图像空间变化序列及其总体状态分析

本文从图像分解与结合的角度，探讨了图像空间变化序列问题。提出了把复杂的图像分解为各个部分，逐一加以考察，然后把各个部分统一起来，从而在整体上把握图像问题的思想。据此，文中按截断法构造图像序列，用区域长度特征反映图像空间变化序列。这些方法已被用于遥感图像的分析中，取得了良好的效果。

最大似然空间变化图像恢复算法

在光学图像处理中,把光学成像系统看做线性空间变化系统具有普遍意义。从实际光学系统成像过程出发,考虑光学系统的点扩散函数的空间变化特性和探测器噪声特性,建立了空间变化成像模型。在此成像模型基础上,基于最大似然法提出了空间变化的Richardson-Lucy(SVRL)图像恢复算法。为了分析SVRL算法的性能,实验中利用ZEMAX软件计算不同视场的点扩散函数,而后利用此空间变化点扩散函数进行成像仿真,得到仿真成像结果,最后分别采用0视场、0.5视场、0.7视场、1视场的点扩散函数以及空间变化点扩散函数对仿真图像进行恢复。实验结果表明,对于实际的空间变化光学系统,SVRL算法的图像恢复效果十分有效。

一种基于深度学习模型的图像模糊自动分析处理算法

现有的图像去模糊算法不能有效去除图像中存在的局部运动模糊,并且现有的图像局部模糊区域检测算法仅使用低维模糊特征进行图像模糊程度的度量,这会导致模糊区域检测结果出现误检测.针对上述问题,本文将图像局部模糊区域检测和图像去运动模糊两项技术进行有效结合,提出一种基于深度学习的局部运动模糊图像去模糊方法.首先,本文提出一个基于自编码神经网络的深度学习框架,该框架能够准确地标记出输入图像中的局部模糊区域.然后,将这些检测出的局部模糊区域作为遮罩层,仅对这些区域进行去模糊处理,这样就能够在有效去除局部运动模糊的同时不发生图像失真,最终重建出令人满意的去模糊图像.为验证算法的有效性,对算法结果进行主、客观评价并与现存算法进行比较.精确度-查全率曲线表明,该算法在相同查全率下较现存算法实现了最高的准确率.同时,该算法能够得到比现存图像去模糊算法更加清晰的重建图像.