基于RGB通道下模糊核估计的图像去模糊

图像去模糊旨在从受损图像中恢复出清晰图像。由于模糊过程未知,精确地估计出模糊核函数,成为得到清晰复原图像的关键。对于彩色图像来讲,现存的方法只考虑在灰度域估计模糊核。事实上,各个通道的色彩分量图所受到的模糊核函数的影响是不同的。为此,提出一种获得更加精确的模糊核的方法,利用彩色图像的3个色彩通道(RGB channels)代替灰度域分别进行模糊核估计,并将估计出的模糊核应用到基于细稀疏表示的复原模型中进行去模糊处理。仿真实验表明,提出的方法比目前的方法能够获得更好的图像复原效果。     

基于稀疏先验和相对总变分的图像盲去模糊

在图像盲去模糊中,从单一模糊图像估计模糊核是个严重不适定问题.文中提出了一种基于稀疏先验和相对总变分的图像盲去模糊方法.该方法用权值L0平滑方法自适应地提取图像主体结构,剔除图像噪声、细节和小尺度物体边缘等不利于模糊核估计的因素;用相对总变分方法解决稀疏先验作为正则项估计复杂模糊核所存在的不准确性;用超拉普拉斯先验的正则化方法进行清晰图像估计.实验结果表明,文中算法相对于现有的图像去模糊方法,所估计出的清晰图像具有较好的结构和较少的伪迹,图像复原效果好.     

多尺度低秩图像盲去模糊方法

针对现有的大多数基于统计先验的单幅图像盲去模糊方法对图像纹理细节恢复效果不佳且存在振铃效应的问题,提出了一种基于逐块局部最大梯度先验和低秩先验的多尺度图像盲去模糊方法。为了恢复得到清晰图像,采用由粗到精的多尺度框架,通过灰度化与下采样操作逐层构建图像金字塔;在单尺度层面,将逐块局部最大梯度先验和低秩先验带入到最大后验概率框架中,利用交替方向乘子法与半二次分裂法估计出潜在图像和模糊核;结合超拉普拉斯先验与总变差L_2方法,对模糊图像与估得的模糊核进行非盲反卷积,获得清晰图像。在计算过程中,由于直接求解低秩项的计算代价很大,将加权Schatte-1/2范数约束的低秩项子问题转化为非凸权重L_(1/2)范数子问题,采用广义软阈值方法求得全局最优解。在基准数据集上的实验结果表明:与现有的经典图像去模糊方法相比,所提方法取得了更优的图像去模糊效果;在K9hler的合成数据集上进行图像去模糊后,平均峰值信噪比为30.06 dB,平均结构相似性为0.946 5,估计出的模糊核更加精确。     

基于L_p稀疏正则的图像去模糊方法研究

在图像去模糊问题中,图像的模糊核估计是重中之重.通常图像的梯度服从重尾分布这一先验被广泛的运用于图像的模糊核估计中,然而受限于非凸优化的数值求解方法,人们往往采用图像梯度的L1范数或者L2范数来近似,从而构造出计算较为简单的凸优化能量函数来估计模糊核.为此,本文提出一种基于Lp稀疏正则的非凸优化的模糊核估计方法,该方法以服从超拉普拉斯分布的图像梯度的Lp范数为稀疏先验项,有效的提高了先验知识的准确性的同时增强图像的强边缘,抑制了细小边缘对模糊核估计的影响.在对Lp范数的数值求解问题中,本文采用GISA(generalized iterated shrinkage algorithm)可以简单且有效的求得任意p值下的最优解.实验表明与传统方法相比,本文方法有效地提升图像的质量,去模糊后的图像更加清晰.     

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.     

基于深度对抗网络和局部模糊探测的目标运动去模糊

目标运动场景去模糊问题是一个具有挑战性的病态逆问题,这是因为在动态场景中不同目标和背景区域可能会存在不同的模糊核.现有的基于能量优化的去模糊方法是将模糊图像分割成具有不同模糊度的多层图像,然后对不同的模糊层进行去模糊处理,然而其优化方案往往涉及迭代,耗时又烦琐.针对目标区域与背景区域可分离的模糊场景,结合传统的基于能量优化和基于深度学习方法的优点,提出一种基于深度对抗网络和局部模糊探测的目标运动场景去模糊模型,该模型由三个生成网络组成,用以建模潜在清晰图像、模糊核和模糊图像的权重变量.模型采用深度图像先验(Deep Image Prior,DIP)作为潜在清晰图像的正则化项,使用非对称跳跃连接自编码器生成潜在图像;采用全连接网络(Fully-Connected Network,FCN)生成模糊核.为了准确地获取模糊图像的分割结果,提出三条准则来指导权值变量网络结构的设计.实验结果表明,该方法同其他传统方法相比可以显著地提升重构性能,视觉效果更好.     

