基于非局部先验红外运动模糊图像复原方法

为了实现红外运动模糊图像复原,采用了基于红外图像的非局部稀疏先验约束建模方法。通过分析红外运动模糊成像特征,在盲反卷积框架下,提出了一种基于运动信息的图像非局部稀疏先验约束建模方法,通过计算图像的运动模糊核,进而复原运动模糊图像。结果表明,所提出的基于运动信息的图像非局部稀疏先验约束方法,针对性强,能有效地复原运动幅值较大的红外运动模糊图像;概率模糊检测、结构相似度和峰值信噪比均有不同程度的提高,尤其是峰值信噪比提高接近8%,且运动幅值越大,复原结果越明显。本研究为红外成像系统的应用打下了基础。

相对运动的模糊图像复原的算法研究

对由相对运动引起的模糊图像复原的算法进行了研究,分析其退化的原因,建立了其退化和复原的数学模型,并采用逆滤波、维纳(Wiener)滤波和卡尔曼(Kalman)滤波等算法对仿真运动下的模糊图像分别进行了图像恢复处理。结果表明,利用这一模型算法取得了良好的效果。还对更为复杂退化环境下的图像恢复问题进行了初探,为更为复杂退化环境下的图像恢复提供了理论依据和实践基础。

基于维纳滤波的体育运动视频模糊图像复原方法

为解决由噪声、拍摄目标与摄像机间相对运动导致的视频成像质量下降的问题,提出一种基于维纳滤波的体育运动视频模糊图像复原方法。图像复原过程即为图像退化的逆过程,在复原前通过噪声及模糊图像构建退化模型。使用拉格朗日乘数法构建退化模型复原约束条件,计算维纳滤波函数中运动图像的模糊角度和模糊尺度,完成图像复原全过程。实验表明在不同的相对运动速度下,所提方法能够有效地去除模糊图像梯度效应,使图像中没有较明显的模糊点,能够基本满足体育运动对视频图像清晰度的要求。

低照度环境下模糊图像复原技术研究

在多数公共场所,安装有监控设备,这些监控设备往往是24小时在不间断地工作。因为自身分辨率的问题,以及监控设备四周光线的问题,很容易使拍摄所得到的图像像素不高。在低照度环境之下,模糊图像复原技术的研究是一个热点问题。如果能够对低照度环境下的图像亮度和对比度进行提升,再辅以运动模糊图像的复原技术,通过复原算法的应用,可以使低照度环境下模糊图像得到复原。这个技术能够在多个行业和领域中得到应用,笔者针对低照度环境下模糊图像复原技术进行了相关研究。

基于卷积神经网络的交通监控模糊图像复原技术

传统模糊图像复原技术通常将清晰自然图像梯度符合统计学重尾分布作为假设条件，复原的效果对先验参数的依赖度大。本文吸收人工智能的概念，提出了一种使用深度卷积神经网络复原模糊图像的方法，建立了一种端到端的处理模型。该模型利用多层神经网络表达非线性的图像退化和复原过程，并使用反向传播算法优化各层权重。实验结果显示，采用大量生成样本训练的模型能够很好的复原交通监控中运动模糊的图像，为交通监控提供帮助。

小型无人机模糊图像复原问题分析

首先结合实际背景,从全链路的角度研究小型无人机图像的成像过程,建立成像链路模型,然后分析影响图像成像质量的各种退化因素,归纳出运动、离焦、大气散射3种典型的模糊退化类型,并分别建立模型;最后结合工程背景,提出一种实用小型无人机典型模糊图像复原策略。

离焦模糊图像复原技术综述

数字图像复原是将已经退化的图像恢复到退化前的原始图像,用来获取自己需要的信息。近年来,图像复原技术虽然得到了广泛的研究,但是依然存在一些问题,有些算法需要做些改进。先介绍了图像复原技术,了解该技术的数学背景;然后介绍了离焦模糊图像的成因以及光学模型对现阶段广泛应用的离焦模糊图像的复原技术进行了概述,并指出了它们在应用时所存在的问题;最后总结了近几年大家在应用这些算法时所做的改进。

基于改进视觉显著性算法的运动模糊图像复原

针对模糊尺度较小时运动模糊参数估计算法对点扩散函数求解不准确的问题,提出基于最小二乘直线拟合的精确角度估计算法,并对微分自相关长度估算方法进行改进,获取了高精度的运动模糊参数。基于视觉显著性加权算法,设计一种无参考图像质量评估系统来确定图像模糊程度以及复原图像的最优解。实验结果表明,所提方法能更准确地求解运动模糊参数,使用求解结果恢复的清晰图像在主观和客观方面优于现有方法,具有较高的工程应用价值。

数字图像复原技术中运动模糊图像相关问题研究

随数字图像复原处理技术是当前数字图像处理领域的重要研究课题之一,运动模糊图像的复原是数字图像复原处理技术中较常见也是较难解决的一类问题。本论文的研究工作正是围绕运动模糊图像复原技术展开。分析运动模糊图像的成因以及成像过程;建立运动模糊退化模型;用维纳滤波复原方法对模糊图像进行复原;根据维纳滤波运动模糊图像复原方法中的不足之处,引入介绍了一种新的方法,降低了原有算法的复杂度,改进了维纳滤波。本文主要研究了维纳滤波复原方法并对其进行了改进,其他复原方法有待我们进一步研究。

