运动成像混合模糊的全变分图像复原

为了实现运动成像中视频帧内复原,研究了帧内运动模糊和离焦模糊两种常见模糊类型带来的混合模糊问题。首先,依据模糊图像的频谱特性定性判定模糊类型,利用倒谱分析的方法定量估计模糊模型点扩散函数,依据工程实际选取模糊参数进行仿真实验,实现点扩散函数估计方法的准确性验证。然后,采用耦合梯度保真项的改进型全变分图像复原算法,约束点扩散函数估计误差对图像复原的影响,并采用适应L1范数的Split-Bregman算法完成复原算法的数值实现。最后,对算法性能进行验证,完成仿真和实拍混合模糊图像的复原。实验结果表明,倒谱分析估计点扩散函数的准确率达到90%。复原算法能保持图像边缘和细节,并有效抑制振铃效应,帧内稳像的图像峰值信噪比为28.92 dB。

局部自交干扰的全变分图像自适应滤噪算法

针对当前图像滤噪算法虽然能够在一定程度上抑制噪声;但无法保证图像质量,导致图像细节丢失、图像变模糊的弊端,提出一种新的局部自交干扰的全变分图像自适应滤噪算法。定义一个图像局部功率,求解自适应全变分算法的能量函数最小化问题。通过拉格朗日算子获取图像局部功率的非约束最小化全变分形式,计算规整化可信度参数和噪声分布。通过全变分模型将轮廓尺度图像从含有噪声图像中分离出来,对含有噪声图像和轮廓尺度图像进行差运算,获取含有噪声的残差纹理细节图像。将获取的规整化可信度参数代入全变分模型,对含有噪声图像进行处理获取最终的滤噪图像。实验结果表明,经所提算法滤噪处理后,图像质量高,滤噪效果好。

基于能量回归滤波全变分图像自适应去噪算法

传统图像局部方向特性的自适应全变分去噪算法,通过计算图像局部方向的角度矩阵,用优化最小化算法迭代求解实现图像去噪,不能保存图像边缘信息,去噪效果及稳定性差。提出基于能量回归滤波全变分图像自适应去噪算法,通过能量回归尺度空间滤波法获取滤波图像时,对源噪声图像进行多尺度二进小波分解获取小波变换系数及低频粗糙分量,采用能量回归滤波法计算小波系数并对小波系数进行重构,获取源图像的滤波图像。采用基于图像局部方向特性的自适应全变分去噪算法从含噪滤波图像中分离出轮廓尺度图像,对含噪图像同轮廓尺度图像实施差计算获取含噪残差纹理细节图像,基于该图像运算获取规整化可信度参数λ后,采用基于参数P与λ的全变分图像自适应去噪算法对带噪滤波图像进行处理,得到消噪图像。实验结果表明:所提算法去噪效果佳,其具有较高的稳定性和效率。

图像分解和区域保护在SAR图像压缩中的应用

在机载通信链路带宽有限的条件下,SAR图像的有损压缩是解决实时性和带宽限制的可行方案。提出了一种基于图像分解的敏感目标区域自动提取与保护的SAR图像压缩策略。首先将SAR图像分解为结构分量和纹理分量,然后在纹理分量中对包含潜在目标的区域进行检测,生成敏感目标区域掩码,最后对潜在目标区域进行保护性的低损压缩,对背景区域进行高损压缩。实验结果表明,恢复后的图像与标准的JPEG2000算法相比在同样的码率条件下具有更好的视觉效果。

超声电视测井图像中异常点剔除算法

针对超声电视测井图像中经常会出现的异常点问题,提出了一种采用全变分的修复算法(TV算法)来剔除异常点。该方法先在选定的区域里根据阈值来确定要剔除的异常点,然后利用全变分的图像修复算法去修复这些异常点。实验结果证明,该方法能够很好地对异常点进行剔除,保证测井图像的完整性,明显地改善图像质量,对实际测井资料的处理具有很重要实际意义。

改进TV图像去噪模型的全景图像拼接算法

全景图像生成过程中易受到噪声的影响。针对该问题,提出一种改进的全变分(Total Variation,TV)图像去噪模型应用于全景图像的拼接。对图像去噪过程中建立的泛函函数进行卷积运算,利用卷积操作降低噪声点的灰度值,求解泛函函数所对应的拉格朗日方程极小值,达到图像去噪的效果;采用SIFT(Scale Invariable Feature Transfomation)特征匹配算法对去噪后的图像进行特征提取和匹配;对待拼接图像进行加权融合处理,优化视觉效果。仿真实验结果表明,与经典算法相比,该研究能够较理想地去除图像中的噪声,降低全景图像拼接过程中的干扰,提高视觉效果。

固体火箭发动机点火试验燃面退移最优重建方法研究

为了在固体火箭发动机点火试验中实际测试过程仅能够获得有限的燃面投影数据背景下,实现燃面退移图像的最优重建,一方面在ART算法基础上采用最小化图像全变分约束技术,以提高图像边缘重建质量;另一方面在获取的初步微波CT成像场的磁力线路径基础上,通过电磁场的传播规律增加磁力线路数,以增加成像信息量,从而得出不同直径固体火箭发动机燃面退移最优重建图像;经仿真实例得出了不同直径燃面在应用此最优重建方法得出的图像结果与实际数值之间的误差小于1 mm,符合重建要求,验证了固体火箭发动机点火试验燃面退移最优重建方法的有效性。

TWO-LAYERED IMAGE COMPRESSION USING 2G BANDELETS AND WAVELETS

An image can be decomposed into the structural component and the geometric texturalcomponent.Based on this idea,an efficient two-layered compressing algorithm is proposed,which uses2nd generation bandelets and wavelets.First,an original image is decomposed into the structuralcomponent and the textural component,and then these two components are compressed using waveletsand 2nd generation bandelets respectively.Numerical tests show that the proposed method worksbetter than the bandelets and JPEG2000 in some specific SAR scene.