结合卷积与转置卷积特征的模糊车牌复原方法

深度学习算法在图像去噪领域已经得到了很好的效果;但目前对于深度学习算法在模糊图像复原领域的研究没有更深入的研究。直接应用图像去噪的方法对模糊车牌进行复原实际上可行的,但会产生复原图像细节缺失,时间代价高的缺点。针对这些问题,吸取去噪方法的优点,提出将原始图像信息与转置卷积复原后的图像信息相结合的方法,重新构建了图像复原网络结构;并根据图像特点自定了损失函数。实验通过与已有的方法进行对比说明,提出的复原方法在复原车牌图像质量上和复原效率上都有很好的表现;同时对模糊运动角度与不同噪声具有健壮性;而模糊运动像素越大的图片,复原图像的质量也会下降。     

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.     

基于先验信息的全变分图像复原算法

为了提高全变分模型的图像复原效果,提出一种基于先验信息的全变分图像复原算法.首先,采用能够有效保护滤波后图像结构信息的非局部均值算法对模糊退化图像进行滤波以减少其中所含噪声,获取滤波后的先验图像信息.然后,构建基于该先验信息的全变分图像复原模型,该模型不仅保留了全变分模型对复原图像边界信息的保护优势,也保留了非局部均值的结构信息保护优势.最后,采用分裂Bregman交替方向乘子迭代算法对所提模型进行优化,得到复原后的图像.实验结果表明,无论从主观视觉效果方面,还是从峰值信噪比与结构相似性客观量化指标方面对所复原图像进行评价,与其他算法相比,所提算法均能取得较好的复原效果.     

大气湍流退化图像的复原研究

大气湍流退化图像的复原在航天成像、天文观测等领域具有重要的地位,也是目前急需解决的问题.该问题的解决能够克服大气湍流扰动带来的图像降晰和提高目标图像的分辨能力,以便后续的目标特征提取和识别等处理.文章提出将大气湍流的光学传递函数应用在迭代盲目反卷积图像复原算法上,使图像达到更好的复原效果.研究表明,此复原方法可以更有效...     

改进的非局部均值Wiener滤波图像复原算法研究

图像复原在数字图像处理中具有十分重要的意义,针对当前流行的图像复原算法存在复原效果不理想的特点,提出了一种基于图像分离的改进的非局部均值滤波图像复原算法。本算法首先采用基于范数L0梯度最小化复原算法完成对图像平滑部分的复原,然后采用波原子变换来实现对图像细节部分的复原,最后采用改进的非局部均值滤波来处理波原子变换产生的振铃效应和虚假边缘。实验结果表明本复原算法与当前流行的图像复原算法相比,在图像复原的主客观效果上都有一定的提高。     

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。     

图像复原的边界振铃效应抑制算法

针对散焦模糊图像复原后普遍存在的边界振铃问题,提出了一种基于边界加窗的图像复原算法.首先根据图像的模糊半径和图像大小确定窗口宽度,其次利用余弦函数对模糊图像进行扩展,扩展的宽度即为窗口宽度,再利用标准维纳滤波器复原加窗的模糊图像,最后对复原后图像截取原图大小.实验结果表明,提出的算法可以有效地抑制图像边界振铃,提高复原图像质量.     

改进的非局部均值Wiener滤波图像复原算法研究

图像复原在数字图像处理中具有十分重要的意义,针对当前流行的图像复原算法存在复原效果不理想的特点,提出了一种基于图像分离的改进的非局部均值滤波图像复原算法。本算法首先采用基于范数L0梯度最小化复原算法完成对图像平滑部分的复原,然后采用波原子变换来实现对图像细节部分的复原,最后采用改进的非局部均值滤波来处理波原子变换产生的振铃效应和虚假边缘。实验结果表明本复原算法与当前流行的图像复原算法相比,在图像复原的主客观效果上都有一定的提高。
     

单幅图像去雾方法研究综述

随着计算机视觉技术的发展及其在智能交通、军事以及安全监控等领域的应用需求,图像去雾处理成为计算机视觉领域中的重要问题与研究热点。在雾、霾等天气条件下,大气粒子的散射作用导致成像传感器采集的图像严重降质。图像去雾技术的任务是通过图像增强或图像复原方法去除天气因素对图像质量的影响,以改善图像的视觉效果和方便后期处理。归纳总结了单幅图像去雾方法的研究现状,重点分析了基于图像增强和复原的两大类方法,深入探讨了其中的一些经典算法并对这些算法进行了分析比较,最后针对基于图像复原方法的去雾技术指出了存在的问题并提出了未来的发展趋势。     

