在多种模糊图像复原效果上,均具有较强的竞争力。     

基于流形学习和梯度约束的图像超分辨率重建

将改进的基于流形学习的超分辨率重建与基于梯度约束的正则化重建结合起来,提出一种新的单帧图像超分辨率重建算法.该算法首先针对基于流形学习的超分辨率重建,提出新的特征提取方法,联合归一化亮度与平稳小波变换细节子带系数两个特征矢量,提高重建性能;然后将学习得到的高分辨率图像作为初始估计,将其梯度作为目标梯度域,进行基于梯度约束的正则化重建,得到最终的高分辨率图像.与现有的一些算法相比,文中算法无论在视觉效果还是客观评价上都具有较好的重建性能.     

联合稀疏和低秩表示的医学超声图像去噪

为了保持超声图像的边缘和细节特征，同时去除图像中的噪声，提出了一种改进的低秩稀疏矩阵分解模型。首先，通过对数变换将乘性性质的斑点噪声转换为加性噪声；然后引入L1范数和改进的低秩正则项，以最小化保真项、正则项为目标函数，迭代恢复出去噪后的超声图像；最后使用指数变换从对数域中还原。将本模型应用于肿瘤超声图像，与一些经典的去噪算法进行比较，得出该模型对消化道粘膜下肿瘤超声图像去噪估计具有良好的适用性和实时性。     

一种基于改进视觉注意模型和局部自相似性的目标自动检测算法研究

针对基于视觉注意模型的检测算法只能检测到图像中的感兴趣区域,无法准确地提供目标的轮廓和位置的不足,提出了一种基于改进视觉注意模型和图像局部自相似性的目标自动检测算法。通过增加运动速度和运动方向特征改进了经典的Itti视觉注意模型。利用改进的视觉注意模型提取感兴趣区域,提高了视觉注意模型的检测能力。再利用图像在边缘处具有良好的局部自相似性,实现了基于图像局部自相似性的目标检测算法。实验表明,算法能快速检测到图像中的目标感兴趣区域,并对其进行精确分割和定位。     

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.     

基于学习和全变分最小化的超分辨图像复原

由于全变分在图像处理中可以保留图像边缘信息,提出了一个基于学习的超分辨率图像复原方法,将全变分最小化(TV)正则项引入到基于稀疏表示的图像复原模型中.通过引入新的变量,将本模型转化为两个易于求解的优化问题,然后采用交替迭代法对模型进行求解.同时考虑了图像的特征信息,利用图像的非局部相似性和迭代反向投影算法对复原图像进行处理.实验结果表明,提出的方法在视觉效果和峰值信噪比上优于传统的插值算法和基于稀疏表示的方法.     

一种新的用于数字图像版权的自适应水印

提出了一种新的图像版权的数字水印方案．采用混沌映射方法将商标图像的像素在空间域中进行随机置乱,然后将置乱的信息嵌入图像的DCT变换域中．为了使水印的分布集中在图像显著的边缘特征中,提出了基于图像像素的模糊熵测度算法,对图像特征系数的修改是局部自适应的,使得水印嵌入的强度随着图像局部变化而变化．嵌入的商标能够在随后的相关检测以及重构中得到很好的恢复,以表明数字产品的版权。     

一种带约束搜索窗的非局部平均相干斑抑制算法

为了提升非局部平均(NLM)滤波对合成孔径雷达(SAR)图像乘性相干斑噪声的抑制性能,提出了一种带约束搜索窗(RSW)的NLM抑斑算法RSW-NLM。首先估计搜索窗内像素灰度分布概率密度函数的极大值,并将极大值对应的像素作为聚类中心;然后利用均值比形成的相似性测量函数对搜索窗内各像素进行聚类划分,进而通过保留中心像素所属聚类,形成一种限制与中心像素相似性偏低的像素参与NLM滤波的带约束搜索窗;最后,在带约束搜索窗内实施由局部均值比和变差系数构建的适应SAR图像乘性相干斑噪声的NLM滤波。实验结果表明,RSW-NLM算法与SAR图像三维块匹配算法、基于变差系数的NLM算法以及基于均值比的NLM算法相比,在充分抑制了相干斑的同时,有效保护了边缘、细节等信息,尤其是灰度值接近的弱边缘,其等效视数提高2%以上,边缘保持指数提高1%以上。     

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.     

联合多尺度块匹配的非局部均值去噪算法

针对非局部均值（Non-Local Means, NLM）图像去噪算法易产生伪影与平滑细节的问题,提出一种联合多尺度图像块匹配的像素相似性测度,提高NLM算法去噪性能。首先,研究与分析了加权欧氏距离与欧氏距离两种相似性度量以及图像块尺寸设置对NLM算法的影响。其次,通过引入图像特征信息并利用K-means聚类方法将图像划分为平坦区域和包含边缘与纹理的结构区域,对每个类别中的像素点,联合两种尺度图像块匹配计算像素的平滑权重。最后,优化了算法的滤波参数。实验结果表明,提出的算法在噪声去除与细节保持方面明显优于经典的NLM算法,相比其他改进的NLM算法也有优势。     

基于TV范数对低秩表示去噪模型的改进

全变差(TV)范数具有保持图像边缘信息及加强区域平滑性的能力,为增强低秩表示(LRR)模型恢复图像的结构光滑性,将TV范数引入到LRR模型中,通过对LRR模型中的系数矩阵增加TV范数约束,提出了一个新的图像去噪模型——全变差低秩表示(TVLRR)模型,并采用交替最小化方法有效地求解该模型。利用图像内在的非局部自相似性先验,所提算法可以有效地发现和去除噪声,同时增强恢复图像的结构光滑性,使去噪后的图像质量显著提高。实验结果表明,与顶尖的去噪算法相比,所提出的算法在主观和客观上都实现了具有竞争力的去噪表现,特别是当噪声强度很大时。     

基于归一化曲率项的单幅运动模糊彩色图像盲复原

运动模糊图像的盲复原在现有的方法中多数针对灰度图像,而彩色图像是由多个图层耦合而成,将彩色图像转化为灰度图像过程中必然会造成信息丢失。针对彩色图像的去模糊问题,提出多尺度框架下,将曲率项对彩色图像的边缘保护特性和归一化的曲率项的正则化约束相结合,在彩色图像各个通道上由粗尺度到细尺度估计模糊核,采用多通道全变分模型(Multi-channel total variation,MTV)进行图像复原。为降低去模糊方程的求解复杂度,求解时引入快速分裂(Split Bregman)算法。实验结果表明,尽管曲率项会加大算法的计算量,但是复原后的图像细节效果更明显,质量更好。