基于改进U-Net结构生成对抗网络的运动模糊绝缘子图像复原方法

为通过提高输电线路巡检航拍绝缘子过程中产生的运动模糊图像质量来提高检测准确率,文章提出一种基于改进U-Net结构生成对抗网络的运动模糊绝缘子图像复原方法。为有效融合图像深、浅层特征,基于U-NetL1结构搭建生成网络,并在特征融合过程添加并行注意力机制,加强对有效特征的学习,下采样层级联空洞空间金字塔池化与残差模块,扩宽感受野和加深网络深度的同时避免梯度消失问题;另外,采用内容损失与对抗损失作为损失函数,以提高复原图像质量。构建绝缘子运动模糊图像数据集进行实验,与Deblur GAN、SRN等方法的对比结果表明,本文方法的峰值信噪比、结构相似度指标均高于其他算法;采用YOLOv4进行目标检测实验,其结果表明该方法对提升绝缘子检测准确率具有一定实际意义。

道路交通模糊图像多尺度清晰化复原方法研究

针对智慧交通监控中由于车速过快或成像距离较远导致的道路交通图像模糊问题,采用生成对抗的思想,提出一种多尺度金字塔盲去模糊网络模型方法。该方法基于特征金字塔原理对道路交通图像进行多尺度和多特征的提取和融合;在局部和全局判别器的基础上提出下采样多尺度判别器,在不同分辨率和随机补丁的图像上进行充分判断;引入多尺度结构相似性损失函数进一步约束高质量图像的生成,并在GoPro和收集整理的道路交通数据集上进行仿真实验验证。仿真结果表明,相较于DeblurGAN和SRN的经典去模糊网络模型,PSNR值最高提升了3.27,SSIM值最高提升了0.12,MOS值最高提升了0.3,在大幅度增强道路交通图像视觉效果的同时,还能够实现监控模糊图像稳定且高质量的复原,在不同道路交通场景下均具有较好的泛化性能。

一种新的针对星空图像的模糊复原方法

在拍照过程中,针对相机和星空场景的相对运动而导致的图像模糊问题,提出一种新的针对星空图像的运动模糊复原算法。首先采用一种改进的细化算法得到星空图像的星点运动轨迹,从而提取出星空运动模糊图像的模糊核,然后基于Richardson-Lucy的复原算法对模糊图像进行复原。实验结果表明,本文提出的利用细化算法得到模糊核的方法复杂度低、耗时少且准确性高,对星空图像的运动模糊具有很好的复原效果。

基于差分自相关的运动模糊图像尺度参数识别

在运动模糊图像盲复原的过程中,对点扩散函数(PSF)进行准确识别具有非常重要的意义。当识别出运动模糊方向后,二维PSF的识别问题就可以转化成一维PSF的识别,进而提出用一阶差分自相关的方法识别运动模糊尺度。给出了差分自相关方法用于尺度识别的理论分析,重点研究和推证了在该方法下噪声对模糊尺度识别的影响,提出了改进的差分自相关方法。仿真结果表明,本文方法识别尺度准确,且提高了适应噪声环境能力。最后对实际运动模糊图像的模糊尺度进行了识别,维纳滤波复原结果进一步验证了本文方法的正确性和有效性。

基于PMP的钢轨三维形貌在线测量模糊条纹复原

在线相位测量轮廓术(PMP)中,当被测物体运动速度较高时,所采集的变形条纹往往为运动模糊图像,使得复原误差增大,严重时可能导致三维重建无法进行。将在线PMP运用于钢轨外形及表面缺陷的在线三维测量时,为了实现钢轨表面模糊变形条纹的清晰化,本文对维纳滤波法、点扩散函数算法、盲解卷积算法和Richardson-Lucy算法等几种模糊图像复原算法进行了对比分析,用峰值信噪比对模糊条纹图像的复原效果进行评估。同时,研究了车辆运行速度和图像复原效果之间的关系,得出了复原效果与运行速度之间的关系曲线,进行了误差分析,并用在线PMP实现了钢轨外形的三维重建。理论及实验结果表明:在对钢轨外形轮廓及表面缺陷的在线三维测量时,Richardson-Lucy算法的复原效果最佳,图像复原程度与车辆运行速度呈多项式关系。

模糊图像点扩散函数参数的提取及应用

传统模糊图像复原(traditional blurred lmage restoration,TBIR)理论指明了点扩散函数(pointspread function,PSF)和运动模糊图像频谱特征之间的关系,在传统复原算法的基础上,运用一种提取PSF参数的改进算法,就是借助对模糊图像的傅氏频谱图进行Radon变换来估计PSF的参数。实验结果表明,该算法比以前的传统算法更为精确。

基于改进光流场模型的医学图像配准方法

基于光流场模型的图像配准方法计算简单快速,但采用原始光流场模型进行图像配准会使图像出现严重的模糊导致不能使用。提出了对原始光流场模型的正则项进行改进,同时引入运动模糊图像复原算法,改进的算法改善了原始光流场模型造成的图像模糊。实验结果表明,基于改进光流场模型的医学图像配准算法配准结果准确,具有较快的配准速度。

基于cGAN的下采样LG谱图像优化重建

对于复杂图像的拉盖尔高斯(Laguerre-Gaussian,LG)谱成像,因为满足奈奎斯特采样率的高阶LG模式系数无法测得,重建图像的失真不可避免,而神经网络算法通过先验学习,可以对失真图像实现较为清晰的复原.提出基于条件生成对抗网络(Conditional Generative Adversarial Nets,cGAN)的图像优化重建方法,在处理下采样的LG谱单像素成像和旋转运动模糊图像中均取得了较好的效果.在1.87%的LG谱采样率下,该方法能将Kaggle数据集人像二值图像的结构相似性(Structural Similarity,SSIM)指数提升至0.8以上,和经典图像去噪算法相比有显著提升.