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。     

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.     

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.     

复原处理大噪声高斯型模糊图像的前置滤波器的设计研究

通过对复原处理大噪声高斯型模糊图像过程中存在的问题进行分析,针对图像复原处理中最常见的维纳滤波器,设计了可对大噪声进行有效预处理的前置滤波器,并采用计算机模拟滤波对前置滤波器的效果进行验证.结果表明:当噪声较大时,前置滤波器具有良好效果,是一种行之有效的图像复原方式.     

基于l_1正则化的匀速运动模糊图像复原

匀速运动模糊作为运动模糊中最基本的模式,在图像复原中一直都倍受关注,其研究成果被广泛应用于其他图像复原以及图像处理中.将图像稀疏表示的思想引入匀速运动模糊图像复原中,提出一种基于l1正则化的复原算法,并利用基追踪算法有效地求解l1正则化的线性规划问题.由于l1在异常值下表现稳健,使得算法对较宽模糊范围下的匀速运动模糊图像都有稳定良好的恢复效果.为了验证算法效果,对该算法与现有算法进行了大量的对比实验,实测结果表明,该算法能准确恢复图像,且有效抑制振铃效应.     

基于点扩散的运动模糊图像复原研究

在获取图像时,目标和摄像机之间可能会产生相对运动,往往造成图像的模糊,运行模糊图像复原技术可以消除图像模糊.在图像退化先验知识已知的情况下,针对运动造成的图像模糊的性质,找出前后两种图像状态的关联,进而研究造成匀速模糊图像的退化原因和复原方法,最终得出数学模型,并利用VC++编程实现图像的模拟运动模糊及实现模糊图像复原.     

一种高鲁棒性的运动模糊图像复原算法

为解决常用的基于能量谱和倒谱零点的运动模糊图像复原方法的噪声敏感问题,提出了一种高鲁棒性和适应性的新算法。该算法使用中值互补模板法进行噪声能量的估计,在对数能量谱域内使用改进的Radon变换实现模糊角度的识别,通过旋转图像使运动模糊出现在水平方向,然后在双谱域内识别模糊长度,大大降低了噪声对识别的影响。实验结果表明:本文算法能够处理信噪比大于5 dB的噪声模糊图像,图像复原效果显著。     

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.     

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.     

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.     

环之间的一种新的模糊同态

先给出经典集合之间的模糊映射，模糊单射及模糊满射的定义，然后给出一个模糊子集在模糊映射之下的象和原象的意义。最后给出了经典环之间的模糊同态的定义，证明了模糊子环的象和原象仍是模糊子环，推广了环的同态基本定理。     

模糊域的图像边缘检测算法分析

提出一种基于模糊域的图像边缘检测算法,结合自适应模糊增强和多方向模糊形态学来检测模糊图像的边缘。自适应模糊增强采用滑动窗口对模糊图像进行分块增强,避免了全图单阈值增强引起的真实边缘损失,具有较强的适应图像区域变化的能力;多方向模糊形态学用多个不同方向的结构元素对增强图像进行运算,以提取具有方向性的真实边缘,并抑制无方向性的噪声。实验证明算法能够有效地检测出模糊图像边缘,抗噪能力强。     

基于二维灰度直方图的最小模糊熵分割方法

本文在一维最大模糊熵分割方法的基础上，根据图像目标和背景内部像素灰度值的一致性和集中性，提出了一种新的图像分割隶属度函数，从而得到最小模糊熵分割方法．本文还针对传统的基于一维灰度直方图的模糊熵分割方法不能反应图像的空间信息，抗噪声能力差的缺点，提出了基于二维灰度直方图的模糊熵分割算法．本实验结果证明，最小模糊熵分割方法对于某些图像的分割效果要好于最大模糊熵分割效果，而二维分割方法对于绝大多数图像，都具有很强的鲁棒性和抗噪能力，分割效果明显优于一维的方法，而且方便地推广到其他的一维熵分割方法中。     

