基于遗传算法的散焦模糊图像辨识及恢复方法

根据散焦模糊图像的特点,本文提出了一种使用遗传算法确定散焦模糊图像退化模型参数的方法,给出了该算法的具体步骤,并据此对模糊图像进行了恢复,实验证明了该方法的可行性.     

三维形状的评估和图像复原——利用散焦和运动模糊

模糊图像复原是图像处理的一大难题，特别是对散焦模糊、运动模糊图像的复原，难度更大，其原因在于这类图像模糊的成因复杂，图像的损伤较大。     

一种鲁棒的散焦模糊图像点扩散函数参数估计方法

提出了一种具有较强抗噪能力的频率域鉴别散焦模糊参数的方法。该方法对模糊图像对数频谱图实施极坐标变换,然后计算距频谱中心不同半径下的多方向幅值累加和函数,进而提取第一过零圆环的半径,完成散焦模糊参数的估计。实验结果表明,该方法能够适应带噪散焦模糊图像退化模型的参数估计问题,且具有较高的鉴别精度。     

移动目标的深度测量

提出了一种基于散焦图像移动目标深度测量的方法,该方法采用一台带有远心镜头的CCD摄像机,沿光轴方向转移目标拍摄两幅图像,根据所拍摄景物图像的散焦半径与图像大小计算目标景物距摄像机的距离,采用远心光学镜头代替普通镜头可使图像的大小与散焦半径之间的关系简单,该方法融合了图像的大小与散焦半径两个信息,使深度计算更加准确,由于该方法只需要一台参数固定的CCD摄像机,可以免除图像间的配准和特征点的选取,有利于实时系统的实现,实验结果表明了该方法 的有效性。     

基于边缘梯度的散焦图像深度恢复

在散焦图像中,点的模糊程度随物体的深度而变化,因此可以利用散焦图像中点的散焦程度来估计物体的深度信息。本文提出了一种基于散焦图像中物体的边缘梯度关系来恢复图像深度图的新算法,用一个已知参数的高斯函数对图像进行再模糊,然后求出模糊后的物体边缘梯度,再与原图像中物体边缘梯度相比,再将该比值与图像的深度关联,求出图像中物体边缘处的深度,再利用后续深度插值方法和深度图优化恢复出整幅图的深度信息。这种算法仅需要一幅图像即可进行深度信息恢复,有较好的有效性。     

基于相对模糊和边缘强化的散焦深度恢复研究

通过改进Favaro等人提出的迭代求解热扩散方程的方法,研究了由散焦图像恢复物体深度的问题.首先将两幅散焦图像按照不同的相对模糊程度划分为两个区域,证明了这两个区域的边界和图像的边缘有很高的一致性;然后通过强化图像的边缘,使这两个区域的边界在迭代求解热扩散方程的过程中更容易确定;再根据确定的U+和U-的边界较好地求解了物体深度;最后通过模拟实验及实际图像实验对该方法进行了验证.模拟实验结果表明,文中方法具有较好的鲁棒性;实际算例分析表明,文中方法的恢复效果优于Favaro的方法.     

单帧学习与多帧重建结合的超分辨率盲重建方法

针对模糊退化PSF未知的图像超分辨率重建问题,提出了一种以学习重建结果为参考的模糊图像PSF辨识与重建方法.对学习重建算法获得的退化图像的恢复结果,采用不同尺度的方向滤波提取恢复效果良好的强边缘区域构建参考信息块,引导最大后验概率框架下的超分辨率重建算法按照正确的PSF重建高分辨率图像.以散焦模糊图像为例进行超分辨率实验.实验结果表明,该算法能够准确辨识PSF,提升了图像重建的质量.     