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.     

立体视觉双目图像MAP的优化复原方法

为了有效地对立体视觉双目模糊图像进行复原,提出一种动目标双目图像MAP的优化复原方法,将双目运动模糊图像的复原问题转化为在模糊核路径关系约束下的双重循环MAP优化估计问题,在保证模糊核路径对应关系前提下,对双目图像进行去模糊。建立了双目图像模糊核路径的对应关系模型,将关系模型作为约束条件式,嵌入到基于模糊核和双目原图像的MAP优化估计过程中,通过双重循环迭代获取双目图像的模糊核和清晰图像。实验结果表明,该方法能够有效地去除立体视觉双目图像的模糊。     

基于图像块分割及小波空间频率的多聚焦图像融合法

提出了一种基于图像块分割及小波空间频率的多聚焦图像融合算法.采用块区域局部小波空间频率作为图像是否清晰的判断依据,对于明显的清晰和模糊区域,直接选取清晰区域作为融合后的相应块区域;而对于清晰与模糊的边界区域,采用了基于像素的窗口空问频率的方法进行融合处理.实验对比结果表明,该方法明显优于小波变换方法和图像块方法.     

基于Gabor的维纳滤波去模糊

数字图像复原旨在由降质图像重建清晰图像,运动模糊是最常见的降质模式,模糊参数的正确估计是去模糊的前提.文章提出了新的运动模糊角度估计方法,该方法基于Gabor滤波的角度估计,运动模糊尺度采用自相关函数算法求解,进而采用Wiener滤波进行图像复原.对一系列模糊图像进行测试,结果表明,该方法比现有的方法具有视觉上的优越性.     

面向盲去模糊的选择性内核卷积混合连接编解码网络

针对运动模糊在空间上非均匀且模糊核未知的特点,提出一种选择性内核卷积混合连接编解码网络.为避免估计模糊核产生误差,该网络采用对称编解码的结构,以端到端的方式实现盲去模糊;为消除非均匀模糊,设计一种选择性内核卷积混合连接块,使用两个感受野不同的分支增强网络提高非均匀模糊特征的适应能力;同时,该模块融合了通道注意力机制,对多分支特征图进行校准,增强有效特征信息;此外,使用均方误差与感知损失作为联合损失函数引导网络模型的训练.实验结果表明,该网络能够有效去除图像模糊,恢复出图像的边缘结构和纹理细节.     

基于核偏差估计航天目标退化图像快速反卷积

提出了一种基于核偏差估计的航天目标图像快速盲反卷积算法,基于自然图像的梯度具有长尾分布的特点,引入超拉普拉斯先验,针对模糊航天退化图像模糊核估计不精确的情况,在概率模型里添加一个关于点扩散函数的偏差估计用于补偿已知点扩散函数和真实的点扩散函数之间的误差,以增加算法的鲁棒性.该算法不仅减少了反卷积过程中时间复杂度高的问题,而且相较于其他快速算法更能保证图像恢复质量.该算法与目前图像去模糊方法相比具有较好的性能,并且与传统梯度先验模型在频域求解相比,能有效抑制阶梯效应衍生的截断条纹.     

基于小波变换与块分割的多聚焦图像融合

 提出了1种新的多聚焦图像融合方法.首先,对2幅源图像采用小波变换的方法进行图像融合,得到初始的融合图像;其次,针对多聚焦图像的特点,采用块区域局部小波空间频率将图像划分为3部分:聚焦清晰区域、聚焦模糊区域以及两者的交界区域.对于聚焦清晰和模糊区域,直接选取清晰区域作为融合后的相应块区域;对于边界区域,则选取小波融合的图像块区域.实验对比结果表明,该方法的融合效果明显优于常见的融合方法,并消除了块效应.     