一种新的模糊对比度增强算法

提出了一种新的基于模糊集合理论的图像模糊对比度增强算法．首先将图像从灰度域变换到模糊域;在预先设定图像空间像素模糊隶属度基础上引入了模糊对比度概念,而后在模糊域对模糊对比度进行非线性变换,得到增强后的模糊隶属度,最后将图像从模糊域变换到灰度域．由算法分析可知,利用模糊隶属度可以对图像的细节进行增强,图像的层次更加分明．通过对几例图像增强对比实验结果的分析,表明该算法是有效的．     

应用于双光谱检测的图像融合技术

介绍双光谱图像检测系统的总体设计,针对紫外与可见光双光谱成像系统提出了基于模糊矩阵的双光谱图像融合法．该方法采用模糊矩阵表征融合区域,同时利用小波变换法对图像进行多分辨分解重构．实验选取UV图像与V图像进行融合,并对该方法和其他几种方法的融合图像进行了比较．基于模糊矩阵的双光谱图像融合法能比较好地兼顾图像融合中清晰度和融合边缘过渡两方面的要求．     

基于遗传算法的图像模糊增强的研究

为了实现图像的模糊增强,采用遗传算法得到的模糊参数,选择图像像素灰度的相对等级作为模糊特征,通过模糊映射建立图像的模糊特征平面,采用模糊对比度增强的方法实现图像的增强.实验结果表明采用基于遗传算法的图像模糊增强算法,可以根据不同的图像自动选择最佳的模糊参数,图像质量得到了改善,突出图像的细节,有效地实现了图像的增强效果.     

一种新的直觉模糊群的同态

为了进一步研究直觉模糊群之间的关系,在直觉模糊群之间引入了同态的概念,证明了子直觉模糊群的同态象仍为子直觉模糊群,子直觉模糊群（正规子直觉模糊群）的原象仍为子直觉模糊群（正规子直觉模糊群）,并给出了直觉模糊群的同态基本定理,从而使直觉模糊群的内容得到了补充和完善。     

模糊群的同态

在模糊群之间引入了同态的概念 ,证明了子模糊群的同态象仍为子模糊群 ,子模糊群 (正规子模糊群 )的原象仍为子模糊群 (正规子模糊群 ) ,并给出了模糊群的同态基本定理 .     

基于模糊数学的对抗网络图像配准建模

为了解决传统方法特征提取结果受外界环境影响大,且没有考虑对抗网络图像中高频信息的特殊作用,影响配准精度的问题,通过模糊数学方法分析对抗网络图像配准建模问题。分析了对抗网络,在生成模型与判别模型中添加条件变量,通过对抗网络,利用表征向量对图像进行重构,生成图像数据。通过变换对图像对比度进行扩展,通过反变换获取原空间域中的边缘增强图像,通过抑制干扰能力强的Susan算子提取对抗网络图像边缘特征。在边缘特征提取的基础上,引入模糊数学中的模糊隶属度,对图像中不同点属于梯度的模糊隶属度进行定义,构造图像的模糊梯度场,通过模糊数学中的贴进度构造模糊梯度相似性测度,将模糊梯度相似性高的图像作为配准图像,实现对抗网络图像配准。结果表明:研究方法配准效果好;针对存在平移、灰度变化、细节变化、区域变化和尺度差异情况下的图像,可保持很高的性能。研究结果应用性强,配准准确性好。     

一种基于区域模糊特征的图像检索方法

提出一种新的基于区域模糊特征的图像检索方法(Region-Based Image Retrieval with Fuzzy Features,RBIRFF).先将图像分割成区域后,利用模糊集理论计算每个区域的模糊特征,再利用区域特征间相似度计算方法,进行图像相似度测量.最后,按照相似度的降序排列图像,得到检索结果.介绍了RBIRFF原型系统的设计和实现,并用实验测评了其检索性能.提出的方法对大型图像数据库的快速和准确检索,有广泛的应用前景.