基于小波双立方配比插值的Bessel拟合图像复原算法

对模糊图像复原的目的在于对图像进行去模糊、去噪及建立在特征值基础上的矢量化处理,最大限度恢复原图像。提出了一种基于小波双立方配比插值(wavelet bi-cubic)的贝塞尔拟合图像边缘特征复原的新算法,在初始图像降质处理基础上通过小波双立方配比插值、双三次插值法得到融合样本图像,并在Canny边缘检测基础上提出对拟合边缘特征点的贝塞尔曲线拟合,最后将图像特征轮廓分别进行Delaunay剖分算法的矢量化处理,保留原始灰度色彩复原图像。实验对这3种方法的轮廓复原图像与原始清晰图像进行对比,由具体参数(PSNR、SSIM、FSIM及运算时间TOC等)说明验证。实验结果表明,经由小波双立方配比插值与贝塞尔拟合得到的轮廓图像复原比双三次插值与贝塞尔拟合得到的轮廓图像复原效果要好,且明显缩短运算时间。     

基于小波双立方插值的Bessel拟合图像复原算法

对模糊图像复原的目的在于对图像进行去模糊、去噪及建立在特征值基础上的矢量化处理,最大限度恢复原图像。本文提出了一种基于小波双立方配比插值的贝塞尔拟合图像边缘特征复原的新算法,在初始图像降质处理基础上通过小波双立方配比插值（Wavelet Bi-cubic）、双三次插值法得到融合样本图像,并在Canny边缘检测基础上提出对拟合边缘特征点的贝塞尔曲线拟合,最后将图像特征轮廓分别进行Delaunay剖分算法的矢量化处理,保留原始灰度色彩复原图像。实验对这三种方法的轮廓复原图像与原始清晰图像进行对比,由具体参数（PSNR、SSIM、FSIM以及运算时间TOC等）说明验证。实验结果表明,经由小波双立方配比插值与贝塞尔拟合得到的轮廓图像复原比双三次插值与贝塞尔拟合得到的轮廓图像复原效果要好,且明显缩短运算时间。     

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.     

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.     

Richardson-Lucy与调制核相结合的图像复原方法

针对模糊含噪图像,提出了一种新的图像复原方法.该方法通过将调制核算法和Richardson-Lucy算法相结合,先对模糊含噪图像运用调制核算法去噪,提高图像的信噪比,然后运用Richardson-Lucy迭代算法复原图像.克服了单纯使用Richardson-Lucy复原算法由于反复迭代所带来的噪音放大问题,并通过实验进行了验证,发现该方法能够使复原效果得到明显改善.     

基于马尔科夫约束最大后验概率三维显微图像复原算法

提出了基于马尔科夫约束的最大后验概率三维显微图像复原算法(3D MPMAP算法). 该算法根据显微图像三维的特点,构造三维PSF,对二维邻域进行三维拓展,对正则化参量进行简化,实现了三维显微图像的复原. 实验结果表明,各种信噪比的仿真三维显微图像的散焦信息干扰得到很大程度的排除,复原图像频谱得到较大的恢复,清晰度明显提高. 实际生物样本三维显微图像也获得了满意的复原效果.     

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。     

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。     

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.     

基于MHD角速度传感器的面阵相机模糊图像复原

在轨卫星平台上普遍存在着宽频带、低幅值的微角振动，随着对航天相机探测能力和遥感图像空间分辨率要求的不断提高，微角振动对星载光学系统成像质量的影响更加突出．针对高频微角振动造成的图像模糊问题，提出使用磁流体动力学(magnetohydrodynamics,MHD)角速度传感器测量面阵相机受到的微角振动，并根据面阵相机角运动信息构建点扩散函数，进一步采用基于全变差正则化的图像复原算法实现图像复原，从而提高图像质量．首先，在分析航天相机受到微角振动干扰产生像移原因的基础上，建立像移模型，并根据像点在焦平面上的移动轨迹构建点扩散函数．其次，搭建实验系统模拟航天相机在微角振动环境下的成像过程，在垂直于光轴的方向上施加单频正弦角振动干扰，并使用MHD角速度传感器进行探测．最后，利用基于全变差正则化的图像复原优化算法对模糊图像进行复原，并基于图像的调制传递函数对复原图像质量进行评价．实验结果表明：当微角振动频率在20～300 Hz内，且产生的像移在13个像元以下时，复原图像的调制传递函数积分面积可达到静态图像积分面积的90%以上，图像细节清晰，对比度得到明显提升．对同一频点进行多次重复实验，结果表明...