基于马尔科夫随机场学习模型的图像模糊核估计

为在图像模糊核估计中充分利用图像的区域特征和结构信息作为先验知识,提出一种基于马尔科夫随机场学习模型的模糊核估计方法.首先,由滑动的子窗口构成马尔科夫随机场的节点集,以每个子窗口的曲率方向能量滤波器的响应和边缘分布组成的特征向量作为模型的输入;然后,利用对数伪似然优化算法估计模型参数,在模型训练阶段,采用交叉熵相似性度量模糊核的相似性以标记训练样本;最后,利用置信度传播算法推测最优图像子块.运用所提方法对仿真和实际模糊图像进行实验,结果表明,该学习模型可以精确地估计模糊核,在主观视觉对比和客观评价方面均具有较好的效果,同时也具有较好的自适应性.与其他3种方法相比,模糊核相似度分别提高了1.55%,5.64%和7.02%.     

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。     

一种基于集合划分的鲁棒性自适应模糊聚类分割算法

模糊C均值算法(FCM)是图像分割最常用的算法之一,这种方法需要提前确定初始聚类中心和聚类数.为此,提出了一种新的自适应模糊聚类算法(AFCM),AFCM算法中构造的观察矩阵、判断矩阵和集合划分可以自动确定合适的聚类数.为了得到更好的图像分割效果,采用核距离作为相似性度量,提出了一种鲁棒性自适应模糊C均值算法(RAFCM).实验结果表明,与FCM算法相比,AFCM和RAFCM算法不仅能自动地确定聚类数目,还可以得到更好的图像分割质量.     

融合LSTM的DCNN及其图像模糊类型和参数识别

大数据时代,图像是重要的信息传递媒介,但图像质量退化将影响信息识别.针对各种类型的图像退化问题,提出一种融合长短期记忆(LSTM)的深度卷积神经网络(DCNN)的带记忆分类方法,识别退化图像模糊类型及其参数,根据准确的模糊类型及模糊核进行图像去模糊.首先改进DCNN卷积模型,调节卷积运算步长算子,加快图像卷积收敛速度;引入串行LSTM网络,将训练过的图像微元进行记忆,提高识别速度和准确性;通过BP网络输出模糊类型及其参数,再进行图像反卷积去模糊.实验表明能识别出3种主要模糊类型并识别率在90%以上,模糊参数误差在一个像素内,能复原出清晰的图像;最后将算法应用到实际高速铁路轨道缺陷检测系统中,对质量较差的图像进行模糊识别及去模糊,提高图像识别率.     

基于Radon变换的图像盲复原方法

相机抖动等因素导致的图像模糊是一种常见的图像降质现象,模糊图像盲复原需要从一副模糊图像中估计模糊核并复原出清晰图像。针对空间移不变模糊,该文通过简单的检测方法检测边缘并按照Radon投影的要求从中选取有用边缘,然后利用这些边缘信息形成模糊核的Radon变换,最终通过求解Radon逆变换得到模糊核,在得到模糊核后即可通过去卷积方法复原出清晰图像。实验结果表明该方法快速有效,并且该方法引出了一种图像复原的新思路。     

一种基于物理光流与细节增强的湍流图像恢复方法

针对远距离成像系统容易受到大气湍流中压强、温度等因素的影响,得到的图像序列会产生图像畸变与模糊等问题,提出了一种基于物理光流与引导图滤波器细节增强的方法,从受湍流影响图像序列中恢复出清晰图像.首先,利用物理光流计算序列帧与参考图像之间的位移信息差,通过位移校正获得去扭曲的图像;其次,采用归一化稀疏表示进行去模糊;最后,...     

基于暗原色融合和维纳滤波的单幅图像去雾

针对在雾霾等恶劣天气下捕获的户外场景图像对比度降低、颜色失真等问题,对基于暗原色先验的去雾方法进行改进,应用小波变换将块暗原色和点暗原色进行融合后,得到新的透射率估计,并利用自适应维纳滤波细化透射率.同时提出了四分加权法重新估计大气光,使得大气光更具鲁棒性.实验结果表明,本文方法不仅能有效恢复清晰的无雾图像,而且能够大幅提升运行速度,便于实时应用.