基于矩保持法的散焦图像深度估计

提出了一种基于散焦图像计算景物深度的新方法。该方法不需要获得光学镜头的点传播函数,利用Ｓｏｂｅｌ算子将同一场景的两幅散焦程度不同的灰度图像转换成梯度图像。利用矩保护法计算边缘区的大小与整个图像区域大小的比ｐｃ,根据两幅图像的Ｐｃ值计算出景物的深度。实验结果表明了该方法的有效性。     

基于相对模糊和边缘强化的散焦求深度方法

摘 要: 研究了由散焦图像恢复物体深度的问题,改进了Favaro等人提出的基于迭代求解热扩散方程的方法.将两幅散焦图像按照相对模糊程度的不同,划分为两个区域,证明了这两个区域的边界和图像的边缘有很高的一致性,通过强化图像的边缘,使这两个区域的边界在迭代求解热扩散方程的过程中更容易确定.模拟实验与真实实验都验证了算法的有效性.     

基于倒谱分析的混合模糊退化模型参数估计

对于复原散焦和运动模糊同时存在时的模糊图像,构建模糊退化过程的数学模型尤为关键。基于此给出了倒谱域混合模糊退化的数学模型,引入相关性分析的思想,计算混合模糊图像的倒谱与参考图像倒谱相关系数的最大值,从而获得模型中的散焦参数;进而对混合模糊图像的倒谱做对数变换增强特征线、特征点的可辨识度,并约束在有效区域范围内进行Radon变换来实现运动模糊方向的估计。实验结果表明:本文方法估计的参数精度较高,且能够适用于大尺度散焦模糊和大尺度运动模糊的混合模糊图像复原。     

基于参数校正的离焦图像高斯核估计

针对离焦模糊图像高斯核难以快速精确估计的问题,提出了局部熵和参数校正相结合的辨识算法.该算法首先对模糊图像进行局部熵滤波提取图像阶跃边缘模糊区域,然后对此区域进行两次人为离焦模糊,根据梯度比估算高斯模糊核,在计算中提出参数校正的方法减少了量化误差,实验结果表明该算法在模糊核较小时能够精确快速地定位阶跃边缘,并提高了高斯模糊核的识别精度和识别效率,为模糊图像复原提供了较为精确的退化函数.     

遥感模糊降质图像的扩散恢复算法研究及实现

图像恢复是图像处理中非常重要的一个方面,其方法是通过相应的退化模型和算法,对退化降质或受到噪声污染的图像进行重建,恢复原来的图像。作者介绍了利用传导扩散及反扩散模型,对因物体运动、大气湍流的扰动,拍摄时的散焦等引起的模糊降质图像的恢复算法,并给出了Laplace算子离散方法以及实现程序,提出了图像恢复的递推、迭代模型,基本解决了图像“盲恢复处理”的问题。对所述算法进行了全面的图像恢复测试、比较,证明算法具有较大的适应范围,可应用于勘探、遥感、司法刑侦、无损探测等领域的图像恢复处理。     

基于改善逐行法恢复空间可变振动模糊图像

为了恢复振动造成的图像模糊,突出目标图像的特征。提出了一种考虑相邻行点扩散函数作用的逐行恢复算法,恢复空间可变振动模糊图像。首先分析了振动模糊图像频谱特征,即振动模糊图像频谱存在着对应零阶贝塞尔函数零点的暗纹。建立振动模糊图像退化模型,研究模糊图像每行受相邻行点扩散函数的影响。然后对一幅振动模糊图像进行二维傅里叶变换和Radon变换检测出其频谱上暗纹的方向,得到振动的方向θ。将模糊图像顺时针旋转θ至水平方向,再选取合适的窗口截取图像。最后采用考虑相邻行点扩散函数作用的逐行恢复算法恢复模糊图像。实验结果表明:该算法恢复图像效果优异,可获得细节清晰的图像。     

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。     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘; 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘； 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

基于Radon变换和Gabor变换鉴别运动模糊方向角

对于匀速直线运动的模糊图像,准确鉴别运动方向角是图像复原的关键。分析了运动模糊图像的频谱特征,介绍了Radon变换的数学原理及用其估计运动模糊方向角的思路、步骤和数值实验结果。由于实际拍摄的模糊图像在很多时候频谱特征不够明显,导致用Radon变换鉴别角度出现大的误差,为此,提出了基于Gabor变换的一种改进算法。算法运用"窗口"聚焦频谱图像中心,较好地消除了噪声干扰并克服了Radon变换的弊端,数值实验结果验证了该算法的有效性。