一种改进的正则化空域图像复原新方法

图像复原技术主要是针对降质模糊的图像,其最终目的是改善给定图像的图像质量.在原有正则化空域图像复原方法的基础上,根据人的视觉系统的特点,提出了一种改进的自适应正则化空域图像复原的新方法,针对各像素点所处的不同图像区域类型分别选取不同的拟和项参数和正则化项参数,通过计算各图像像素点的局部方差来确定该像素点的拟和项和正则化项的参数值.实验结果表明,该方法不仅提高了图像复原的质量,同时也没有影响代价函数收敛的速度.     

基于布雷格曼迭代的稀疏正则化图像复原方法

为了实现模糊噪声图像的清晰化复原,提出了一种基于布雷格曼迭代的稀疏正则化约束的图像复原算法。首先,运用差分算子,得到图像中各个方向上的梯度信息;然后,利用提取的梯度信息,得到图像边缘各个方向上的权重;并结合稀疏性原理,针对复原图像,提出了一种权重的稀疏性正则化约束;最后,运用了一种布雷格曼迭代(Bregman Iteration,BI)策略对提出的方法进行最优化求解。实验结果表明,较近几年的一些具有代表性的图像复原方法相比,不仅主观的视觉效果得到了较为明显的改进,而且客观的信噪比增量也增加了0.3~2.5 dB。     

基于小波框架的稀疏正则化方法及其在图像复原中的应用

本文旨在从受模糊和噪声影响的图像中复原原始图像.为此,在小波变换域中图像系数稀疏的先验假设下,通过极小化一个包含数据保真项和基于小波框架的l1/2正则化项的能量泛函,实现图像降噪和去模糊;鉴于该能量泛函是非线性、非凸和不可导的,本文使用ADMM型算法极小化该能量泛函.使用数字图像领域的四幅典型图像:Shepp-Loga...     

稀疏正则化及其在医学图像复原中的应用

论文旨在对受模糊和噪声影响的医学图像进行恢复.极小化由保真项构成的能量泛函是图像恢复普遍采用的方法,然而由于该极小化模型的不适定性,对其添加适当的正则化项是必要的.利用医学图像梯度稀疏这一先验条件,对极小化模型添加l_q正则化项.l_q正则化项的添加保证了图像梯度的稀疏性,也使我们不得不求解一个非凸优化问题.利用交替迭代的半二次分裂算法实现对该非凸问题的求解,并给出了该算法的收敛性分析. Shepp-Logan影像模型和MRI图像的数值仿真实验验证了本文的相关理论.基于研究结果,l_(1/2)正则化方法对梯度分布稀疏的医学图像具有良好的降噪与去模糊效果.     

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.     

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。     

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.     

基于小波变换的正则化图像恢复方法研究

介绍了基于小波变换的正则化图像恢复方法,它利用图像小波变换后各个子频带所具有的不同的频率选择性和不同的方向特性,对各子频带采用不同的正则化参数和正则化算子,将图像分解为一个低频子频带LL和三个高频子频带,然后对原图像的各个子频带图像分别进行迭代恢复,使各个子频带分别收敛于其最大信噪比。     

一种基于L曲线准则的正则化图像复原算法

针对因大气湍流而引起的模糊图像的复原问题,通过对偏差函数添加正则函数以使得要求解的方程组是适定的. 以偏差函数和正则化函数为坐标,得到复原图像关于正则化参数的参数曲线,用三次多项式拟合了该曲线的左端部分,并以该曲线的最大曲率点对应的参数为最优正则化参数. 当图像边界满足周期性条件时,利用傅里叶矩阵可以将分块循环矩阵对角化,进而利用二维离散傅里叶变化和反变换求解线性方程组而得到复原图像. 实验结果表明,当噪声方差较小时,可得到比较满意的复原结果.      

基于空间域的车辆运动模糊图像的恢复

从车辆运动模糊图像产生的机理出发,分析了运动模糊图像的退化模型,给出了一种在空间域中车辆运动模糊图像的运动参数估计及恢复算法,该算法不涉及系统的传递函数,而是根据车辆运动模糊的逆过程在空间域内直接进行图像的恢复,其效果受曝光时间内运动距离a的影响较小,可避免频域计算中可能出现的高频振铃现象,实验结果表明,该算法具有较好的恢复效果.     

基于空间自适应正则化的超分辨率重建算法

针对模糊图像的复原问题,从正则化技术克服问题病态性的思想出发,研究了一种有效的超分辨率重建算法。该算法充分考虑了图像的局部特性,引入了空间自适应加权矩阵,采用全局正则化参数与局部正则化参数矩阵相结合的方法,弥补了传统正则化方法所带来的正则化误差以及噪声放大误差。实验结果表明,该算法能够有效地减少重建误差,保护图像的细节信息。     

一种具有非凸非光滑组合正则的图像恢复方法

为保证对含有较多纹理信息的图像有好的恢复性能,提出了一种具有非凸非光滑组合正则的图像恢复方法。一方面,利用一阶非凸非光滑正则在恢复图像的同时保护图像纹理信息;另一方面,采用二阶非凸非光滑正则降低一阶非凸非光滑正则引起的分层效应。交替方向法等用来克服该组合正则项非凸非光滑性带来的数值计算困难。最后,不同污染环境下的仿真实验结果表明算法恢复图像的信噪比、峰值信噪比、图像相似度评价值均优于比较算法恢复结果。     

基于高阶统计量含噪模糊图像的复原方法

基于高阶统计量,提出了一种对含噪模糊图像点扩散函数进行模糊辨识的方法,可以辨识非最小相位的模糊图像,并将其建成非最小相位MA模型,其中的参数用观测图像的高阶累积量来确定。仿真实验验证了其有效性。     

混合正则化模型的交替迭代原理与图像恢复

由有界变差函数的半范数(TV)描述的正则项,在图像恢复过程中,对于图像的纹理部分,容易造成细节丢失;对于图像的卡通部分,容易产生阶梯效应;为克服此缺点,提出一种混合卡通-纹理正则化模型(hybrid cartoon texture regularization model,HCTRM)和交替迭代算法。首先,对受系统和噪声模糊的图像,用Kullback-Leibler函数描述拟合项;对于图像的卡通部分用分数阶TV的半范数来描述,纹理部分用紧框架域L_1范数来描述,建立HCTRM。其次,分析HCTRM解的存在性和唯一性。再次,引入辅助变量,将HCTRM转化为标准表达式,应用交替方向乘子算法(ADMM),将HCTRM分解为2个大的子问题。最后,将每个大的子问题,再分裂为2个小的容易处理的子问题,形成快速交替迭代算法。针对TV的半范数作为正则项,容易消除图像的纹理,且产生阶梯效应的缺点,提出一种HCTRM和交替迭代算法。仿真表明,能有效地恢复非平稳区域的纹理,克服在平稳区域产生的阶梯效应,取得较高的峰值信噪比和结构相似测度。     

基于波方程的运动模糊图像恢复

为了有效去除图像中的运动模糊,提出了一种基于波方程的图像恢复方法。从光流方程出发,将运动物体的亮度用波方程描述。模糊图像是曝光时间内运动物体亮度的积分,存在大量的平行于运动方向的直线;模糊图像沿运动方向的导数等于原始图像与其移位图像的差,两者之间的距离为模糊长度。基于此,利用Radon变换和自相关函数自动估计点扩展函数,并采用Wiener滤波恢复原始图像。实验表明:该方法高信噪比(30~40dB)下估值精确;低信噪比(20~30dB)下对噪声鲁棒。将该方法应用于运动模糊车牌图像,能有效恢复出车牌号码,具有很大的实用价值。     

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.     

匀速直线运动模糊图像的恢复

利用对流方程研究匀速直线运动图像模糊现象 ,首先给出了一种水平方向匀速直线运动模糊图像的空间域恢复算法 ;并采用Hough变换来检测运动方向和位移 ,进一步导出了适用于任意方向运动模糊的图像恢复算法